ai_all_resources

Uma compilação definitiva de recursos de IA para matemática, aprendizado de máquina e aprendizado profundo

Conhecimento não compartilhado é desperdiçado. - Clã Jacobs

Esta coleção é uma compilação de excelentes tutoriais de ML e DL criados pelas pessoas abaixo

• Blog de Andrej Karpathy
• Brandon Roher
• Andrew Trask
• Jay Alammar
• Sebastião Ruder
• Destilar
• StatQuest com Josh Starmer
• sentdex
• Lex Fridman
• 3Azul1Marrom
• Alexandre Amini
• O trem de codificação
• Christopher Olah

Comunidades para seguir

• AI Coimbatore Cadastre-se aqui ?
  • Telegrama: para atualizações diárias
  • Facebook: Escola de IA de Coimbatore
• Grupo de usuários do TensorFlow Coimbatore
  • Encontro: TFUGCbe
  • Facebook: TFUGCbe

Este repositório é criado e mantido por

Navaneeth Malingan

Por que ciência de dados e como começar?

• COMO COMEÇAR A APRENDIZAGEM DE MÁQUINA!
• Como construir uma carreira significativa em ciência de dados
• Meu mestrado em inteligência artificial autocriado
• PyImageSearch
• 5 etapas para iniciantes para aprender aprendizado de máquina e ciência de dados com Python

Introdução ao ML

• Luis Serrano: uma introdução amigável ao aprendizado de máquina
• StatQuest: uma introdução suave ao aprendizado de máquina
• Aprendizado de máquina para todos Resuma os algoritmos de aprendizado de máquina e suas aplicações em palavras simples com exemplos do mundo real.

Qualquer um pode fazer aprendizado de máquina

• Máquina ensinável Treine um computador para reconhecer suas próprias imagens, sons e poses. Uma maneira rápida e fácil de criar modelos de aprendizado de máquina para seus sites, aplicativos e muito mais, sem necessidade de conhecimento ou codificação.

MOOCs

• Aprendizado de máquina por Andrew Ng, Stanford IMDB 10/10 LOL: P
• Datacamp: engenheiro de dados com Python
• Introdução aos tópicos de aprendizado de máquina abordados Naive Bayes, SVM, árvores de decisão, regressões, outliers, clustering, dimensionamento de recursos, aprendizado de texto, seleção de recursos, PCA, validação, métricas de avaliação
• Introdução ao TensorFlow para aprendizado profundo O melhor curso para aprender TensorFlow
• Aprendizado de máquina ponta a ponta
• INSTITUTO DE APRENDIZAGEM PROFUNDA DA NVIDIA
• Introdução ao aprendizado de máquina para programadores!
• Aprendizado profundo prático para codificadores, v3
• FastAI

Cursos das melhores universidades

Universidade de Stanford

• CS221 - Inteligência Artificial: Princípios e Técnicas de Percy Liang e Dorsa Sadigh
• CS229 - Aprendizado de Máquina por Andrew Ng
• CS230 - Aprendizado profundo por Andrew Ng
• CS231n - Redes Neurais Convolucionais para Reconhecimento Visual por Fei-Fei Li e Andrej Karpathy
• CS224n - Processamento de Linguagem Natural com Aprendizado Profundo por Christopher Manning
• CS234 - Aprendizagem por Reforço por Emma Brunskill
• CS330 - Multitarefa profunda e meta aprendizagem por Chelsea Finn
• CS25 - Transformadores Unidos

Universidade Carnegie Mellon

• CS/LTI 11-711: PNL avançada por Graham Neubig
• CS/LTI 11-747: Redes Neurais para PNL por Graham Neubig
• CS/LTI 11-737: PNL multilíngue por Graham Neubig
• CS/LTI 11-777: Aprendizado de máquina multimodal por Louis-Philippe Morency
• CS/LTI 11-785: Introdução ao Deep Learning por Bhiksha Raj e Rita Singh
• CS/LTI Low Resource PNL Bootcamp 2020 por Graham Neubig

Instituto de Tecnologia de Massachusetts

• 6.S191 - Introdução ao Deep Learning por Alexander Amini e Ava Amini
• 6.S094 - Aprendizado profundo por Lex Fridman
• 6.S192 - Aprendizado profundo para arte, estética e criatividade por Ali Jahanian

Faculdade Universitária de Londres

• Aprendizagem por Reforço COMP M050 por David Silver

Listas de reprodução de ML do YouTube

• Aprendizado de máquina por StatQuest com Josh Starmer
• Inteligência e aprendizagem por The Coding Train

Glossário de aprendizado de máquina

• Este glossário define termos gerais de aprendizado de máquina em vários domínios, bem como termos específicos do TensorFlow.

