machine learning for software engineers

เส้นทางการเรียนรู้จากบนลงล่าง: การเรียนรู้ของเครื่องสำหรับวิศวกรซอฟต์แวร์

แรงบันดาลใจจากมหาวิทยาลัยสัมภาษณ์การเข้ารหัส

การแปล: บราซิล โปรตุเกส | 中文版本 | ฝรั่งเศส | 臺灣華語版本

ฉัน (นัม วู) วางแผนที่จะเป็นวิศวกรแมชชีนเลิร์นนิงอย่างไร

มันคืออะไร?

นี่คือแผนการศึกษาหลายเดือนของฉันสำหรับการเปลี่ยนจากนักพัฒนามือถือ (เรียนรู้ด้วยตนเอง ไม่มีปริญญา CS) มาเป็นวิศวกรการเรียนรู้ของเครื่อง

เป้าหมายหลักของฉันคือการหาแนวทางในการศึกษา Machine Learning ที่เน้นการลงมือปฏิบัติจริงและสรุปคณิตศาสตร์ส่วนใหญ่สำหรับผู้เริ่มต้นเป็นหลัก แนวทางนี้แหวกแนวเพราะเป็นแนวทางจากบนลงล่างและคำนึงถึงผลลัพธ์เป็นอันดับแรกที่ออกแบบมาสำหรับวิศวกรซอฟต์แวร์

โปรดอย่าลังเลที่จะมีส่วนร่วมใด ๆ ที่คุณรู้สึกว่าจะทำให้ดีขึ้น

---

สารบัญ

• มันคืออะไร?
• ทำไมต้องใช้มัน?
• วิธีการใช้งาน
• ติดตามฉัน
• อย่ารู้สึกว่าคุณไม่ฉลาดพอ
• เกี่ยวกับทรัพยากรวิดีโอ
• ความรู้เบื้องต้น
• แผนรายวัน
• แรงจูงใจ
• ภาพรวมการเรียนรู้ของเครื่อง
• การเรียนรู้ของเครื่อง
• การเรียนรู้ของเครื่องเป็นเรื่องสนุก
• การเรียนรู้ของเครื่อง Inky
• การเรียนรู้ของเครื่อง: คู่มือเชิงลึก
• เรื่องราวและประสบการณ์
• อัลกอริธึมการเรียนรู้ของเครื่อง
• หนังสือเริ่มต้น
• หนังสือเชิงปฏิบัติ
• การแข่งขันความรู้ Kaggle
• ซีรีย์วิดีโอ
• มอค
• ทรัพยากร
• มาเป็นผู้สนับสนุนโอเพ่นซอร์ส
• เกมส์
• พอดแคสต์
• ชุมชน
• การประชุม
• คำถามสัมภาษณ์
• บริษัทที่ฉันชื่นชม

---

ทำไมต้องใช้มัน?

ฉันกำลังปฏิบัติตามแผนนี้เพื่อเตรียมพร้อมสำหรับงานในอนาคตอันใกล้นี้: วิศวกรการเรียนรู้ของเครื่อง ฉันสร้างแอปพลิเคชันมือถือแบบเนทีฟ (Android/iOS/Blackberry) มาตั้งแต่ปี 2011 ฉันจบปริญญาวิศวกรรมซอฟต์แวร์ ไม่ใช่ปริญญาวิทยาการคอมพิวเตอร์ ฉันมีความรู้พื้นฐานเล็กน้อยเกี่ยวกับแคลคูลัส พีชคณิตเชิงเส้น คณิตศาสตร์ไม่ต่อเนื่อง ความน่าจะเป็นและสถิติจากมหาวิทยาลัย ลองนึกถึงความสนใจของฉันในการเรียนรู้ของเครื่อง:

