ai_all_resources

การรวบรวมทรัพยากร AI ระดับสุดยอดสำหรับคณิตศาสตร์ การเรียนรู้ของเครื่อง และการเรียนรู้เชิงลึก

ความรู้ที่ไม่แบ่งปันจะสูญเปล่า - ตระกูลจาคอบส์

คอลเลกชันนี้เป็นการรวบรวมบทช่วยสอน ML และ DL ที่ยอดเยี่ยม ที่สร้างโดยบุคคลด้านล่างนี้

• บล็อกของ Andrej Karpathy
• แบรนดอน โรเฮอร์
• แอนดรูว์ แทรสค์
• เจย์ อาลัมมาร์
• เซบาสเตียน รูเดอร์
• กลั่น
• StatQuest กับ Josh Starmer
• senddex
• เล็กซ์ ฟรีดแมน
• 3สีฟ้า1สีน้ำตาล
• อเล็กซานเดอร์ อามินี
• รถไฟเข้ารหัส
• คริสโตเฟอร์ โอลาห์

ชุมชนที่น่าติดตาม

• AI Coimbatore เข้าร่วมที่นี่ ?
  • โทรเลข: สำหรับการอัพเดทรายวัน
  • Facebook : โรงเรียนโคอิมบาโตร์แห่ง AI
• กลุ่มผู้ใช้ TensorFlow โคอิมบาโตร์
  • Meetup : TFUGCbe
  • Facebook : TFUGCbe

Repo นี้สร้างและดูแลโดย

นาวานีธ มาลิงกัน

ทำไมต้อง Data Science และเริ่มต้นอย่างไร?

• จะเริ่มต้นการเรียนรู้ของเครื่องได้อย่างไร!
• วิธีสร้างอาชีพที่มีความหมายในด้านวิทยาศาสตร์ข้อมูล
• ปริญญาโทปัญญาประดิษฐ์ที่ฉันสร้างขึ้นเอง
• PyImageSearch
• 5 ขั้นตอนที่เป็นมิตรสำหรับผู้เริ่มต้นในการเรียนรู้การเรียนรู้ของเครื่องและวิทยาศาสตร์ข้อมูลด้วย Python

ข้อมูลเบื้องต้นเกี่ยวกับ ML

• Luis Serrano: ความรู้เบื้องต้นเกี่ยวกับ Machine Learning
• StatQuest: ความรู้เบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่อง
• การเรียนรู้ของเครื่องสำหรับทุกคน สรุปอัลกอริธึมการเรียนรู้ของเครื่องและการใช้งานด้วยคำพูดง่ายๆ พร้อมตัวอย่างในโลกแห่งความเป็นจริง

ใครๆ ก็ทำ Machine Learning ได้

• Teachable Machine ฝึกคอมพิวเตอร์ให้จดจำภาพ เสียง และท่าทางของคุณเอง วิธีที่ง่ายและรวดเร็วในการสร้างโมเดลแมชชีนเลิร์นนิงสำหรับเว็บไซต์ แอป และอื่นๆ ของคุณ โดยไม่ต้องใช้ความเชี่ยวชาญหรือการเขียนโค้ด

MOOC

• Machine Learning โดย Andrew Ng, Stanford IMDB 10/10 LOL :P
• Datacamp : วิศวกรข้อมูลด้วย Python
• ข้อมูลเบื้องต้นเกี่ยวกับ หัวข้อการเรียนรู้ของเครื่องที่ครอบคลุม Naive Bayes, SVM, แผนผังการตัดสินใจ, การถดถอย, ค่าผิดปกติ, การจัดกลุ่ม, การปรับขนาดคุณลักษณะ, การเรียนรู้ข้อความ, การเลือกคุณสมบัติ, PCA, การตรวจสอบความถูกต้อง, ตัวชี้วัดการประเมินผล
• ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow สำหรับการเรียนรู้เชิงลึก หลักสูตรที่ดีที่สุดสำหรับการเรียนรู้ TensorFlow
• การเรียนรู้ของเครื่องแบบครบวงจร
• สถาบันการเรียนรู้เชิงลึก NVIDIA
• รู้เบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่องสำหรับผู้เขียนโค้ด!
• การเรียนรู้เชิงลึกเชิงปฏิบัติสำหรับผู้เขียนโค้ด เวอร์ชัน 3
• FastAI