Fundamentos do aprendizado de máquina (esses termos serão frequentemente usados ​​nos algoritmos abaixo)

• Viés e Variância
• Validação Cruzada
• Fundamentos do aprendizado de máquina: a matriz de confusão
• Sensibilidade e Especificidade
• ROC e AUC, claramente explicados!
• StatQuest: R-quadrado explicado
• Regularização Parte 1: Regressão Ridge
• Regularização Parte 2: Regressão Lasso
• Probabilidade Máxima
• Covariância e Correlação Parte 1: Covariância
• Fundamentos de estatística: média, variância e desvio padrão
• Fundamentos de Estatística: Parâmetros Populacionais
• Glossário: Estatísticas
• Glossário: Aprendizado de Máquina
• Olhando para R-quadrado

Matemática

• Matemática para Aprendizado de Máquina Neste post compilei ótimos recursos eletrônicos (MOOC, palestras no YouTube, livros) para aprender Matemática para Aprendizado de Máquina.
• Matemática para Aprendizado de Máquina - Livro Um ótimo livro para todas as coisas de matemática para aprendizado de máquina. (e-book grátis)
• Eu recomendo fortemente que você consulte os seguintes recursos de 3Blue1Brown
  • Essência da Álgebra Linear ▶️
  • Essênio do Cálculo ▶️
  • Equações diferenciais ▶️
• Gilbert Strang: Álgebra Linear vs Cálculo ▶️
• Noções básicas de cálculo integral em tâmil ▶️
• Novo curso fast.ai: Álgebra Linear Computacional
• Livro de Álgebra Linear

Pitão

• Tutoriais de programação Python por Socratica ▶️
• Tutorial Python por w3schools?
• Aprendendo programação Python?

Entorpecido

• Uma introdução visual ao NumPy e à representação de dados
• CS231n: Tutorial Python Numpy
• Recursos NumPy: parte da biblioteca de aprendizado de máquina ponta a ponta
• 100 exercícios numpy (com soluções)
• 101 exercícios NumPy para análise de dados (Python)
• Tutorial Numpy – Introdução ao ndarray
• Palestras Sci-Py: NumPy: criação e manipulação de dados numéricos
• Tutorial Python NumPy para iniciantes ▶️ Aprenda o básico da biblioteca NumPy neste tutorial para iniciantes. Ele fornece informações básicas sobre como o NumPy funciona e como ele se compara às listas integradas do Python. Este vídeo mostra como escrever código com NumPy. Ele começa com o básico da criação de arrays e depois entra em coisas mais avançadas. O vídeo aborda a criação de arrays, indexação, matemática, estatística, remodelagem e muito mais.
• Tutorial Python NumPy – Aprenda matrizes NumPy com exemplos
• Tutorial de matriz Python Numpy
• Tutorial NumPy: análise de dados com Python
• Pré-requisitos de aprendizado profundo: o Numpy Stack em Python ▶️

Pandas

• Uma introdução visual suave à análise de dados em Python usando Pandas
• Análise de dados em Python com pandas pela Data School ▶️
• Melhores práticas com pandas da Data School ▶️
• Tutorial Python Pandas: uma introdução completa para iniciantes

Listas de reprodução do YouTube com aprendizado de máquina

• CodeBasics: Tutorial de aprendizado de máquina Python ▶️
• StatQuest: aprendizado de máquina ▶️
• sentdex: aprendizado de máquina com Python ▶️
• Simplilearn: vídeos tutoriais de aprendizado de máquina ▶️
• Tutorial de aprendizado de máquina em Python ▶️
• deeplizard: Fundamentos de aprendizado de máquina e aprendizado profundo ▶️

Explicadores visuais de ML e DL

• MLU-EXPLICAR
• Explicador da CNN

Nota: Abaixo você pode encontrar as melhores palestras sobre algoritmos populares de aprendizado de máquina

Regressão Linear

• Regressão Linear: Uma introdução amigável de Luis Serrano ▶️
• Estatísticas 101: Regressão Linear, O Básico ▶️
• Playground de ajuste de linha de regressão
• Playground de ajuste de curva de regressão

Regressão Logística

• Regressão Linear vs Regressão Logística | Treinamento em Ciência de Dados | Edureka ▶️
• Regressão Logística e o Algoritmo Perceptron: Uma introdução amigável de Luis Serrano ▶️

Árvore de Decisão

• StatQuest: Árvores de Decisão ▶️
• StatQuest: Árvores de Decisão, Parte 2 - Seleção de Recursos e Dados Faltantes ▶️
• Introdução à árvore de decisão com exemplo?
• Árvore de decisão?
• Pitão | Regressão da árvore de decisão usando sklearn?
• AM | Regressão Logística versus Classificação da Árvore de Decisão?

