Inicio>Relacionado con la programación>Código Fuente de IA
Descargar

Una recopilación definitiva de recursos de IA para matemáticas, aprendizaje automático y aprendizaje profundo

El conocimiento no compartido se desperdicia. - Clan Jacobs

Esta colección es una recopilación de excelentes tutoriales de ML y DL creados por las siguientes personas

  • Blog de Andrej Karpathy
  • Brandon Roher
  • Andres Trask
  • Jay Alammar
  • Sebastián Ruder
  • Destilar
  • StatQuest con Josh Starmer
  • enviadodex
  • Lex Fridman
  • 3Azul1Marrón
  • Alejandro Amini
  • El tren de la codificación
  • christopher olah

Comunidades a seguir

  • AI Coimbatore ¿Únete aquí ?
    • Telegram: para actualizaciones diarias
    • Facebook: Escuela de IA de Coimbatore
  • Grupo de usuarios de TensorFlow Coimbatore
    • Reunión: TFUGCbe
    • Facebook: TFUGCbe

Este repositorio es creado y mantenido por

Navaneeth Malingan


¿Por qué ciencia de datos y cómo empezar?

  • ¡CÓMO EMPEZAR CON EL APRENDIZAJE AUTOMÁTICO!
  • Cómo construir una carrera significativa en ciencia de datos
  • Mi maestría en inteligencia artificial de creación propia
  • PyImageBuscar
  • 5 pasos fáciles de usar para principiantes para aprender aprendizaje automático y ciencia de datos con Python

Introducción al aprendizaje automático

  • Luis Serrano: una introducción amistosa al aprendizaje automático
  • StatQuest: una suave introducción al aprendizaje automático
  • Aprendizaje automático para todos Resuma los algoritmos de aprendizaje automático de Machine Learning y sus aplicaciones en palabras simples con ejemplos del mundo real.

Cualquiera puede hacer aprendizaje automático

  • Máquina enseñable Entrene a una computadora para que reconozca sus propias imágenes, sonidos y poses. Una forma rápida y sencilla de crear modelos de aprendizaje automático para sus sitios, aplicaciones y más, sin necesidad de experiencia ni codificación.

MOOC

  • Aprendizaje automático por Andrew Ng, Stanford IMDB 10/10 LOL: P
  • Datacamp: ingeniero de datos con Python
  • Introducción a los temas de aprendizaje automático cubiertos Naive Bayes, SVM, árboles de decisión, regresiones, valores atípicos, agrupación, escalamiento de funciones, aprendizaje de texto, selección de funciones, PCA, validación, métricas de evaluación
  • Introducción a TensorFlow para aprendizaje profundo El mejor curso para aprender TensorFlow
  • Aprendizaje automático de un extremo a otro
  • INSTITUTO DE APRENDIZAJE PROFUNDO DE NVIDIA
  • ¡Introducción al aprendizaje automático para programadores!
  • Aprendizaje profundo práctico para programadores, v3
  • IA rápida

Cursos de las mejores universidades

Universidad Stanford

  • CS221 - Inteligencia artificial: principios y técnicas por Percy Liang y Dorsa Sadigh
  • CS229 - Aprendizaje automático por Andrew Ng
  • CS230 - Aprendizaje profundo por Andrew Ng
  • CS231n: redes neuronales convolucionales para el reconocimiento visual por Fei-Fei Li y Andrej Karpathy
  • CS224n: Procesamiento del lenguaje natural con aprendizaje profundo por Christopher Manning
  • CS234 - Aprendizaje por refuerzo por Emma Brunskill
  • CS330: multitarea profunda y metaaprendizaje por Chelsea Finn
  • CS25 - Transformadores Unidos

Universidad Carnegie Mellon

  • CS/LTI 11-711: PNL avanzada por Graham Neubig
  • CS/LTI 11-747: Redes neuronales para PNL por Graham Neubig
  • CS/LTI 11-737: PNL multilingüe por Graham Neubig
  • CS/LTI 11-777: Aprendizaje automático multimodal por Louis-Philippe Morency
  • CS/LTI 11-785: Introducción al aprendizaje profundo por Bhiksha Raj y Rita Singh
  • Bootcamp de PNL de bajos recursos de CS/LTI 2020 por Graham Neubig