หลักสูตรจากมหาวิทยาลัยชั้นนำ

มหาวิทยาลัยสแตนฟอร์ด

• CS221 - ปัญญาประดิษฐ์: หลักการและเทคนิค โดย Percy Liang และ Dorsa Sadigh
• CS229 - การเรียนรู้ของเครื่องโดย Andrew Ng
• CS230 - การเรียนรู้เชิงลึก โดย Andrew Ng
• CS231n - โครงข่ายประสาทเทียมแบบ Convolutional สำหรับการจดจำภาพโดย Fei-Fei Li และ Andrej Karpathy
• CS224n - การประมวลผลภาษาธรรมชาติพร้อมการเรียนรู้เชิงลึก โดย Christopher Manning
• CS234 - การเรียนรู้แบบเสริมกำลัง โดย Emma Brunskill
• CS330 - การเรียนรู้แบบมัลติทาสก์เชิงลึกและเมตาโดย Chelsea Finn
• CS25 - ทรานส์ฟอร์มเมอร์ส ยูไนเต็ด

มหาวิทยาลัยคาร์เนกี้เมลลอน

• CS/LTI 11-711: NLP ขั้นสูง โดย Graham Neubig
• CS/LTI 11-747: โครงข่ายประสาทเทียมสำหรับ NLP โดย Graham Neubig
• CS/LTI 11-737: NLP หลายภาษา โดย Graham Neubig
• CS/LTI 11-777: การเรียนรู้ของเครื่องหลายรูปแบบโดย Louis-Philippe Morency
• CS/LTI 11-785: การเรียนรู้เชิงลึกเบื้องต้น โดย Bhiksha Raj และ Rita Singh
• CS/LTI Low Resource NLP Bootcamp 2020 โดย Graham Neubig

สถาบันเทคโนโลยีแมสซาชูเซตส์

• 6.S191 - การเรียนรู้เชิงลึกเบื้องต้นโดย Alexander Amini และ Ava Amini
• 6.S094 - การเรียนรู้เชิงลึกโดย Lex Fridman
• 6.S192 - การเรียนรู้เชิงลึกสำหรับศิลปะ สุนทรียศาสตร์ และความคิดสร้างสรรค์ โดย Ali Jahanian

มหาวิทยาลัยคอลเลจลอนดอน

• COMP M050 การเรียนรู้การเสริมแรงโดย David Silver

เพลย์ลิสต์ ML ของ YouTube

• การเรียนรู้ของเครื่องโดย StatQuest กับ Josh Starmer
• ความฉลาดและการเรียนรู้โดย The Coding Train

อภิธานศัพท์การเรียนรู้ของเครื่อง

• อภิธานศัพท์นี้ให้คำจำกัดความคำศัพท์ทั่วไปเกี่ยวกับแมชชีนเลิร์นนิงในโดเมนที่หลากหลาย รวมถึงคำศัพท์เฉพาะสำหรับ TensorFlow

ความรู้พื้นฐานด้านการเรียนรู้ของเครื่อง (คำเหล่านี้มักใช้ในอัลกอริทึมด้านล่าง)

• อคติและความแปรปรวน
• การตรวจสอบข้าม
• พื้นฐานการเรียนรู้ของเครื่อง: เมทริกซ์ความสับสน
• ความไวและความเฉพาะเจาะจง
• ROC และ AUC อธิบายได้ชัดเจน!
• StatQuest: อธิบาย R-squared แล้ว
• การทำให้เป็นมาตรฐานส่วนที่ 1: การถดถอยของสันเขา
• การทำให้เป็นมาตรฐานส่วนที่ 2: การถดถอยแบบ Lasso
• ความเป็นไปได้สูงสุด
• ความแปรปรวนร่วมและความสัมพันธ์ส่วนที่ 1: ความแปรปรวนร่วม
• ความรู้พื้นฐานทางสถิติ: ค่าเฉลี่ย ความแปรปรวน และส่วนเบี่ยงเบนมาตรฐาน
• ความรู้พื้นฐานทางสถิติ: พารามิเตอร์ประชากร
• อภิธานศัพท์: สถิติ
• อภิธานศัพท์: การเรียนรู้ของเครื่อง
• มองไปที่ R-Squared