Floresta Aleatória

• StatQuest: Random Forests Parte 1 - Construindo, Usando e Avaliando ▶️
• StatQuest: Random Forests Parte 2: Dados ausentes e clustering ▶️
• Florestas aleatórias para iniciantes?

Impulsionando o aprendizado de máquina

• Impulsionando o Tutorial de Aprendizado de Máquina | Boosting adaptativo, Boosting de gradiente, XGBoost | Edureka ▶️
• AdaBoost, claramente explicado ▶️
• Gradient Boost Parte 1: Idéias principais de regressão ▶️
• Gradient Boost Parte 2: Detalhes da regressão ▶️
• Gradient Boost Parte 3: Classificação ▶️
• Gradient Boost Parte 4: Detalhes de classificação ▶️
• XGBoost Parte 1: Árvores XGBoost para regressão ▶️
• XGBoost Parte 2: Árvores XGBoost para classificação ▶️
• Métodos de conjunto Sci-kit aprender

SVM

• Support Vector Machines (SVMs): Uma introdução amigável por Luis Serrano ▶️
• Máquinas de vetores de suporte, claramente explicadas!!! da StatQuest ▶️
• Máquinas de vetores de suporte, parte 2: o kernel polinomial da StatQuest ▶️
• Máquinas de vetores de suporte, parte 3: o kernel radial (RBF) da StatQuest ▶️
• Como funcionam as Support Vector Machines / Como abrir uma caixa preta ▶️
• Máquinas de Vetores de Suporte - A Matemática da Inteligência (Semana 1) ▶️
• Desmistificando máquinas de vetores de suporte?
• Support Vector Machine (SVM) - Aprendizado de máquina fácil e divertido ▶️

Teorema de Bayes

• Teorema de Bayes e tornando a probabilidade intuitiva ▶️
• Uma introdução amigável ao Teorema de Bayes e aos modelos ocultos de Markov ▶️
• A armadilha bayesiana ▶️
• Classificador Naive Bayes: uma abordagem amigável ▶️

K-vizinhos mais próximos

• KNN do zero?
• Noções básicas de aprendizado de máquina com o algoritmo K-Nearest Neighbors?

K-médias

• StatQuest: agrupamento K-means ▶️
• Tutorial de aprendizado de máquina Python - 13: K significa clustering ▶️
• Algoritmo de clustering K Means - Exemplo de K Means em Python - Algoritmos de aprendizado de máquina - Edureka ▶️

Análise de Componentes Principais (PCA)

• StatQuest: Principais ideias do PCA em apenas 5 minutos!!! ▶️
• StatQuest: Análise de Componentes Principais (PCA), Passo a Passo ▶️
• Análise de Componentes Principais (PCA) por Luis Serrano ▶️

Modelos Gráficos Probabilísticos

• Especialização em Modelos Gráficos Probabilísticos

Descida gradiente do zero

O melhor

• Regressão Linear usando Gradiente Descendente?
• Descida gradiente, passo a passo ▶️
• Descida gradiente estocástica, claramente explicada!!! ▶️
• Como funciona a otimização Uma pequena série sobre os fundamentos da otimização para aprendizado de máquina
• Regressão Linear usando Gradiente Descendente
  • Código
• Regressão Polinomial
• Gradiente Descendente em Regressão Linear - Matemática?
• Noções básicas de retropropagação de rede neural para leigos ▶️

Extra bons

• 3.4: Regressão Linear com Gradiente Descendente - Inteligência e Aprendizagem ▶️
• 3.5: Matemática de Gradiente Descendente - Inteligência e Aprendizagem ▶️
• 3.5a: Cálculo: Regra do Poder - Inteligência e Aprendizagem ▶️
• 3.5b: Cálculo: Regra da Cadeia - Inteligência e Aprendizagem ▶️
• 3.5c: Cálculo: Derivada Parcial - Inteligência e Aprendizagem ▶️