Instituto de Tecnología de Massachusetts

  • 6.S191 - Introducción al aprendizaje profundo por Alexander Amini y Ava Amini
  • 6.S094 - Aprendizaje profundo de Lex Fridman
  • 6.S192 - Aprendizaje profundo para el arte, la estética y la creatividad por Ali Jahanian

Colegio Universitario de Londres

  • COMP M050 Aprendizaje por refuerzo por David Silver

Listas de reproducción de aprendizaje automático de YouTube

  • Aprendizaje automático de StatQuest con Josh Starmer
  • Inteligencia y aprendizaje mediante el tren de la codificación

Glosario de aprendizaje automático

  • Este glosario define términos generales de aprendizaje automático en una variedad de dominios, así como términos específicos de TensorFlow.

Fundamentos del aprendizaje automático (estos términos se utilizarán a menudo en los siguientes algoritmos)

  • Sesgo y variación
  • Validación cruzada
  • Fundamentos del aprendizaje automático: la matriz de confusión
  • Sensibilidad y especificidad
  • República de China y AUC, ¡claramente explicados!
  • StatQuest: R cuadrado explicado
  • Regularización Parte 1: Regresión de crestas
  • Regularización Parte 2: Regresión Lasso
  • Máxima probabilidad
  • Covarianza y correlación Parte 1: Covarianza
  • Fundamentos de estadística: media, varianza y desviación estándar
  • Fundamentos de estadística: parámetros de población
  • Glosario: Estadísticas
  • Glosario: Aprendizaje automático
  • Mirando R-cuadrado

Matemáticas

  • Matemáticas para el aprendizaje automático En esta publicación he recopilado excelentes recursos electrónicos (MOOC, conferencias de YouTube, libros) para aprender Matemáticas para el aprendizaje automático.
  • Matemáticas para el aprendizaje automático: libro Un gran libro sobre todo lo relacionado con las matemáticas para el aprendizaje automático. (libro electrónico gratuito)
  • Le recomiendo encarecidamente que consulte los siguientes recursos de 3Blue1Brown
    • Esencia de álgbra lineal ▶️
    • Esenio del cálculo ▶️
    • Ecuaciones diferenciales ▶️
  • Gilbert Strang: Álgebra lineal versus cálculo ▶️
  • Conceptos básicos del cálculo integral en tamil ▶️
  • Nuevo curso fast.ai: Álgebra lineal computacional
  • Libro de álgebra lineal

Pitón

  • Tutoriales de programación en Python de Socratica ▶️
  • ¿Tutorial de Python de w3schools?
  • ¿Aprendiendo programación en Python?

numpy

  • Una introducción visual a NumPy y la representación de datos
  • CS231n: Tutorial de Python Numpy
  • Recursos NumPy: parte de la biblioteca de aprendizaje automático de un extremo a otro
  • 100 ejercicios numerosos (con soluciones)
  • 101 ejercicios NumPy para análisis de datos (Python)
  • Tutorial de Numpy: introducción a ndarray
  • Conferencias de ciencia-Py: NumPy: creación y manipulación de datos numéricos
  • Tutorial de Python NumPy para principiantes ▶️ Aprenda los conceptos básicos de la biblioteca NumPy en este tutorial para principiantes. Proporciona información general sobre cómo funciona NumPy y cómo se compara con las listas integradas de Python. Este video explica cómo escribir código con NumPy. Comienza con los conceptos básicos de la creación de matrices y luego pasa a temas más avanzados. El video cubre la creación de matrices, indexación, matemáticas, estadísticas, remodelación y más.
  • Tutorial de Python NumPy: aprenda matrices NumPy con ejemplos
  • Tutorial de matriz Numpy de Python
  • Tutorial de NumPy: análisis de datos con Python
  • Requisitos previos del aprendizaje profundo: la pila Numpy en Python ▶️

pandas

  • Una suave introducción visual al análisis de datos en Python usando Pandas
  • Análisis de datos en Python con pandas por Data School ▶️
  • Mejores prácticas con pandas por Data School ▶️
  • Tutorial de Python Pandas: una introducción completa para principiantes