• ฉันสามารถเรียนรู้และรับงานด้าน Machine Learning โดยไม่ต้องเรียน CS Master และ PhD ได้หรือไม่
  • “คุณทำได้ แต่มันยากกว่าตอนที่ผมลงสนามมาก” แดร็ค สมิธ
• ฉันจะได้งาน Machine Learning ในตำแหน่ง Software Programmer ที่ศึกษา Machine Learning ด้วยตนเองแต่ไม่มีโอกาสได้นำไปใช้ในที่ทำงานได้อย่างไร?
  • "ฉันกำลังจ้างผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงให้กับทีมของฉัน และ MOOC ของคุณจะไม่ได้งานให้คุณ (มีข่าวที่ดีกว่าด้านล่าง) อันที่จริง ผู้คนจำนวนมากที่สำเร็จการศึกษาระดับปริญญาโทด้านแมชชีนเลิร์นนิงจะไม่ได้งานเพราะพวกเขา (และคนส่วนใหญ่ที่ ได้ดำเนินการ MOOCs) ไม่มีความเข้าใจอย่างลึกซึ้งที่จะช่วยฉันแก้ปัญหาได้” รอส ซี. เทย์เลอร์
• ทักษะใดบ้างที่จำเป็นสำหรับงานแมชชีนเลิร์นนิง?
  • "อันดับแรก คุณต้องมีพื้นฐานด้าน CS/คณิตศาสตร์ที่ดี ML เป็นหัวข้อขั้นสูง ดังนั้นหนังสือเรียนส่วนใหญ่จึงถือว่าคุณมีพื้นฐานนั้น ประการที่สอง การเรียนรู้ของเครื่องเป็นหัวข้อทั่วไปที่มีความเชี่ยวชาญเฉพาะทางหลายอย่างที่ต้องใช้ทักษะเฉพาะตัว คุณอาจต้องการ เพื่อเรียกดูหลักสูตรของโปรแกรม MS ใน Machine Learning เพื่อดูหลักสูตร หลักสูตร และตำราเรียน" ยูริ
  • "ความน่าจะเป็น การคำนวณแบบกระจาย และสถิติ" ไฮเดรนเยีย

ฉันพบว่าตัวเองอยู่ในยามลำบาก

AFAIK การเรียนรู้ของเครื่องมีสองด้าน:

• การเรียนรู้ของเครื่องเชิงปฏิบัติ: เป็นเรื่องเกี่ยวกับการค้นหาฐานข้อมูล การล้างข้อมูล การเขียนสคริปต์เพื่อแปลงข้อมูล และรวมอัลกอริธึมและไลบรารีเข้าด้วยกัน และการเขียนโค้ดที่กำหนดเองเพื่อบีบคำตอบที่เชื่อถือได้จากข้อมูลเพื่อตอบคำถามที่ยากและไม่ชัดเจน มันเป็นความยุ่งเหยิงของความเป็นจริง
• การเรียนรู้ของเครื่องเชิงทฤษฎี: นี่เป็นเรื่องเกี่ยวกับคณิตศาสตร์และนามธรรม รวมถึงสถานการณ์และขีดจำกัดในอุดมคติ และความงดงาม และการแจ้งถึงสิ่งที่เป็นไปได้ มันดูเรียบร้อยกว่าและสะอาดกว่ามาก และหลุดพ้นจากความยุ่งเหยิงแห่งความเป็นจริง

ฉันคิดว่าวิธีที่ดีที่สุดสำหรับระเบียบวิธีที่มุ่งเน้นการปฏิบัติคือ 'การปฏิบัติ — การเรียนรู้ — การปฏิบัติ' ซึ่งหมายความว่านักเรียนจะต้องเริ่มโครงการที่มีอยู่พร้อมปัญหาและแนวทางแก้ไข (การปฏิบัติ) ก่อน เพื่อทำความคุ้นเคยกับวิธีการแบบดั้งเดิมในพื้นที่ และบางทีอาจด้วย ด้วยวิธีการของพวกเขา หลังจากฝึกฝนด้วยประสบการณ์เบื้องต้นแล้ว พวกเขาสามารถอ่านหนังสือและศึกษาทฤษฎีพื้นฐาน ซึ่งทำหน้าที่เป็นแนวทางในการฝึกขั้นสูงในอนาคต และจะปรับปรุงกล่องเครื่องมือในการแก้ปัญหาเชิงปฏิบัติ การศึกษาทฤษฎียังช่วยเพิ่มความเข้าใจเกี่ยวกับประสบการณ์เบื้องต้นอีกด้วย และจะช่วยให้พวกเขาได้รับประสบการณ์ขั้นสูงได้เร็วยิ่งขึ้น

มันเป็นแผนระยะยาว ฉันต้องใช้เวลาหลายปี หากคุณคุ้นเคยกับสิ่งนี้มามากแล้ว คุณจะใช้เวลาน้อยลงมาก

วิธีการใช้งาน

ทุกอย่างด้านล่างนี้เป็นเพียงโครงร่าง และคุณควรจัดการรายการต่างๆ ตามลำดับจากบนลงล่าง

ฉันใช้มาร์กดาวน์แบบพิเศษของ Github รวมถึงรายการงานเพื่อตรวจสอบความคืบหน้า

• สร้างสาขาใหม่เพื่อให้คุณสามารถตรวจสอบรายการเช่นนี้ เพียงใส่ x ไว้ในวงเล็บ: [x]