Gradiente de desaparecimento

• Problema de gradiente desaparecido ▶️
• Como superar o problema do gradiente de desaparecimento ▶️

Como lidar com mínimos locais

• 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

Scikit-aprender

• Uma introdução ao aprendizado de máquina com o scikit-learn?
• Aprendizado de máquina Python: tutorial Scikit-Learn

Aprendizado profundo

• DEEP BLUEBERRY BOOK Esta é uma coleção pequena e muito focada de links sobre aprendizagem profunda. Se você sempre quis aprender coisas de aprendizado profundo, mas não sabe por onde começar, talvez você tenha encontrado o lugar certo!
• 6.S191: Introdução ao Aprendizado Profundo (2019)
  • Aulas de aula (YouTube) - MIT 6.S191: Introdução ao aprendizado profundo
  • Laboratório
• MIT 6.S191 Introdução ao aprendizado profundo (2020)
• MIT 6.S191 Introdução ao Deep Learning (2023) (YouTube)
• Noções básicas de aprendizagem profunda do MIT: introdução e visão geral
• Aprendizado profundo do MIT por Lex Fridman
  • Palestras de aprendizado profundo (YouTube)
• Aprendizado profundo em tâmil

Livros de aprendizagem profunda

• O livro didático de aprendizagem profunda de Ian Goodfellow, Yoshua Bengio e Aaron Courville
• Redes Neurais e Aprendizado Profundo por Michael Nielsen
• Grokking Deep Learning por Andrew Trask

Artigos de aprendizagem profunda

• Roteiro de leitura de artigos de aprendizagem profunda

NN

• Uma introdução amigável ao Deep Learning e Redes Neurais ▶️
• Aprendizado de máquina para iniciantes: uma introdução às redes neurais? Uma explicação simples de como eles funcionam e como implementá-los do zero em Python.
• Um guia visual e interativo para os conceitos básicos de redes neurais?
• Uma visão visual e interativa da matemática básica das redes neurais?
• Arquiteturas de Redes Neurais ▶️
• Redes Neurais Desmistificadas pelo Welch Labs ▶️
  • Código de suporte para pequenas séries do YouTube Redes Neurais Desmistificadas.
• Série de redes neurais por 3Blue1Brows ▶️

Visão Computacional

• CS131 Visão Computacional: Fundações e Aplicações Outono 2019
• CS231A: Visão Computacional, Da Reconstrução 3D ao Reconhecimento Inverno 2018
• Redes Neurais Convolucionais CS231n para Reconhecimento Visual
• Notebooks de visão computacional

CNN

• CS231n: Redes Neurais Convolucionais para Reconhecimento Visual Primavera de 2019
• CS231n: Redes Neurais Convolucionais para Reconhecimento Visual
• Uma introdução amigável às redes neurais convolucionais e ao reconhecimento de imagens
• Um guia abrangente para redes neurais convolucionais — o jeito ELI5
• Rede Neural Convolucional Tensorflow (CNN)
• Livro Redes Convolucionais
• CNNs, Parte 1: Uma introdução às redes neurais convolucionais
• CS231n Inverno 2016 POR Andrej Karpathy 15 Vídeos
• Compreensão intuitiva de convoluções 1D, 2D e 3D em redes neurais convolucionais
• CNN Explicador Um sistema de visualização interativo projetado para ajudar não especialistas a aprender sobre Redes Neurais Convolucionais (CNNs)

Detecção de objetos

Evolução das redes de detecção de objetos por Cogneethi

Tutorial aprofundado sobre detecção de objetos. Palestras de intuição sobre tópicos que vão desde técnicas clássicas de CV, como HOG, SIFT, até técnicas baseadas em redes neurais convolucionais, como Overfeat, Faster RCNN, etc. E daí o nome Evolução das Redes de Detecção de Objetos.