คณิตศาสตร์

• คณิตศาสตร์สำหรับการเรียนรู้ของเครื่อง ในโพสต์นี้ ฉันได้รวบรวมแหล่งข้อมูลอิเล็กทรอนิกส์ที่ยอดเยี่ยม (MOOC, YouTube Lectures, หนังสือ) สำหรับการเรียนรู้คณิตศาสตร์สำหรับการเรียนรู้ของเครื่อง
• คณิตศาสตร์เพื่อการเรียนรู้ของเครื่อง - หนังสือเล่มหนึ่งที่ยอดเยี่ยมสำหรับทุกสิ่งเกี่ยวกับคณิตศาสตร์สำหรับการเรียนรู้ของเครื่อง (อีบุ๊คฟรี)
• ฉันขอแนะนำให้คุณอ่านแหล่งข้อมูลต่อไปนี้โดย 3Blue1Brown
  • สาระสำคัญของ Algrbra เชิงเส้น
  • สาระสำคัญของแคลคูลัส
  • สมการเชิงอนุพันธ์
• Gilbert Strang: พีชคณิตเชิงเส้นกับแคลคูลัส
• พื้นฐานของแคลคูลัสอินทิกรัลในภาษาทมิฬ
• หลักสูตร fast.ai ใหม่: พีชคณิตเชิงเส้นเชิงคำนวณ
• หนังสือพีชคณิตเชิงเส้น

หลาม

• บทเรียนการเขียนโปรแกรม Python โดย Socratica
• Python Tutorial โดย w3schools?
• เรียนรู้การเขียนโปรแกรม Python?

นัมปี้

• ภาพแนะนำเกี่ยวกับ NumPy และการแทนข้อมูล
• CS231n : บทช่วยสอน Python Numpy
• ทรัพยากร NumPy : เป็นส่วนหนึ่งของไลบรารี Machine Learning แบบ End-to-End
• แบบฝึกหัด 100 ข้อ (พร้อมคำตอบ)
• แบบฝึกหัด NumPy 101 แบบสำหรับการวิเคราะห์ข้อมูล (Python)
• บทช่วยสอน Numpy – ความรู้เบื้องต้นเกี่ยวกับ ndarray
• การบรรยาย Sci-Py : NumPy: การสร้างและจัดการข้อมูลตัวเลข
• Python NumPy บทช่วยสอนสำหรับผู้เริ่มต้น เรียนรู้พื้นฐานของไลบรารี NumPy ในบทช่วยสอนนี้สำหรับผู้เริ่มต้น ให้ข้อมูลพื้นฐานเกี่ยวกับวิธีการทำงานของ NumPy และการเปรียบเทียบกับรายการในตัวของ Python วิดีโอนี้จะอธิบายวิธีการเขียนโค้ดด้วย NumPy มันเริ่มต้นด้วยพื้นฐานของการสร้างอาร์เรย์และจากนั้นก็เข้าสู่สิ่งที่ขั้นสูงยิ่งขึ้น วิดีโอครอบคลุมถึงการสร้างอาร์เรย์ การทำดัชนี คณิตศาสตร์ สถิติ การปรับรูปร่างใหม่ และอื่นๆ อีกมากมาย
• Python NumPy Tutorial – เรียนรู้อาร์เรย์ NumPy พร้อมตัวอย่าง
• บทช่วยสอนอาร์เรย์ Python Numpy
• บทช่วยสอน NumPy: การวิเคราะห์ข้อมูลด้วย Python
• ข้อกำหนดเบื้องต้นของการเรียนรู้เชิงลึก: Numpy Stack ใน Python

หมีแพนด้า

• บทนำแบบเห็นภาพอย่างอ่อนโยนสำหรับการวิเคราะห์ข้อมูลใน Python โดยใช้ Pandas
• การวิเคราะห์ข้อมูลใน Python พร้อมแพนด้าโดย Data School
• แนวทางปฏิบัติที่ดีที่สุดกับแพนด้าโดย Data School
• บทช่วยสอน Python Pandas: บทนำที่สมบูรณ์สำหรับผู้เริ่มต้น

เพลย์ลิสต์ YouTube ของการเรียนรู้ของเครื่อง

• CodeBasics: บทช่วยสอนการเรียนรู้ของเครื่อง Python
• StatQuest: การเรียนรู้ของเครื่อง
• senddex: การเรียนรู้ของเครื่องด้วย Python
• Simplilearn: วิดีโอสอนการเรียนรู้ของเครื่อง
• บทช่วยสอนการเรียนรู้ของเครื่องใน Python
• deeplizard: การเรียนรู้ของเครื่องและพื้นฐานการเรียนรู้เชิงลึก

