? Dieser Leitfaden ist kostenlos! Unterstützen Sie es (und mich!) kostenlos:?
Willkommen bei der Roadmap für maschinelles Lernen : Eine prägnante Anleitung zum kostenlosen Erlernen der ML-Grundlagen!
Dieser optimierte Leitfaden hilft Ihnen:
- Lernen Sie die wesentlichen Voraussetzungen kennen
- Beherrschen Sie grundlegende ML-Konzepte effizient
- Schaffen Sie eine Grundlage, um fortgeschrittene Themen zu verstehen
- Machen Sie sich bereit für die reale ML-Entwicklung
Im Gegensatz zu umfassenden Leitfäden, die überwältigend sein können, ist diese Roadmap gestrafft und konzentriert sich auf die wichtigsten Themen der besten ML-Pädagogen. Das Ziel ist einfach: Sie an einen Punkt zu bringen, an dem Sie ML-Themen selbstbewusst erkunden können .
Bitte unterstützen Sie die Autoren und Ersteller dieser Ressourcen! In viele dieser Ressourcen wurden Hunderte von Stunden investiert. Wenn Sie ein im Abschnitt „Fortgeschrittene Themen“ verlinktes Buch kaufen, vergessen Sie nicht, nach der Lektüre eine Rezension abzugeben! Rezensionen sind für Autoren von entscheidender Bedeutung, um ihre Arbeit fortzusetzen. Ich habe im gesamten Dokument so oft wie möglich auf soziale Profile verlinkt. Sie können die Ersteller dieser Ressourcen kostenlos unterstützen, indem Sie ihnen folgen und ihre Inhalte mit „Gefällt mir“ markieren.
Beginnen wir Ihre ML-Reise!
Inhaltsverzeichnis
- Voraussetzungen
- Programmierung
- Mathematik
- Entwicklungstools
- Grundlagen
- Fortgeschrittene Themen
- Kernkonzepte
- Sprachmodelle und NLP
- Deep Learning und Transformers
- Verstärkungslernen
- Verarbeitung natürlicher Sprache und Computer Vision
- Lernanwendungen
- Umgang mit Daten
- ML-Engineering
- Weitere wichtige Themen
- Berufliche Fähigkeiten
- Interviewvorbereitung
- Programmiersprachen
- ML-Frameworks
- Cloud-Plattformen
- DevOps-Tools
- Kostenlose GPUs
- Andere Ressourcen
Voraussetzungen
Programmierung
Allgemeine Programmierung
- CS50 von Harvard
Perfekter Ausgangspunkt für absolute Anfänger
Python
- Einführung in Python von Harvard
Für Anfänger
- Googles Python-Klasse von Google
Großartig als Auffrischung
Datenbibliotheken
- NumPy-Tutorial vom NumPy-Team
- Pandas-Kurs von Kaggle
Mathematik
Stiftung
- ? Algebra-Lehrplan der Khan Academy
- ? Lineare Algebra von der Khan Academy
Fortgeschrittene Themen
- Wahrscheinlichkeit von Harvard
- ? Derivate/partielle Derivate von Khan Academy
- ? Farbverläufe von Khan Academy
- ? Backpropagation-Visualisierung von Google
Entwicklungstools
Versionskontrolle
- Lernen Sie Git von der Git-Community
- Github-Tutorial von GitHub
Befehlszeile
- Learn Shell von learnshell.org
Grundlagen
Kern maschinelles Lernen
- 20-minütige Einführung in maschinelles Lernen von Google
Perfekter Ausgangspunkt für ML-Konzepte
- Crashkurs zum maschinellen Lernen von Google
Umfassende Grundlagen der ML-Grundlagen
Fortgeschrittene Themen
Kernkonzepte
- Maschinelles Lernen Q und KI von Sebastian Raschka
Ein tiefer Einblick in eine Vielzahl fortgeschrittener ML-Konzepte
Sprachmodelle und NLP
- ? Einführung in LLMs von Andrej Karpathy
- ? Aufbau und Feinabstimmung von LLMs von Sebastian Raschka
- „Build an LLM From Scratch“ von Sebastian Raschka