• PENEIRAR | Transformação de recurso invariante de escala
• Intuição do Porco | Histograma de gradientes orientados
• SMN | Supressão não máxima
• Localização de objetos | Regressão da caixa delimitadora
• Detecção de objetos
• RCNN
• Correspondência de pirâmide espacial | SPM
• Detecção de objetos SPPNet
• Rede RCNN rápida
• RCNN mais rápido
• Detecção de objetos Yolo v4 - Como funciona e por que é tão incrível!
• Frameworks e bibliotecas
  • Detectron2 por Facebook AI
  • Detecção MM
  • MediaPipe
  • YOLO
  • API de detecção de objetos TensorFlow
  • Receitas de visão computacional
• Ferramentas de rotulagem
  • EtiquetaImg
  • Robofluxo
  • Estúdio de etiqueta
• Amostras de código
  • API de contagem de objetos YOLO

Detecção de objetos 3D

• Anunciando o conjunto de dados Objectron | Blog de IA do Google
• MediaPipe Objectron | Objectron (detecção de objetos 3D)

Segmentação de imagens

• Tutorial de visão computacional: uma introdução passo a passo às técnicas de segmentação de imagens (parte 1)

GANs

• Uma introdução amigável às redes adversárias generativas (GANs) por Luis Serrano
• Redes Adversariais Generativas (GANs) por Ahlad Kumar
• Construindo nosso primeiro GAN simples
• Edição facial com redes adversárias generativas
• Autoencoders Variacionais
• Redes Adversariais Generativas (GANs) em 50 linhas de código (PyTorch)
• Modelos Gerativos

Transferência de estilo

• TensorFlow CNN para transferência rápida de estilo ⚡???

PNL

• CS224n: Processamento de Linguagem Natural com Aprendizado Profundo
• PNL e o reformador
• O Word2vec Ilustrado

RNN

• Guia ilustrado para redes neurais recorrentes: entendendo a intuição
• Qualquer um pode aprender a codificar um LSTM-RNN em Python (Parte 1: RNN) Passos de bebê para as primeiras memórias de sua rede neural.
• A eficácia irracional das redes neurais recorrentes
• Uma introdução às redes neurais recorrentes para iniciantes Um passo a passo simples sobre o que são RNNs, como funcionam e como construir uma do zero em Python.
• Atenção e redes neurais recorrentes aumentadas da Distill
• Visualizando a memorização em RNNs pelo Distill A inspeção de magnitudes de gradiente no contexto pode ser uma ferramenta poderosa para ver quando unidades recorrentes usam compreensão contextual de curto ou longo prazo.
• Deep Learning para PNL: RNAs, RNNs e LSTMs explicados!

LSTM

• Compreendendo as redes LSTM
• Implementação LSTM explicada
• Uma introdução suave aos codificadores automáticos LSTM

Transformadores e autoatenção

Guia visual para redes neurais de transformadores (altamente recomendado)

• Parte 1 - Incorporações de posição
• Parte 2 - Multi-cabeças e autoatenção
• Parte 3 - Atenção Mascarada do Decodificador
• Lista de reprodução de atenção dos transformadores de PNL
• O transformador ilustrado
• O transformador anotado
• Artigo e código dos transformadores
• Transformadores do zero
• Notas sobre transformadores
• Transformadores explicados: entenda o modelo por trás do GPT-3, BERT e T5
• Uma visão geral abrangente das variantes do Transformer.
• Como se tornar um Guru de PNL e Modelo de Transformador
• [MASTERCLASS] Transformadores | Modelos de atenção

BERTO

• Explicando BERT simplesmente usando esboços
• Um guia visual para usar o BERT pela primeira vez
• O BERT ilustrado, ELMo e co. (Como a PNL quebrou a aprendizagem por transferência)
• BERT explicado: modelo de linguagem de última geração para PNL
• BioBERT, um modelo de representação de linguagem para o domínio biomédico, especialmente projetado para tarefas de mineração de texto biomédica, como reconhecimento de entidades nomeadas biomédicas, extração de relações, resposta a perguntas, etc.

GPT

• O GPT-2 ilustrado (visualização de modelos de linguagem de transformadores)

Aprendizagem por Reforço

• Curso de Aprendizado por Reforço Profundo ?️ Um curso gratuito em Aprendizado por Reforço Profundo, do iniciante ao especialista.
• Implementação de Algoritmos de Aprendizagem por Reforço. Python, OpenAI Gym, Tensorflow. Exercícios e soluções para acompanhar o livro de Sutton e o curso de David Silver.
• Kit de ferramentas de agentes de aprendizado de máquina Unity
• ESCREVER MEU PRIMEIRO JOGO DE APRENDIZAGEM DE MÁQUINA! (1/4)
• Aprendizado por Reforço Profundo: Pong from Pixels por Andrej Karpathy
• Um guia para iniciantes em aprendizado por reforço profundo
• Uma introdução aos agentes Unity ML
• Algoritmos de aprendizagem por reforço profundo com PyTorch
• PALESTRAS: Introdução à Aprendizagem por Reforço - David Silver
• LIVRO: Aprendizagem por Reforço - Uma Introdução de Sutton e Barto
• LIVRO: Aprendizagem prática por reforço profundo, de Maxim Lapan