ML, DL ตัวอธิบายภาพ

• MLU-อธิบาย
• ผู้อธิบายของ CNN

หมายเหตุ: ด้านล่างนี้คุณจะพบการบรรยายที่ดีที่สุดเกี่ยวกับอัลกอริทึมการเรียนรู้ของเครื่องยอดนิยม

การถดถอยเชิงเส้น

• การถดถอยเชิงเส้น: การแนะนำอย่างเป็นมิตรโดย Luis Serrano
• สถิติ 101: การถดถอยเชิงเส้น พื้นฐานเบื้องต้น
• สนามเด็กเล่นที่เหมาะสมกับเส้นถดถอย
• สนามเด็กเล่นที่เหมาะสมโค้งถดถอย

การถดถอยโลจิสติก

• การถดถอยเชิงเส้นเทียบกับการถดถอยโลจิสติก การฝึกอบรมวิทยาศาสตร์ข้อมูล | เอดูเรกา
• การถดถอยโลจิสติกและอัลกอริธึม Perceptron: บทนำที่เป็นมิตรโดย Luis Serrano

ต้นไม้การตัดสินใจ

• StatQuest: ต้นไม้การตัดสินใจ
• StatQuest: แผนผังการตัดสินใจ ตอนที่ 2 - การเลือกคุณสมบัติและข้อมูลที่ขาดหายไป
• บทนำแผนผังการตัดสินใจพร้อมตัวอย่าง?
• ต้นไม้แห่งการตัดสินใจ?
• หลาม | การถดถอยแบบต้นไม้ตัดสินใจโดยใช้ sklearn?
• มล | การถดถอยโลจิสติกเทียบกับการจำแนกต้นไม้ตัดสินใจ?

ป่าสุ่ม

• StatQuest: Random Forests ตอนที่ 1 - การสร้าง การใช้ และการประเมิน
• StatQuest: Random Forests ตอนที่ 2: ข้อมูลสูญหายและการจัดกลุ่ม
• ป่าสุ่มสำหรับผู้เริ่มต้นที่สมบูรณ์?

ส่งเสริมการเรียนรู้ของเครื่อง

• การส่งเสริมการเรียนรู้ของเครื่อง | Adaptive Boosting, การไล่ระดับสี, XGBoost | เอดูเรกา
• AdaBoost อธิบายอย่างชัดเจน
• การไล่ระดับสีส่วนที่ 1: แนวคิดหลักในการถดถอย
• การไล่ระดับสีส่วนที่ 2: รายละเอียดการถดถอย
• การไล่ระดับสีส่วนที่ 3: การจำแนกประเภท
• การไล่ระดับสีส่วนที่ 4: รายละเอียดการจำแนกประเภท
• XGBoost ตอนที่ 1: ต้นไม้ XGBoost สำหรับการถดถอย
• XGBoost ส่วนที่ 2: ต้นไม้ XGBoost สำหรับการจำแนกประเภท
• วิธีการทั้งมวลชุดวิทย์เรียนรู้

สวีเอ็ม

• Support Vector Machines (SVM): การแนะนำอย่างเป็นมิตรโดย Luis Serrano
• รองรับ Vector Machines อธิบายได้ชัดเจน!!! โดย StatQuest
• สนับสนุน Vector Machines ตอนที่ 2: The Polynomial Kernel โดย StatQuest
• สนับสนุน Vector Machines ตอนที่ 3: เคอร์เนล Radial (RBF) โดย StatQuest
• Vector Machines ทำงานอย่างไร / วิธีเปิดกล่องดำ
• สนับสนุนเครื่องเวกเตอร์ - คณิตศาสตร์แห่งความฉลาด (สัปดาห์ที่ 1)
• ไขข้อสงสัยเกี่ยวกับเครื่องเวกเตอร์สนับสนุน?
• รองรับ Vector Machine (SVM) - การเรียนรู้ของเครื่องที่สนุกและง่ายดาย

ทฤษฎีบทเบย์

• ทฤษฎีบทเบย์ และทำให้ความน่าจะเป็นเป็นไปตามสัญชาตญาณ
• การแนะนำอย่างเป็นมิตรเกี่ยวกับทฤษฎีบทของ Bayes และแบบจำลอง Markov ที่ซ่อนอยู่
• กับดักแบบเบย์
• ตัวแยกประเภท Naive Bayes: แนวทางที่เป็นมิตร

K-เพื่อนบ้านที่ใกล้ที่สุด

• KNN จากศูนย์เหรอ?
• พื้นฐานการเรียนรู้ของเครื่องด้วยอัลกอริทึม K-Nearest Neighbours?