Listas de reproducción de YouTube con aprendizaje automático

  • CodeBasics: Tutorial de aprendizaje automático Python ▶️
  • StatQuest: aprendizaje automático ▶️
  • sentdex: Aprendizaje automático con Python ▶️
  • Simplilearn: vídeos tutoriales de aprendizaje automático ▶️
  • Tutorial de aprendizaje automático en Python ▶️
  • deeplizard: aprendizaje automático y fundamentos del aprendizaje profundo ▶️

Explicadores visuales de ML y DL

  • MLU-EXPLICAR
  • Explicador de CNN

Nota: A continuación puede encontrar las mejores conferencias sobre algoritmos populares de aprendizaje automático.

Regresión lineal

  • Regresión lineal: una introducción amistosa por Luis Serrano ▶️
  • Estadísticas 101: regresión lineal, conceptos básicos ▶️
  • Patio de juegos de ajuste de líneas de regresión
  • Patio de juegos con ajuste de curva de regresión

Regresión logística

  • Regresión lineal versus regresión logística | Formación en ciencia de datos | Edureka ▶️
  • Regresión logística y el algoritmo perceptrón: una introducción amistosa por Luis Serrano ▶️

Árbol de decisión

  • StatQuest: árboles de decisión ▶️
  • StatQuest: Árboles de decisión, Parte 2: Selección de funciones y datos faltantes ▶️
  • ¿Introducción al árbol de decisiones con ejemplo?
  • ¿Árbol de decisión?
  • Pitón | ¿Regresión del árbol de decisión usando sklearn?
  • aprendizaje automático | ¿Regresión logística versus clasificación del árbol de decisión?

Bosque aleatorio

  • StatQuest: Bosques aleatorios Parte 1: construcción, uso y evaluación ▶️
  • StatQuest: Bosques aleatorios Parte 2: Datos faltantes y agrupación ▶️
  • ¿Bosques aleatorios para principiantes totales?

Impulsando el aprendizaje automático

  • Tutorial sobre cómo impulsar el aprendizaje automático | Impulso adaptativo, Impulso de gradiente, XGBoost | Edureka ▶️
  • AdaBoost, claramente explicado ▶️
  • Impulso de gradiente, parte 1: Ideas principales de regresión ▶️
  • Mejora de gradiente, parte 2: detalles de regresión ▶️
  • Mejora de gradiente, parte 3: clasificación ▶️
  • Mejora de gradiente, parte 4: detalles de clasificación ▶️
  • XGBoost Part1: Árboles XGBoost para regresión ▶️
  • XGBoost Parte 2: Árboles XGBoost para clasificación ▶️
  • Métodos de conjunto Sci-kit learn

SVM

  • Máquinas de vectores de soporte (SVM): una introducción amistosa por Luis Serrano ▶️
  • ¡¡¡Máquinas de vectores de soporte, claramente explicadas!!! por StatQuest ▶️
  • Máquinas de vectores de soporte, parte 2: el núcleo polinómico de StatQuest ▶️
  • Máquinas de vectores de soporte, parte 3: El núcleo radial (RBF) de StatQuest ▶️
  • Cómo funcionan las máquinas de vectores de soporte/Cómo abrir una caja negra ▶️
  • Máquinas de vectores de soporte: las matemáticas de la inteligencia (semana 1) ▶️
  • ¿Desmitificando las máquinas de vectores de soporte?
  • Support Vector Machine (SVM): aprendizaje automático fácil y divertido ▶️

Teorema de Bayes

  • Teorema de Bayes y hacer intuitiva la probabilidad ▶️
  • Una introducción amistosa al teorema de Bayes y los modelos ocultos de Markov ▶️
  • La trampa bayesiana ▶️
  • Clasificador ingenuo de Bayes: un enfoque amigable ▶️

K-vecinos más cercanos

  • ¿KNN desde cero?
  • ¿Conceptos básicos del aprendizaje automático con el algoritmo K-vecinos más cercanos?