ข้อมูลเพิ่มเติมเกี่ยวกับมาร์กดาวน์รส Github

ติดตามฉัน

ฉันเป็นวิศวกรซอฟต์แวร์ชาวเวียดนามที่มีความกระตือรือร้นและอยากทำงานในสหรัฐอเมริกา

ฉันทำงานเท่าไหร่ในระหว่างแผนนี้? ประมาณ 4 ชั่วโมง/คืนหลังจากทำงานหนักมาทั้งวัน

ฉันกำลังเดินทาง

• ทวิตเตอร์: @น้ำวู

สหรัฐอเมริกาอย่างห่า

อย่ารู้สึกว่าคุณไม่ฉลาดพอ

ฉันท้อแท้จากหนังสือและหลักสูตรที่บอกฉันทันทีที่เปิดอ่านว่าแคลคูลัสหลายตัวแปร สถิติเชิงอนุมาน และพีชคณิตเชิงเส้นเป็นข้อกำหนดเบื้องต้น ฉันยังไม่รู้จะเริ่มต้นอย่างไร…

• แล้วถ้าฉันไม่เก่งคณิตล่ะ
• 5 เทคนิคในการทำความเข้าใจอัลกอริธึมการเรียนรู้ของเครื่องโดยไม่มีพื้นฐานทางคณิตศาสตร์
• ฉันจะเรียนรู้การเรียนรู้ของเครื่องได้อย่างไร

เกี่ยวกับทรัพยากรวิดีโอ

วิดีโอบางรายการสามารถดูได้เฉพาะเมื่อลงทะเบียนในชั้นเรียน Coursera หรือ EdX เท่านั้น ดำเนินการได้ฟรี แต่บางครั้งชั้นเรียนไม่อยู่ในเซสชันอีกต่อไป ดังนั้นคุณต้องรอสองถึงสามเดือน จึงไม่สามารถเข้าถึงได้ ฉันจะเพิ่มวิดีโอเพิ่มเติมจากแหล่งที่มาสาธารณะและแทนที่วิดีโอหลักสูตรออนไลน์เมื่อเวลาผ่านไป ฉันชอบใช้การบรรยายของมหาวิทยาลัย

ความรู้เบื้องต้น

ส่วนสั้นๆ นี้ประกอบด้วยข้อกำหนดเบื้องต้น/ข้อมูลที่น่าสนใจที่ฉันต้องการเรียนรู้ก่อนเริ่มแผนรายวัน

• อะไรคือความแตกต่างระหว่างการวิเคราะห์ข้อมูล, การวิเคราะห์ข้อมูล, การทำเหมืองข้อมูล, วิทยาศาสตร์ข้อมูล, การเรียนรู้ของเครื่อง และ Big Data?
• เรียนรู้วิธีการเรียนรู้
• อย่าทำลายโซ่
• วิธีการเรียนรู้ด้วยตัวเอง

แผนรายวัน

แต่ละวิชาไม่จำเป็นต้องใช้เวลาทั้งวันในการทำความเข้าใจอย่างถ่องแท้ และคุณสามารถเรียนได้หลายวิชาในหนึ่งวัน

ในแต่ละวัน ฉันจะเรียนหนึ่งวิชาจากรายการด้านล่าง อ่านให้ครอบคลุม จดบันทึก ทำแบบฝึกหัด และเขียนการใช้งานใน Python หรือ R

แรงจูงใจ

• ฝัน

ภาพรวมการเรียนรู้ของเครื่อง

• การแนะนำการเรียนรู้ของเครื่องด้วยภาพ
• คู่มือการเรียนรู้ของเครื่องอย่างอ่อนโยน
• ข้อมูลเบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่องสำหรับนักพัฒนา
• พื้นฐาน Machine Learning สำหรับมือใหม่
• คุณจะอธิบาย Machine Learning และ Data Mining ให้กับผู้ที่ไม่ใช่วิทยาการคอมพิวเตอร์ได้อย่างไร
• การเรียนรู้ของเครื่อง: ภายใต้ประทุน โพสต์ในบล็อกจะอธิบายหลักการของการเรียนรู้ของเครื่องในแง่คนธรรมดา เรียบง่ายและชัดเจน
• แมชชีนเลิร์นนิงคืออะไร และทำงานอย่างไร
• จะเป็นวิศวกรการเรียนรู้ของเครื่องได้อย่างไร
• [] การเรียนรู้เชิงลึก - บทนำที่ไม่ใช่ด้านเทคนิค [ลบออก]