K-หมายถึง

• StatQuest: การจัดกลุ่ม K-mean
• บทช่วยสอนการเรียนรู้ของเครื่อง Python - 13: K หมายถึงการทำคลัสเตอร์
• K Means Clustering Algorithm - K Means ตัวอย่างใน Python - อัลกอริทึมการเรียนรู้ของเครื่อง - Edureka

การวิเคราะห์องค์ประกอบหลัก (PCA)

• StatQuest: ไอเดียหลัก PCA ในเวลาเพียง 5 นาที!!!
• StatQuest: การวิเคราะห์องค์ประกอบหลัก (PCA) ทีละขั้นตอน
• การวิเคราะห์องค์ประกอบหลัก (PCA) โดย Luis Serrano

โมเดลกราฟิกความน่าจะเป็น

• ความเชี่ยวชาญด้านโมเดลกราฟิกที่น่าจะเป็น

การไล่ระดับสีตั้งแต่เริ่มต้น

ที่สุด

• การถดถอยเชิงเส้นโดยใช้การไล่ระดับสีลง?
• การไล่ระดับสีแบบทีละขั้นตอน
• Stochastic Gradient Descent อธิบายได้ชัดเจน!!!
• วิธีการทำงานของการเพิ่มประสิทธิภาพ ซีรีส์สั้นๆ เกี่ยวกับพื้นฐานของการเพิ่มประสิทธิภาพสำหรับการเรียนรู้ของเครื่อง
• การถดถอยเชิงเส้นโดยใช้การไล่ระดับสีโคตร
  • รหัส
• การถดถอยพหุนาม
• การไล่ระดับสีแบบไล่ระดับในการถดถอยเชิงเส้น - คณิตศาสตร์?
• ข้อมูลพื้นฐานเกี่ยวกับ Backpropagation ของโครงข่ายประสาทเทียมสำหรับ Dummies

คนดีพิเศษ

• 3.4: การถดถอยเชิงเส้นพร้อมการไล่ระดับสี - ความฉลาดและการเรียนรู้
• 3.5: คณิตศาสตร์ของการไล่ระดับสี - ความฉลาดและการเรียนรู้
• 3.5a: แคลคูลัส: กฎแห่งอำนาจ - ความฉลาดและการเรียนรู้
• 3.5b: แคลคูลัส: กฎลูกโซ่ - ความฉลาดและการเรียนรู้
• 3.5c: แคลคูลัส: อนุพันธ์บางส่วน - ความฉลาดและการเรียนรู้

การไล่ระดับสีที่หายไป

• ปัญหาการไล่ระดับสีที่หายไป
• วิธีแก้ไขปัญหา Vanishing Gradient

วิธีจัดการกับขั้นต่ำในท้องถิ่น

• 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-เรียนรู้

• ข้อมูลเบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่องด้วย scikit-learn?
• การเรียนรู้ของเครื่อง Python: บทช่วยสอน Scikit-Learn

การเรียนรู้เชิงลึก

• DEEP BLUEBERRY BOOK นี่คือคอลเลกชั่นลิงก์เล็กๆ ที่เน้นการเรียนรู้เชิงลึก หากคุณต้องการเรียนรู้การเรียนรู้เชิงลึกมาโดยตลอด แต่ไม่รู้ว่าจะเริ่มต้นอย่างไร คุณอาจมาถูกที่แล้ว!
• 6.S191: การเรียนรู้เชิงลึกเบื้องต้น (2019)
  • การบรรยายในชั้นเรียน (YouTube) - MIT 6.S191: การเรียนรู้เชิงลึกเบื้องต้น
  • แล็บ
• MIT 6.S191 การเรียนรู้เชิงลึกเบื้องต้น (2020)
• MIT 6.S191 การเรียนรู้เชิงลึกเบื้องต้น (2023) (YouTube)
• พื้นฐานการเรียนรู้เชิงลึกของ MIT: บทนำและภาพรวม
• MIT Deep Learning โดย Lex Fridman
  • การบรรยายการเรียนรู้เชิงลึก (YouTube)
• การเรียนรู้อย่างลึกซึ้งในภาษาทมิฬ

หนังสือการเรียนรู้เชิงลึก

• หนังสือเรียนการเรียนรู้เชิงลึกจาก Ian Goodfellow, Yoshia Bengio และ Aaron Courville
• โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก โดย Michael Nielsen
• Grokking Deep Learning โดย แอนดรูว์ ทราสก์