K-medias

  • StatQuest: agrupación de K-medias ▶️
  • Tutorial de aprendizaje automático Python - 13: K significa agrupación en clústeres ▶️
  • Algoritmo de agrupación de K significa - Ejemplo de K significa en Python - Algoritmos de aprendizaje automático - Edureka ▶️

Análisis de Componentes Principales (PCA)

  • StatQuest: ¡¡¡Ideas principales de PCA en sólo 5 minutos!!! ▶️
  • StatQuest: Análisis de componentes principales (PCA), paso a paso ▶️
  • Análisis de Componentes Principales (PCA) por Luis Serrano ▶️

Modelos gráficos probabilísticos

  • Especialización en Modelos Gráficos Probabilísticos

Descenso de gradiente desde cero

El mejor

  • ¿Regresión lineal usando descenso de gradiente?
  • Descenso de gradiente, paso a paso ▶️
  • ¡¡¡Descenso de gradiente estocástico, claramente explicado!!! ▶️
  • Cómo funciona la optimización Una breve serie sobre los fundamentos de la optimización para el aprendizaje automático
  • Regresión lineal mediante descenso de gradiente
    • Código
  • Regresión polinómica
  • Descenso de gradiente en regresión lineal: ¿matemáticas?
  • Conceptos básicos de retropropagación de redes neuronales para principiantes ▶️

Los extra buenos

  • 3.4: Regresión lineal con descenso de gradiente: inteligencia y aprendizaje ▶️
  • 3.5: Matemáticas del descenso de gradientes: inteligencia y aprendizaje ▶️
  • 3.5a: Cálculo: Regla de potencia - Inteligencia y aprendizaje ▶️
  • 3.5b: Cálculo: Regla de la cadena - Inteligencia y aprendizaje ▶️
  • 3.5c: Cálculo: Derivada Parcial - Inteligencia y Aprendizaje ▶️

Degradado desaparecido

  • Problema de gradiente desaparecido ▶️
  • Cómo superar el problema del gradiente de desaparición ▶️

Cómo manejar mínimos locales

  • https://datascience.stackexchange.com/questions/24534/does-gradient-descent-always-converge-to-an-optimum
  • https://datascience.stackexchange.com/questions/18802/does-mlp-always-find-local-minimum
  • https://www.coursera.org/learn/deep-neural-network/lecture/RFANA/the-problem-of-local-optima

Aprendizaje científico

  • ¿Una introducción al aprendizaje automático con scikit-learn?
  • Aprendizaje automático de Python: tutorial de Scikit-Learn

Aprendizaje profundo

  • DEEP BLUEBERRY BOOK Esta es una pequeña y muy enfocada colección de enlaces sobre aprendizaje profundo. Si siempre has querido aprender cosas sobre aprendizaje profundo pero no sabes por dónde empezar, ¡es posible que hayas dado con el lugar correcto!
  • 6.S191: Introducción al aprendizaje profundo (2019)
    • Conferencias de clase (YouTube) - MIT 6.S191: Introducción al aprendizaje profundo
    • Laboratorio
  • MIT 6.S191 Introducción al aprendizaje profundo (2020)
  • MIT 6.S191 Introducción al aprendizaje profundo (2023) (YouTube)
  • Conceptos básicos del aprendizaje profundo del MIT: introducción y descripción general
  • Aprendizaje profundo del MIT por Lex Fridman
    • Conferencias de aprendizaje profundo (YouTube)
  • Aprendizaje profundo en tamil

Libros de aprendizaje profundo

  • El libro de texto de aprendizaje profundo de Ian Goodfellow, Yoshua Bengio y Aaron Courville
  • Redes neuronales y aprendizaje profundo por Michael Nielsen
  • Asimilando el aprendizaje profundo por Andrew Trask

Documentos de aprendizaje profundo

  • Hoja de ruta de lectura de artículos de aprendizaje profundo

NN

  • Una introducción amigable al aprendizaje profundo y las redes neuronales ▶️
  • Aprendizaje automático para principiantes: ¿una introducción a las redes neuronales? Una explicación sencilla de cómo funcionan y cómo implementar uno desde cero en Python.
  • ¿Una guía visual e interactiva sobre los conceptos básicos de las redes neuronales?
  • ¿Una mirada visual e interactiva a las matemáticas básicas de redes neuronales?
  • Arquitecturas de redes neuronales ▶️
  • Redes neuronales desmitificadas por Welch Labs ▶️
    • Código de soporte para la serie corta de YouTube Neural Networks Demystified.
  • Serie de redes neuronales de 3Blue1Brows ▶️