การเรียนรู้ของเครื่อง

• วิธีการเรียนรู้ของเครื่องอย่างเชี่ยวชาญ
• การเรียนรู้ของเครื่องสำหรับโปรแกรมเมอร์
• การเรียนรู้ของเครื่องประยุกต์กับการเรียนรู้ของเครื่อง
• มินิคอร์สการเรียนรู้ของเครื่อง Python
• มินิหลักสูตรอัลกอริทึมการเรียนรู้ของเครื่อง

การเรียนรู้ของเครื่องเป็นเรื่องสนุก

• การเรียนรู้ของเครื่องเป็นเรื่องสนุก!
• ส่วนที่ 2: การใช้ Machine Learning เพื่อสร้างระดับ Super Mario Maker
• ส่วนที่ 3: การเรียนรู้เชิงลึกและโครงข่ายประสาทเทียมแบบ Convolutional
• ส่วนที่ 4: การจดจำใบหน้าสมัยใหม่ด้วยการเรียนรู้เชิงลึก
• ส่วนที่ 5: การแปลภาษาด้วยการเรียนรู้เชิงลึกและความมหัศจรรย์ของลำดับ
• ส่วนที่ 6: วิธีการรู้จำเสียงด้วยการเรียนรู้เชิงลึก
• ส่วนที่ 7: การใช้เครือข่ายปฏิปักษ์ทั่วไปในทางที่ผิดเพื่อสร้างงานศิลปะพิกเซล 8 บิต
• ส่วนที่ 8: วิธีจงใจหลอกโครงข่ายประสาทเทียม

การเรียนรู้ของเครื่อง Inky

• ส่วนที่ 1: การเรียนรู้ของเครื่องคืออะไร
• ส่วนที่ 2: การเรียนรู้แบบมีผู้สอนและการเรียนรู้แบบไม่มีผู้สอน

การเรียนรู้ของเครื่อง: คู่มือเชิงลึก

• ภาพรวม เป้าหมาย ประเภทการเรียนรู้ และอัลกอริทึม
• การเลือกข้อมูล การเตรียม และการสร้างแบบจำลอง
• การประเมินแบบจำลอง การตรวจสอบความถูกต้อง ความซับซ้อน และการปรับปรุง
• ประสิทธิภาพของโมเดลและการวิเคราะห์ข้อผิดพลาด
• การเรียนรู้แบบไม่มีผู้ดูแล สาขาที่เกี่ยวข้อง และการเรียนรู้ของเครื่องในทางปฏิบัติ

เรื่องราวและประสบการณ์

• การเรียนรู้ของเครื่องในหนึ่งสัปดาห์
• การเรียนรู้ของเครื่องในหนึ่งปี
• ฉันจะเขียนโปรแกรม Machine Learning ครั้งแรกใน 3 วันได้อย่างไร
• เส้นทางการเรียนรู้ : ที่ปรึกษาของคุณเพื่อเป็นผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่อง
• คุณก็สามารถเป็น Machine Learning Rock Star ได้เช่นกัน! ไม่มีปริญญาเอก
• จะเป็น Data Scientist ได้อย่างไรใน 6 เดือน: แนวทางของแฮ็กเกอร์ในการวางแผนอาชีพ
  • วีดีโอ
  • สไลด์
• 5 ทักษะที่คุณต้องมีเพื่อเป็นวิศวกรการเรียนรู้ของเครื่อง
• คุณเป็นวิศวกรการเรียนรู้ของเครื่องที่เรียนรู้ด้วยตนเองหรือไม่? ถ้าใช่ คุณทำได้อย่างไร และใช้เวลานานเท่าไหร่?
• เราจะเป็นวิศวกรการเรียนรู้ของเครื่องที่ดีได้อย่างไร
• โครงการการเรียนรู้ที่เน้นการเรียนรู้ของเครื่อง

อัลกอริธึมการเรียนรู้ของเครื่อง

• อัลกอริทึมการเรียนรู้ของเครื่อง 10 ประการที่อธิบายให้ 'ทหารกองทัพ'
• อัลกอริธึมการขุดข้อมูล 10 อันดับแรกในภาษาอังกฤษธรรมดา
• คำศัพท์การเรียนรู้ของเครื่อง 10 คำที่อธิบายเป็นภาษาอังกฤษอย่างง่าย
• ทัวร์ชมอัลกอริทึมการเรียนรู้ของเครื่อง
• วิศวกรแมชชีนเลิร์นนิง 10 อัลกอริธึมจำเป็นต้องรู้
• การเปรียบเทียบอัลกอริธึมการเรียนรู้แบบมีผู้สอน
• อัลกอริธึมการเรียนรู้ของเครื่อง: ชุดของการใช้งานอัลกอริธึมการเรียนรู้ของเครื่องที่น้อยที่สุดและสะอาดตา
• อัลกอริทึม KNN ในการเรียนรู้ของเครื่อง