- LLM-Kursabschnitte von Maxime Labonne
Deep Learning und Transformers
- Deep-Learning-Grundlagen von LightningAI
- Leitfaden für Ingenieure zum Deep Learning von Hironobu Suzuki
- Transformers-Kurs von Hugging Face
Verstärkungslernen
- Spinning Up in RL von OpenAI
Verarbeitung natürlicher Sprache und Computer Vision
- NLP-Kurs von Huggingface
- Computer Vision von Kaggle
Lernanwendungen
- ML für Wissenschaft von Christoph Molnar & Timo Freiesleben
- ? ML für Spiele von Huggingface
Umgang mit Daten
- Einführung in SQL und Advanced SQL von Kaggle
- Datenaufbereitung durch Google
ML-Engineering
- Hergestellt mit ML von Goku Mohandas
- ? ML-Schule von Santiago
Weitere wichtige Themen
- ? ML-Mathematik von Tivadar Danka
- ��� ML-Effizienz von MIT
- Wissensdestillation von Dmitry Kozlov
- KI-Ethik von Kaggle
- ML-Erklärbarkeit von Kaggle
Berufliche Fähigkeiten
Dieser Abschnitt enthält beliebte Kenntnisse zu Stellenangeboten im Zusammenhang mit maschinellem Lernen und Ressourcen zur Vorbereitung auf Vorstellungsgespräche für diese Stellen.
Interviewvorbereitung
- Cracking the Coding Interview von Gayle Laakman McDowell
Erstellen Sie Fragen im Leetcode-Stil, um sie zu verstehen und zu üben
- Systemdesign-Interview von Alex Xu
Vorbereitung für Systemdesign
- Studienplan für ML-Interviews von Khang Pham
Ein minimal realisierbarer Studienplan für Interviews zum maschinellen Lernen
Programmiersprachen
- Einführung in Python von Harvard
Umfassender, anfängerfreundlicher Python-Kurs
- Python Deep Dive von Stephen Gruppetta
Fortgeschrittener und umfassender
- C++-Tutorial von freeCodeCamp
Kompletter C++-Kurs für Anfänger
- Rust vom Rust Team
- Java von der Universität Helsinki
ML-Frameworks
Tiefes Lernen
- TensorFlow 2.0 Komplettkurs von freeCodeCamp
- PyTorch für Deep Learning von Daniel Bourke
- Scikit-learn-Tutorials von Scikit-learn-Entwicklern
- Keras-Tutorial von TutorialsPoint
Datenverarbeitung
- NumPy-Tutorial vom NumPy-Team
- Pandas-Kurs von Kaggle
Erweiterte Tools
- JAX-Schnellstart von Google
- ONNX-Tutorial vom ONNX-Team
- TensorRT-Leitfaden von NVIDIA
- LangChain-Crashkurs von Patrick Loeber
Modellentwicklung
- XGBoost-Dokumentation vom XGBoost-Team
- CUDA-Programmierhandbuch von NVIDIA
Cloud-Plattformen
Wichtige Anbieter
- ML auf Google Cloud von Google Cloud
- AWS Machine Learning von Amazon Web Services
- Azure AI-Grundlagen von Microsoft
DevOps-Tools
- Kubernetes-Tutorial von TechWorld mit Nana
- Docker-Tutorial von freeCodeCamp
Kostenlose GPUs
Top-Auswahl
- Google Colab
Kostenlose T4/P100-GPUs, begrenzte Zeit
- Kaggle-Notizbücher
30 Stunden/Woche P100/T4-GPU
Zusätzliche Optionen
- Blitz-KI
22 GPU-Stunden kostenlos
- Google Cloud-Plattform
300 $ kostenloses Guthaben
- Amazon SageMaker
Kostenloses Kontingent verfügbar
- Farbverlauf im Papierbereich
Kostenlose Community-Stufe
Andere Ressourcen
- ? Von mir empfohlene Newsletter
- ? Empfohlene YouTube-Kanäle von Dair AI
- ? Von mir empfohlene Konten zum Folgen auf X
Wenn Informationen fehlen, sind Sie der Autor einer Ressource und möchten, dass diese entfernt wird. Wenn Sie ein anderes allgemeines Feedback haben, senden Sie mir eine Nachricht, um es mir mitzuteilen.