เอกสารการเรียนรู้เชิงลึก

• แผนงานการอ่านเอกสารการเรียนรู้เชิงลึก

เอ็นเอ็น

• การแนะนำอย่างเป็นมิตรเกี่ยวกับ Deep Learning และ Neural Networks
• การเรียนรู้ของเครื่องสำหรับผู้เริ่มต้น: ความรู้เบื้องต้นเกี่ยวกับโครงข่ายประสาทเทียม? คำอธิบายง่ายๆ เกี่ยวกับวิธีการทำงานและวิธีการใช้งานตั้งแต่เริ่มต้นใน Python
• คู่มือแบบภาพและการโต้ตอบสำหรับพื้นฐานของโครงข่ายประสาทเทียม?
• มุมมองแบบภาพและการโต้ตอบที่คณิตศาสตร์โครงข่ายประสาทเทียมขั้นพื้นฐาน?
• สถาปัตยกรรมโครงข่ายประสาทเทียม
• โครงข่ายประสาทเทียมถูกไขปริศนาโดย Welch Labs
  • รหัสสนับสนุนสำหรับซีรีส์ YouTube แบบสั้น Neural Networks Demystified
• โครงข่ายประสาทเทียมโดย 3Blue1Brows

คอมพิวเตอร์วิทัศน์

• CS131 Computer Vision: รากฐานและแอปพลิเคชันฤดูใบไม้ร่วง 2019
• CS231A: คอมพิวเตอร์วิทัศน์ ตั้งแต่การสร้างใหม่ 3 มิติไปจนถึงการจดจำฤดูหนาวปี 2018
• CS231n Convolutional Neural Networks สำหรับการจดจำภาพ
• คอมพิวเตอร์วิทัศน์โน๊ตบุ๊ค

ซีเอ็นเอ็น

• CS231n: โครงข่ายประสาทเทียมแบบ Convolutional สำหรับการรู้จำภาพฤดูใบไม้ผลิ 2019
• CS231n: เครือข่ายประสาทเทียมเพื่อการรู้จำภาพ
• การแนะนำอย่างเป็นมิตรเกี่ยวกับ Convolutional Neural Networks และการจดจำรูปภาพ
• คู่มือที่ครอบคลุมเกี่ยวกับโครงข่ายประสาทเทียมแบบ Convolutional — วิธี ELI5
• โครงข่ายประสาทเทียม Tensorflow Convolutional (CNN)
• หนังสือเครือข่าย Convolutional
• CNN ตอนที่ 1: ความรู้เบื้องต้นเกี่ยวกับโครงข่ายประสาทเทียมแบบ Convolutional
• CS231n ฤดูหนาว 2016 โดย Andrej Karpathy 15 วิดีโอ
• ความเข้าใจที่เข้าใจง่ายของ Convolutions 1D, 2D และ 3D ใน Convolutional Neural Networks
• CNN Explainer ระบบการแสดงภาพเชิงโต้ตอบที่ออกแบบมาเพื่อช่วยให้ผู้ที่ไม่ใช่ผู้เชี่ยวชาญเรียนรู้เกี่ยวกับ Convolutional Neural Networks (CNN)

การตรวจจับวัตถุ

วิวัฒนาการของเครือข่ายการตรวจจับวัตถุโดย Cogneethi

บทช่วยสอนเชิงลึกเกี่ยวกับการตรวจจับวัตถุ การบรรยายตามสัญชาตญาณในหัวข้อต่างๆ ตั้งแต่เทคนิค CV แบบคลาสสิก เช่น HOG, SIFT ไปจนถึงเทคนิคที่ใช้ Convolutional Neural Network เช่น Overfeat, Faster RCNN เป็นต้น คุณจะได้เรียนรู้ว่าแนวคิดต่างๆ พัฒนาไปอย่างไรจากเอกสารที่เก่าที่สุดบางฉบับจนถึงปัจจุบัน และด้วยเหตุนี้จึงได้ชื่อว่า Evolution of Object Detection Networks