หนังสือเริ่มต้น

• Data Smart: การใช้วิทยาศาสตร์ข้อมูลเพื่อแปลงข้อมูลให้เป็น Insight ฉบับที่ 1
• วิทยาศาสตร์ข้อมูลสำหรับธุรกิจ: สิ่งที่คุณต้องรู้เกี่ยวกับการขุดข้อมูลและการคิดวิเคราะห์ข้อมูล
• การวิเคราะห์เชิงทำนาย: พลังในการทำนายว่าใครจะคลิก ซื้อ โกหก หรือตาย

หนังสือเชิงปฏิบัติ

• การเรียนรู้ของเครื่องสำหรับแฮกเกอร์
  • พื้นที่เก็บข้อมูล GitHub(R)
  • พื้นที่เก็บข้อมูล GitHub (หลาม)
• การเรียนรู้ของเครื่องหลาม
  • พื้นที่เก็บข้อมูล GitHub
• การเขียนโปรแกรมปัญญารวม: การสร้างแอปพลิเคชัน Smart Web 2.0
• การเรียนรู้ของเครื่อง: มุมมองอัลกอริทึม ฉบับพิมพ์ครั้งที่สอง
  • พื้นที่เก็บข้อมูล GitHub
  • ที่เก็บทรัพยากร
• ข้อมูลเบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่องด้วย Python: คำแนะนำสำหรับนักวิทยาศาสตร์ข้อมูล
  • พื้นที่เก็บข้อมูล GitHub
• การทำเหมืองข้อมูล: เครื่องมือและเทคนิคการเรียนรู้ของเครื่องที่ใช้งานได้จริง ฉบับที่สาม
  • สื่อการสอน
    • สไลด์สำหรับบทที่ 1-5 (zip)
    • สไลด์สำหรับบทที่ 6-8 (zip)
• การเรียนรู้ของเครื่องในทางปฏิบัติ
  • พื้นที่เก็บข้อมูล GitHub
• ระบบการเรียนรู้ของเครื่องปฏิกิริยา (MEAP)
  • พื้นที่เก็บข้อมูล GitHub
• ความรู้เบื้องต้นเกี่ยวกับการเรียนรู้ทางสถิติ
  • พื้นที่เก็บข้อมูล GitHub(R)
  • พื้นที่เก็บข้อมูล GitHub (หลาม)
  • วิดีโอ
• การสร้างระบบการเรียนรู้ของเครื่องด้วย Python
  • พื้นที่เก็บข้อมูล GitHub
• การเรียนรู้ scikit-learn: การเรียนรู้ของเครื่องใน Python
  • พื้นที่เก็บข้อมูล GitHub
• การเขียนโปรแกรมความน่าจะเป็นและวิธีการแบบเบย์สำหรับแฮกเกอร์
• ตัวแบบกราฟิกที่น่าจะเป็น: หลักการและเทคนิค
• การเรียนรู้ของเครื่อง: การลงมือปฏิบัติจริงสำหรับนักพัฒนาและผู้เชี่ยวชาญด้านเทคนิค
  • การเรียนรู้ของเครื่องแบบลงมือปฏิบัติจริงสำหรับนักพัฒนาและผู้เชี่ยวชาญด้านเทคนิค
  • พื้นที่เก็บข้อมูล GitHub
• การเรียนรู้จากข้อมูล
  • บทเรียนออนไลน์
• การเรียนรู้แบบเสริมกำลัง: บทนำ (ฉบับที่ 2)
  • พื้นที่เก็บข้อมูล GitHub
• การเรียนรู้ของเครื่องด้วย TensorFlow (MEAP)
  • พื้นที่เก็บข้อมูล GitHub
• การเรียนรู้ของเครื่องทำงานอย่างไร (MEAP)
  • พื้นที่เก็บข้อมูล GitHub
• ประสบความสำเร็จด้วยเอไอ

การแข่งขันความรู้ Kaggle

• การแข่งขัน Kaggle: จะเริ่มอย่างไรและที่ไหน?
• วิธีที่ผู้เริ่มต้นใช้โปรเจ็กต์ขนาดเล็กเพื่อเริ่มต้นการเรียนรู้ของเครื่องและแข่งขันกับ Kaggle
• ปรมาจารย์ Kaggle ด้วยการแข่งขันอย่างต่อเนื่อง