Visión por computadora

  • CS131 Visión por computadora: fundamentos y aplicaciones Otoño de 2019
  • CS231A: Visión por computadora, de la reconstrucción 3D al reconocimiento Invierno 2018
  • CS231n Redes neuronales convolucionales para reconocimiento visual
  • Cuadernos de visión por computadora

CNN

  • CS231n: Redes neuronales convolucionales para el reconocimiento visual Primavera de 2019
  • CS231n: Redes neuronales convolucionales para reconocimiento visual
  • Una introducción amistosa a las redes neuronales convolucionales y el reconocimiento de imágenes
  • Una guía completa de redes neuronales convolucionales: el método ELI5
  • Red neuronal convolucional de Tensorflow (CNN)
  • Libro de redes convolucionales
  • CNN, Parte 1: Introducción a las redes neuronales convolucionales
  • CS231n Invierno 2016 POR Andrej Karpathy 15 vídeos
  • Comprensión intuitiva de convoluciones 1D, 2D y 3D en redes neuronales convolucionales
  • Explicador de CNN Un sistema de visualización interactivo diseñado para ayudar a los no expertos a aprender sobre las redes neuronales convolucionales (CNN).

Detección de objetos

Evolución de las redes de detección de objetos por Cogneethi

Tutorial detallado sobre detección de objetos. Conferencias de intuición sobre temas que van desde técnicas CV clásicas como HOG, SIFT hasta técnicas basadas en redes neuronales convolucionales como Overfeat, Faster RCNN, etc. Aprenderá cómo han evolucionado las ideas desde algunos de los primeros artículos hasta los actuales. De ahí el nombre Evolución de las redes de detección de objetos.

  • TAMIZAR | Transformación de característica invariante de escala
  • Intuición del cerdo | Histograma de gradientes orientados
  • SMN | Supresión no máxima
  • Localización de objetos | Regresión del cuadro delimitador
  • Detección de objetos
  • RCNN
  • Coincidencia de pirámides espaciales | SPM
  • Detección de objetos SPPNet
  • Red RCNN rápida
  • RCNN más rápido
  • Detección de objetos Yolo v4: ¡cómo funciona y por qué es tan sorprendente!
  • Marcos y bibliotecas
    • Detectron2 por Facebook AI
    • MMDetección
    • Tubo de medios
    • YOLO
    • API de detección de objetos TensorFlow
    • Recetas de visión por computadora
  • Herramientas de etiquetado
    • EtiquetaImg
    • Roboflujo
    • Estudio de etiquetas
  • Ejemplos de código
    • API de conteo de objetos de YOLO

Detección de objetos 3D

  • Anuncio del conjunto de datos Objectron | Blog de IA de Google
  • Objetor MediaPipe | Objectron (detección de objetos 3D)

Segmentación de imágenes

  • Tutorial de visión por computadora: introducción paso a paso a las técnicas de segmentación de imágenes (Parte 1)

GAN

  • Una introducción amistosa a las redes generativas adversarias (GAN) por Luis Serrano
  • Redes generativas adversarias (GAN) por Ahlad Kumar
  • Construyendo nuestra primera GAN simple
  • Edición de rostros con redes generativas adversarias
  • Autocodificadores variacionales
  • Redes generativas adversarias (GAN) en 50 líneas de código (PyTorch)
  • Modelos generativos

Transferencia de estilo

  • TensorFlow CNN para una rápida transferencia de estilo ⚡???