• กรอง | การแปลงคุณสมบัติที่ไม่แปรผันของสเกล
• สัญชาตญาณหมู | ฮิสโตแกรมของการไล่ระดับสีเชิง
• เอ็นเอ็มเอส | การปราบปรามที่ไม่ใช่สูงสุด
• การแปลวัตถุ | การถดถอยกล่องขอบเขต
• การตรวจจับวัตถุ
• อาร์ซีเอ็นเอ็น
• การจับคู่พีระมิดเชิงพื้นที่ | เอสพีเอ็ม
• การตรวจจับวัตถุ SPPNet
• เครือข่าย RCNN ที่รวดเร็ว
• RCNN ที่เร็วขึ้น
• Yolo v4 Object Detection - มันทำงานอย่างไร & ทำไมมันถึงน่าทึ่งมาก!
• กรอบงานและไลบรารี
  • Detectron2 โดย Facebook AI
  • MMDการตรวจจับ
  • มีเดียไปป์
  • โยโล
  • API การตรวจจับวัตถุ TensorFlow
  • สูตรคอมพิวเตอร์วิทัศน์
• เครื่องมือการติดฉลาก
  • LabelImg
  • โรโบโฟลว์
  • ลาเบล สตูดิโอ
• ตัวอย่างโค้ด
  • YOLO-วัตถุ-การนับ-API

การตรวจจับวัตถุ 3 มิติ

• การประกาศชุดข้อมูล Objectron | บล็อกของ Google AI
• MediaPipe Objectron | Objectron (การตรวจจับวัตถุ 3 มิติ)

การแบ่งส่วนภาพ

• บทช่วยสอนคอมพิวเตอร์วิทัศน์: ความรู้เบื้องต้นเกี่ยวกับเทคนิคการแบ่งส่วนภาพทีละขั้นตอน (ตอนที่ 1)

GAN

• บทนำที่เป็นมิตรเกี่ยวกับเครือข่ายฝ่ายตรงข้ามทั่วไป (GAN) โดย Luis Serrano
• เครือข่ายฝ่ายตรงข้ามทั่วไป (GANs) โดย Ahlad Kumar
• สร้าง GAN ง่ายๆ ตัวแรกของเรา
• การแก้ไขใบหน้าด้วย Generative Adversarial Networks
• ตัวเข้ารหัสอัตโนมัติแบบต่างๆ
• Generative Adversarial Networks (GANs) ในโค้ด 50 บรรทัด (PyTorch)
• โมเดลกำเนิด

การถ่ายโอนสไตล์

• TensorFlow CNN เพื่อการถ่ายโอนสไตล์ที่รวดเร็ว ⚡???

เอ็นแอลพี

• CS224n: การประมวลผลภาษาธรรมชาติพร้อมการเรียนรู้เชิงลึก
• NLP และนักปฏิรูป
• ภาพประกอบ Word2vec

อาร์เอ็นเอ็น

• คู่มือภาพประกอบเกี่ยวกับโครงข่ายประสาทเทียมที่เกิดซ้ำ: การทำความเข้าใจสัญชาตญาณ
• ใครๆ ก็สามารถเรียนรู้การเขียนโค้ด LSTM-RNN ใน Python (ตอนที่ 1: RNN) ก้าวเล็กๆ สู่ความทรงจำแรกของโครงข่ายประสาทเทียมของคุณ
• ประสิทธิผลที่ไม่สมเหตุสมผลของโครงข่ายประสาทเทียมที่เกิดซ้ำ
• ข้อมูลเบื้องต้นเกี่ยวกับโครงข่ายประสาทเทียมที่เกิดซ้ำสำหรับผู้เริ่มต้น คำแนะนำง่ายๆ ว่า RNN คืออะไร ทำงานอย่างไร และวิธีการสร้างเครือข่ายใหม่ตั้งแต่ต้นใน Python
• ความสนใจและเพิ่มโครงข่ายประสาทเทียมที่เกิดซ้ำโดยการกลั่น
• การแสดงภาพการท่องจำใน RNN โดยการกลั่น การตรวจสอบขนาดการไล่ระดับสีในบริบทอาจเป็นเครื่องมือที่มีประสิทธิภาพในการดูว่าเมื่อใดที่หน่วยที่เกิดซ้ำใช้ความเข้าใจตามบริบทในระยะสั้นหรือระยะยาว
• การเรียนรู้เชิงลึกสำหรับ NLP: อธิบาย ANN, RNN และ LSTM!