ซีรีย์วิดีโอ

• การเรียนรู้ของเครื่องสำหรับแฮกเกอร์
• การเรียนรู้ของเครื่องใหม่
• สูตรอาหารการเรียนรู้ของเครื่องกับ Josh Gordon
• ทุกสิ่งที่คุณต้องการรู้เกี่ยวกับแมชชีนเลิร์นนิงภายใน 30 นาทีหรือน้อยกว่า
• บทนำที่เป็นมิตรเกี่ยวกับการเรียนรู้ของเครื่อง
• สิ่งสำคัญในการประยุกต์ใช้การเรียนรู้เชิงลึก - Andrew Ng
• การสัมมนาผ่านเว็บ BigML
  • วีดีโอ
  • ทรัพยากร
• บทเรียนการเรียนรู้ของเครื่องของ mathematicalmonk
• การเรียนรู้ของเครื่องใน Python ด้วย scikit-learn
  • พื้นที่เก็บข้อมูล GitHub
  • บล็อก
• เพลย์ลิสต์ของฉัน – วิดีโอ YouTube ยอดนิยมเกี่ยวกับการเรียนรู้ของเครื่อง โครงข่ายประสาทเทียม และการเรียนรู้เชิงลึก
• 16 บทเรียนใหม่ที่ต้องดู หลักสูตรการเรียนรู้ของเครื่อง
• DeepLearning.ทีวี
• เรียนรู้ที่จะเห็น
• ชั้นเรียนโครงข่ายประสาทเทียม - Université de Sherbrooke
• วิดีโอ บทช่วยสอน และหลักสูตรการเรียนรู้เชิงลึก 21 รายการบน Youtube ตั้งแต่ปี 2016
• 30 วิดีโอยอดนิยม บทช่วยสอน และหลักสูตรเกี่ยวกับการเรียนรู้ของเครื่องและปัญญาประดิษฐ์จากปี 2016
• การเรียนรู้เชิงลึกเชิงปฏิบัติสำหรับผู้เขียนโค้ด
• การเรียนรู้เชิงลึกเชิงปฏิบัติสำหรับผู้เขียนโค้ดเวอร์ชัน 2 (PyTorch)

มอค

• AI ของ Coursera สำหรับทุกคน
• ความรู้เบื้องต้นเกี่ยวกับปัญญาประดิษฐ์ (AI) ของ edX
• ข้อมูลเบื้องต้นเกี่ยวกับ Machine Learning ของ Udacity
  • Udacity ข้อมูลเบื้องต้นเกี่ยวกับการทบทวนการเรียนรู้ของเครื่อง
• การกำกับดูแล ไม่ได้รับการดูแล และการเสริมกำลังของ Udacity
• รากฐานการเรียนรู้ของเครื่อง: แนวทางกรณีศึกษา
• การเรียนรู้ของเครื่องและรากฐาน AI: การประมาณมูลค่า
• การศึกษาวิทยาศาสตร์ข้อมูลเชิงปฏิบัติของ Kaggle
• โปรแกรม Microsoft Professional สำหรับปัญญาประดิษฐ์
• การเรียนรู้ของเครื่องของ Coursera
  • วิดีโอเท่านั้น
  • รีวิวการเรียนรู้ของเครื่อง Coursera
  • Coursera: แผนงานการเรียนรู้ของเครื่อง
• การเรียนรู้ของเครื่องกลั่น
• การฝึกอบรม BigML
• โครงข่ายประสาทเทียมของ Coursera สำหรับการเรียนรู้ของเครื่อง
  • สอนโดย Geoffrey Hinton ผู้บุกเบิกด้านโครงข่ายประสาทเทียม
• การเรียนรู้ของเครื่อง - วิทยาการคอมพิวเตอร์ - มหาวิทยาลัยอ๊อกซฟอร์ด
• การประยุกต์ใช้การเรียนรู้เชิงลึกอย่างสร้างสรรค์ด้วย TensorFlow
• ข้อมูลเบื้องต้นเกี่ยวกับสถิติเชิงพรรณนา
• ข้อมูลเบื้องต้นเกี่ยวกับสถิติเชิงอนุมาน
• 6.S094: การเรียนรู้เชิงลึกสำหรับรถยนต์ที่ขับเคลื่อนด้วยตนเอง
• 6.S191: ความรู้เบื้องต้นเกี่ยวกับการเรียนรู้เชิงลึก
• การเรียนรู้เชิงลึกของ Coursera