PNL

  • CS224n: Procesamiento del lenguaje natural con aprendizaje profundo
  • La PNL y el reformador
  • La palabra ilustrada2vec

RNN

  • Guía ilustrada de redes neuronales recurrentes: comprensión de la intuición
  • Cualquiera puede aprender a codificar un LSTM-RNN en Python (Parte 1: RNN) Pequeños pasos hacia los primeros recuerdos de su red neuronal.
  • La eficacia irrazonable de las redes neuronales recurrentes
  • Introducción a las redes neuronales recurrentes para principiantes Un recorrido sencillo sobre qué son las RNN, cómo funcionan y cómo crear una desde cero en Python.
  • Atención y redes neuronales recurrentes aumentadas por Distill
  • Visualizar la memorización en RNN mediante Distill La inspección de las magnitudes de gradiente en contexto puede ser una herramienta poderosa para ver cuándo las unidades recurrentes utilizan la comprensión contextual a corto o largo plazo.
  • Aprendizaje profundo para PNL: ¡explicación de ANN, RNN y LSTM!

LSTM

  • Comprender las redes LSTM
  • Implementación de LSTM explicada
  • Una suave introducción a los codificadores automáticos LSTM

Transformadores y autoatención

Guía visual de redes neuronales de transformadores (muy recomendable)

  • Parte 1: Incrustaciones de posiciones
  • Parte 2: Múltiples cabezas y autoatención
  • Parte 3: La atención enmascarada del decodificador
  • Lista de reproducción de atención de Transformers de PNL
  • El transformador ilustrado
  • El transformador anotado
  • Papel y código de transformadores
  • Transformadores desde cero
  • Notas de transformadores
  • Transformadores, explicados: comprenda el modelo detrás de GPT-3, BERT y T5
  • Una descripción general completa de las variantes de Transformer.
  • Cómo convertirse en un gurú de modelos de transformadores y PNL
  • [MASTERCLASS] Transformadores | Modelos de Atención

BERT

  • Explicando BERT simplemente usando bocetos
  • Una guía visual para usar BERT por primera vez
  • El BERT ilustrado, ELMo y compañía. (Cómo la PNL resolvió el aprendizaje por transferencia)
  • BERT explicado: modelo de lenguaje de última generación para PNL
  • BioBERT, un modelo de representación de lenguaje para el dominio biomédico, especialmente diseñado para tareas de minería de textos biomédicos, como reconocimiento de entidades biomédicas con nombre, extracción de relaciones, respuesta a preguntas, etc.

GPT

  • El GPT-2 ilustrado (visualización de modelos de lenguaje transformador)

Aprendizaje por refuerzo

  • ¿Curso de aprendizaje por refuerzo profundo? ️ Un curso gratuito de aprendizaje por refuerzo profundo desde principiante hasta experto.
  • Implementación de Algoritmos de Aprendizaje por Refuerzo. Python, gimnasio OpenAI, Tensorflow. Ejercicios y soluciones para acompañar el libro de Sutton y el curso de David Silver.
  • Kit de herramientas para agentes de aprendizaje automático de Unity
  • ¡ESCRIBIENDO MI PRIMER JUEGO DE APRENDIZAJE AUTOMÁTICO! (1/4)
  • Aprendizaje por refuerzo profundo: Pong de Pixels de Andrej Karpathy
  • Una guía para principiantes sobre el aprendizaje por refuerzo profundo
  • Introducción a los agentes Unity ML
  • Algoritmos de aprendizaje por refuerzo profundo con PyTorch
  • CONFERENCIAS: Introducción al aprendizaje por refuerzo - David Silver
  • LIBRO: Aprendizaje por refuerzo: introducción de Sutton y Barto
  • LIBRO: Aprendizaje por refuerzo profundo práctico por Maxim Lapan

PyTorch

  • Udacity: aprendizaje profundo con PyTorch
  • Aprendizaje profundo (PyTorch): código
  • Udacity: IA segura
  • ESCRITURA DE ANTORCHA
  • PyTorchZeroToAll (en inglés) Sung Kim una serie de 14 videos
    • Código de soporte
    • Diapositivas

TensorFlow

  • Introducción a TensorFlow 2.0: más fácil para principiantes y más potente para expertos (TF World '19)
  • TensorFlow Lite: solución para ejecutar ML en el dispositivo (TF World '19)
  • Aprendizaje automático en JavaScript (TensorFlow Dev Summit 2018)
  • Inicio rápido de TensorFlow.js
  • Keras frente a tf.keras: ¿Cuál es la diferencia en TensorFlow 2.0?
  • Cómo ejecutar TensorFlow Lite en Raspberry Pi para la detección de objetos
  • Cómo las computadoras aprenden a reconocer objetos al instante | Jose Redmon

Cursos de TensorFlow

  • Introducción a TensorFlow para el aprendizaje profundo
  • Especialización en TensorFlow en la práctica: Coursera
  • TensorFlow: especialización en datos e implementación: Coursera

PyTorch frente a TensorFlow

  • ¿Por qué PyTorch se está volviendo tan popular entre los ingenieros de aprendizaje automático?