PyTorch

• Udacity: aprendizado profundo com PyTorch
• Aprendizado profundo (PyTorch): Código
• Udacity: IA segura
• TOCHA
• PyTorchZeroToAll (em inglês) Cantou Kim uma série de 14 vídeos
  • Código de Apoio
  • Apresentações

TensorFlow

• Introdução ao TensorFlow 2.0: mais fácil para iniciantes e mais poderoso para especialistas (TF World '19)
• TensorFlow Lite: solução para execução de ML no dispositivo (TF World '19)
• Aprendizado de máquina em JavaScript (TensorFlow Dev Summit 2018)
• Início rápido do TensorFlow.js
• Keras x tf.keras: Qual é a diferença no TensorFlow 2.0?
• Como executar o TensorFlow Lite no Raspberry Pi para detecção de objetos
• Como os computadores aprendem a reconhecer objetos instantaneamente | José Redmon

Cursos TensorFlow

• Introdução ao TensorFlow para aprendizado profundo
• Especialização em TensorFlow na prática: Coursera
• TensorFlow: Especialização em dados e implantação: Coursera

PyTorch versus TensorFlow

• Por que o PyTorch está se tornando tão popular entre os engenheiros de aprendizado de máquina?

Transferência de aprendizagem

• Transferir aprendizagem com Keras e aprendizagem profunda
• Um guia prático abrangente para transferir aprendizagem com aplicações do mundo real em aprendizagem profunda
• Tutoriais principais do TensorFlow

Implantar modelos

• Aprendizado de máquina em 5 minutos: como implantar um modelo de ML (explica o SurveyMonkey Engineer)
• Implante modelos de aprendizado de máquina com Django
• MlFlow – Uma plataforma de código aberto para o ciclo de vida de aprendizado de máquina
• TensorFlow: especialização em dados e implantação

Operações MlOps

• MLOps Primer - 2021 Uma coleção de recursos para aprender sobre MLOps.

Código

• código básico/py
• Codelabs do Google

Folhas de dicas

• Inteligência artificial
• Aprendizado de máquina
• Aprendizado profundo
• Dicas e truques de aprendizado de máquina
• Ferramentas de ciência de dados
• Aprendizado de máquina com R
• Folhas de dicas e cartões flash de CHRIS ALBON
• MLOps Tooling Landscape v2 (+84 novas ferramentas) - dezembro de 20
• Ferramentas matemáticas
• Equações diferenciais ordinárias para engenheiros

Kits Edge ML

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

Competições de Ciência de Dados

• Kaggle

Youtube importante? Canais na área de AI/ML/RL/DS

• 3Azul1Marrom
• StatQuest com Josh Starmer
• Senddex
• Luis Serrano
• Brandon Rohrer
• lagarto profundo
• Tecnologia com Tim
• Pesquisa da Microsoft
• Corey Schafer
• Escola de Dados
• Artigos de dois minutos
• Laboratórios Welch
• Aprenda de forma simples
• Ótimo aprendizado
• DeepLearning.TV
• TensorFlow
• Aprendizado profundo.ai
• Marcador de código
• edureca!
• Lex Fridman
• O Canal de Inteligência Artificial
• freeCodeCamp.org
• CloudxLab
• Alexandre Amini
• Jeff Heaton
• Abhishek Thakur
• O trem de codificação

Referência

• COMO COMEÇAR A APRENDIZAGEM DE MÁQUINA!
• Meu mestrado em inteligência artificial autocriado
• https://end-to-end-machine-learning.teachable.com/courses/667372/lectures/11900568
• Fundamentos de ML por StatQuest
• Aprendizado de máquina com Python por sentdex
• 5 etapas para iniciantes para aprender aprendizado de máquina e ciência de dados com Python - Daniel Bourke
• Escola de Dados
• Redes Neurais e Aprendizado Profundo
• https://www.machinelearningisfun.com/
• https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471
• https://medium.com/greyatom
• https://greyatom.com/glabs
• John Searle: “Consciência em Inteligência Artificial” | Palestras no 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