ทรัพยากร

• การเริ่มต้นอย่างแท้จริงสู่การเรียนรู้ของเครื่อง
• เรียนรู้การเรียนรู้ของเครื่องในเดือนเดียว
• คู่มือที่ไม่ใช่ด้านเทคนิคสำหรับการเรียนรู้ของเครื่องและปัญญาประดิษฐ์
• ชุมชนการเขียนโปรแกรม ทรัพยากรที่รวบรวมไว้สำหรับการเรียนรู้ Machine Learning
• หนังสือกฎแนวทางปฏิบัติที่ดีที่สุดสำหรับวิศวกรรมการเรียนรู้ของเครื่องจาก Google
• การเรียนรู้ของเครื่องสำหรับวิศวกรซอฟต์แวร์ในข่าวแฮ็กเกอร์
• การเรียนรู้ของเครื่องสำหรับนักพัฒนา
• การเรียนรู้ของเครื่องสำหรับมนุษย์??
• คำแนะนำการเรียนรู้ของเครื่องสำหรับนักพัฒนา
• การเรียนรู้ของเครื่องสำหรับผู้เริ่มต้นที่สมบูรณ์
• เริ่มต้นการเรียนรู้ด้วยเครื่อง: สำหรับผู้เริ่มต้นและนักเรียนระดับประถมห้า
• วิธีการเรียนรู้การเรียนรู้ของเครื่อง: วิธีการเริ่มต้นด้วยตนเอง
• แหล่งข้อมูลการเรียนรู้ด้วยตนเองของแมชชีนเลิร์นนิง
• ยกระดับการเรียนรู้ของเครื่องของคุณ
• คู่มือการเรียนรู้ของเครื่องอย่างตรงไปตรงมา
• การเรียนรู้ของเครื่องเพียงพอที่จะทำให้ข่าวสารของแฮ็กเกอร์สามารถอ่านได้อีกครั้ง
  • วีดีโอ
  • สไลด์
• เจาะลึกการเรียนรู้ของเครื่อง
• {Machine, Deep} การเรียนรู้สำหรับวิศวกรซอฟต์แวร์
• การเรียนรู้เชิงลึกสำหรับผู้เริ่มต้น
• รากฐานสำหรับการเรียนรู้เชิงลึก
• แมชชีนเลิร์นนิงการเรียนรู้ของเครื่อง / สูตรโกง
• หลักสูตรการเรียนรู้ของเครื่องในมหาวิทยาลัย
  • สแตนฟอร์ด
  • โรงเรียนภาคฤดูร้อนการเรียนรู้ของเครื่อง
  • อ็อกซ์ฟอร์ด
  • เคมบริดจ์
• หัวข้อฟลิปบอร์ด
  • การเรียนรู้ของเครื่อง
  • การเรียนรู้เชิงลึก
  • ปัญญาประดิษฐ์
• หัวข้อขนาดกลาง
  • การเรียนรู้ของเครื่อง
  • การเรียนรู้เชิงลึก
  • ปัญญาประดิษฐ์
• บทความ 10 อันดับแรกประจำเดือน
  • การเรียนรู้ของเครื่อง
  • อัลกอริทึม
• รายการทรัพยากรด้านวิทยาศาสตร์ข้อมูลที่ครอบคลุม
• แหล่งข้อมูลปัญญาประดิษฐ์ของ DigitalMind
• การเรียนรู้ของเครื่องที่ยอดเยี่ยม
• การจำแนกกราฟที่ยอดเยี่ยม
• การตรวจจับชุมชนที่ยอดเยี่ยม
• การเรียนรู้ของเครื่องของ CreativeAi
• แผนงานการเรียนรู้ของเครื่อง
• หลักสูตรออนไลน์การเรียนรู้ของเครื่อง

เกมส์

• Halite: เกมเข้ารหัส AI
• Vindinium: ความท้าทายในการเขียนโปรแกรม AI
• การแข่งขัน AI วิดีโอเกมทั่วไป
• การแข่งขัน Angry Birds AI
• เกมส์เอไอ
• การแข่งขันเกมต่อสู้ AI
• รหัสคัพ
• การแข่งขัน StarCraft AI ของนักเรียน
• การแข่งขัน AIIDE สตาร์คราฟต์ AI
• การแข่งขัน CIG StarCraft AI
• CodinGame - เกมบอท AI