Transferir aprendizaje

  • Transferir el aprendizaje con Keras y Deep Learning
  • Una guía práctica completa para transferir el aprendizaje con aplicaciones del mundo real en aprendizaje profundo
  • Tutoriales básicos de TensorFlow

Implementar modelos

  • Aprendizaje automático en 5 minutos: cómo implementar un modelo de aprendizaje automático (explica el ingeniero de SurveyMonkey)
  • Implementar modelos de aprendizaje automático con Django
  • MlFlow: una plataforma de código abierto para el ciclo de vida del aprendizaje automático
  • TensorFlow: especialización en datos e implementación

MlOps

  • MLOps Primer - 2021 Una colección de recursos para aprender sobre MLOps.

Código

  • conceptos básicos del código/py
  • Laboratorios de código de Google

Hojas de trucos

  • Inteligencia artificial
  • Aprendizaje automático
  • Aprendizaje profundo
  • Consejos y trucos de aprendizaje automático
  • Herramientas de ciencia de datos
  • Aprendizaje automático con R
  • Hojas de trucos y tarjetas didácticas de CHRIS ALBON
  • MLOps Tooling Landscape v2 (+84 herramientas nuevas): diciembre de 2020
  • herramientas matemáticas
  • Ecuaciones diferenciales ordinarias para ingenieros

Kits de aprendizaje automático de borde

  • Kit de desarrollo Nvidia Jetson Nano
  • Intel® Neural Compute Stick 2 (Intel® NCS2)
  • Coral

Concursos de ciencia de datos

  • Kaggle

¿Importante Youtube? Canales en el ámbito de AI/ML/RL/DS

  • 3Azul1Marrón
  • StatQuest con Josh Starmer
  • Sentdex
  • luis serrano
  • Brandon Rohrer
  • lagarto profundo
  • Tecnología con Tim
  • Investigación de Microsoft
  • Corey Schafer
  • Escuela de datos
  • Artículos de dos minutos
  • Laboratorios Welch
  • Aprendizaje sencillo
  • Gran aprendizaje
  • Aprendizaje profundo.TV
  • TensorFlow
  • Aprendizaje profundo.ai
  • Código viñeta
  • ¡edureka!
  • Lex Fridman
  • El canal de la inteligencia artificial
  • freeCodeCamp.org
  • NubexLab
  • Alejandro Amini
  • Jeff Heaton
  • Abhishek Thakur
  • El tren de la codificación

Referencia

  • ¡CÓMO EMPEZAR CON EL APRENDIZAJE AUTOMÁTICO!
  • Mi maestría en inteligencia artificial de creación propia
  • https://end-to-end-machine-learning.teachable.com/courses/667372/lectures/11900568
  • Fundamentos de ML por StatQuest
  • Aprendizaje automático con Python por sentdex
  • 5 pasos fáciles de usar para principiantes para aprender aprendizaje automático y ciencia de datos con Python - Daniel Bourke
  • Escuela de datos
  • Redes neuronales y aprendizaje profundo
  • https://www.machinelearningisfun.com/
  • https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471
  • https://medium.com/greyatom
  • https://greyatom.com/glabs
  • John Searle: "La conciencia en la inteligencia artificial" | Charlas en Google
  • https://github.com/nature-of-code/NOC-S17-2-Intelligence-Learning/tree/master/week3-classification-regression
  • https://github.com/nature-of-code/NOC-S17-2-Intelligence-Learning
Expandir
Información adicional
Aplicaciones relacionadas
Recomendado para ti
Información relacionada Todo