กลายเป็นผู้มีส่วนร่วมโอเพ่นซอร์ส

• เทนเซอร์โฟลว์/สีม่วงแดง: Magenta: การสร้างดนตรีและศิลปะด้วยความฉลาดของเครื่องจักร
• เทนเซอร์โฟลว์/เทนเซอร์โฟลว์: การคำนวณโดยใช้กราฟโฟลว์ข้อมูลสำหรับแมชชีนเลิร์นนิงที่ปรับขนาดได้
• cmusatyalab/openface: การจดจำใบหน้าด้วยโครงข่ายประสาทเทียมระดับลึก
• tensorflow/models/syntaxnet: โมเดลประสาทของไวยากรณ์

พอดแคสต์

• พอดแคสต์สำหรับผู้เริ่มต้น:

  • เครื่องพูด
  • การพูดนอกเรื่องเชิงเส้น
  • ข้อมูลขี้ระแวง
  • สัปดาห์นี้ในการเรียนรู้ของเครื่องและ AI
  • คู่มือการเรียนรู้ของเครื่อง

• บทสัมภาษณ์ผู้ปฏิบัติงาน ML นักวิจัย และ Kagglers เกี่ยวกับการเดินทางของพวกเขา

  • Chai Time วิทยาศาสตร์ข้อมูล เสียง การเขียนบทความ
  • การเรียนรู้ของเครื่องสำหรับผู้เริ่มต้น - บทสัมภาษณ์ เสียง

• พอดแคสต์ขั้นสูง "เพิ่มเติม"

  • อนุพันธ์บางส่วน
  • การแสดงข้อมูล O'Reilly
  • ไม่ใช่ค่าเบี่ยงเบนมาตรฐานมากนัก

• พอดแคสต์ที่ต้องคิดนอกกรอบ:

  • เรื่องราวของข้อมูล

ชุมชน

• โครา

  • การเรียนรู้ของเครื่อง
  • สถิติ
  • การทำเหมืองข้อมูล

• เรดดิต

  • การเรียนรู้ของเครื่อง
  • คอมพิวเตอร์วิทัศน์
  • ภาษาธรรมชาติ
  • วิทยาศาสตร์ข้อมูล
  • ข้อมูลขนาดใหญ่
  • สถิติ

• ข้อมูลเทา

• ข่าวการเรียนรู้เชิงลึก

• เคนักเก็ต

การประชุม

• ระบบประมวลผลข้อมูลประสาท (NIPS)
• การประชุมนานาชาติว่าด้วยการนำเสนอการเรียนรู้ (ICLR)
• สมาคมเพื่อความก้าวหน้าของปัญญาประดิษฐ์ (AAAI)
• การประชุม IEEE เรื่อง Computational Intelligence and Games (CIG)
• การประชุมนานาชาติ IEEE เรื่อง Machine Learning และ Applications (ICMLA)
• การประชุมนานาชาติเรื่องการเรียนรู้ของเครื่อง (ICML)
• การประชุมร่วมระหว่างประเทศด้านปัญญาประดิษฐ์ (IJCAI)
• สมาคมภาษาศาสตร์คอมพิวเตอร์ (ACL)

คำถามสัมภาษณ์

• วิธีเตรียมตัวสำหรับการสัมภาษณ์แมชชีนเลิร์นนิง
• คำถามสัมภาษณ์ 40 ข้อที่ถามในสตาร์ทอัพด้านการเรียนรู้ของเครื่อง / วิทยาศาสตร์ข้อมูล
• 21 คำถามและคำตอบสัมภาษณ์วิทยาศาสตร์ข้อมูลที่ต้องรู้
• คำถามและคำตอบสัมภาษณ์การเรียนรู้ของเครื่อง 50 อันดับแรก
• คำถามสัมภาษณ์วิศวกรการเรียนรู้ของเครื่อง
• คำถามสัมภาษณ์การเรียนรู้ของเครื่องยอดนิยม
• คำถามสัมภาษณ์ Machine Learning ทั่วไปมีอะไรบ้าง
• คำถามสัมภาษณ์ที่ดีที่สุดในการประเมินนักวิจัยด้านแมชชีนเลิร์นนิงคืออะไร
• ชุดคำถามสัมภาษณ์การเรียนรู้ของเครื่อง
• 121 คำถามและคำตอบการเรียนรู้ของเครื่องที่จำเป็น
• แผนการศึกษาขั้นต่ำที่เป็นไปได้สำหรับการสัมภาษณ์แมชชีนเลิร์นนิง

บริษัทที่ฉันชื่นชม

• ELSA - โค้ชการออกเสียงเสมือนจริงของคุณ