แอลเอสทีเอ็ม

• ทำความเข้าใจกับเครือข่าย LSTM
• อธิบายการใช้งาน LSTM
• ข้อมูลเบื้องต้นเกี่ยวกับตัวเข้ารหัสอัตโนมัติ LSTM

หม้อแปลงไฟฟ้าและการเอาใจใส่ตนเอง

คู่มือภาพสำหรับโครงข่ายประสาทเทียมของหม้อแปลงไฟฟ้า (แนะนำอย่างยิ่ง)

• ส่วนที่ 1 - การฝังตำแหน่ง
• ส่วนที่ 2 - หลายหัวและความสนใจในตนเอง
• ส่วนที่ 3 - ความสนใจที่สวมหน้ากากของตัวถอดรหัส
• เพลย์ลิสต์ความสนใจของ NLP Transformers
• หม้อแปลงไฟฟ้าภาพประกอบ
• หม้อแปลงไฟฟ้าที่มีคำอธิบายประกอบ
• กระดาษ Transformers และรหัส
• หม้อแปลงไฟฟ้าจากศูนย์
• หมายเหตุของทรานส์ฟอร์มเมอร์ส
• อธิบาย Transformers: ทำความเข้าใจโมเดลเบื้องหลัง GPT-3, BERT และ T5
• ภาพรวมที่ครอบคลุมของรุ่นต่างๆ ของ Transformer
• จะเป็น NLP & Transformer Model Guru ได้อย่างไร
• [มาสเตอร์คลาส] ทรานส์ฟอร์มเมอร์ส | โมเดลความสนใจ

เบิร์ต

• อธิบาย BERT เพียงใช้ Sketches
• คู่มือภาพเพื่อการใช้งาน BERT เป็นครั้งแรก
• The Illustrated BERT, ELMo และผู้ร่วมก่อตั้ง (วิธีที่ NLP ถอดรหัสการเรียนรู้การถ่ายโอน)
• อธิบายโดย BERT: โมเดลภาษาที่ทันสมัยสำหรับ NLP
• BioBERT ซึ่งเป็นโมเดลการแสดงภาษาสำหรับโดเมนชีวการแพทย์ ออกแบบมาโดยเฉพาะสำหรับงานขุดข้อความทางชีวการแพทย์ เช่น การจดจำเอนทิตีที่มีชื่อทางชีวการแพทย์ การแยกความสัมพันธ์ การตอบคำถาม ฯลฯ

GPT

• Illustrated GPT-2 (การแสดงโมเดลภาษา Transformer)

การเรียนรู้แบบเสริมกำลัง

• หลักสูตรการเรียนรู้การเสริมกำลังเชิงลึก ⁉ ️ หลักสูตรฟรีในการเรียนรู้การเสริมกำลังเชิงลึกตั้งแต่ระดับเริ่มต้นจนถึงระดับผู้เชี่ยวชาญ
• การดำเนินการอัลกอริทึมการเรียนรู้แบบเสริมกำลัง Python, ยิม OpenAI, เทนเซอร์โฟลว์ แบบฝึกหัดและวิธีแก้ปัญหาที่มาพร้อมกับ Sutton's Book และหลักสูตรของ David Silver
• ชุดเครื่องมือเอเจนต์ Unity Machine Learning
• กำลังเขียนเกมการเรียนรู้เกี่ยวกับเครื่องจักรครั้งแรกของฉัน! (1/4)
• การเรียนรู้การเสริมกำลังเชิงลึก: โป่งจากพิกเซล โดย Andrej Karpathy
• คู่มือสำหรับผู้เริ่มต้นเพื่อการเรียนรู้แบบเสริมกำลังเชิงลึก
• ข้อมูลเบื้องต้นเกี่ยวกับ Unity ML-Agent
• อัลกอริธึมการเรียนรู้การเสริมกำลังเชิงลึกด้วย PyTorch
• การบรรยาย: ความรู้เบื้องต้นเกี่ยวกับการเรียนรู้แบบเสริมกำลัง - David Silver
• หนังสือ: การเรียนรู้แบบเสริมกำลัง - บทนำ โดยซัตตันและบาร์โต
• หนังสือ: การเรียนรู้การเสริมกำลังเชิงลึกโดย Maxim Lapan

ไพทอร์ช

• Udacity : การเรียนรู้เชิงลึกด้วย PyTorch
• การเรียนรู้เชิงลึก (PyTorch) : รหัส
• Udacity : AI ที่ปลอดภัย
• TORCHSCRIPT
• PyTorchZeroToAll (ภาษาอังกฤษ) Sung Kim a Series of 14 Videos
  • รหัสสนับสนุน
  • สไลด์

เทนเซอร์โฟลว์

• ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow 2.0: ง่ายกว่าสำหรับผู้เริ่มต้น และมีประสิทธิภาพยิ่งขึ้นสำหรับผู้เชี่ยวชาญ (TF World '19)
• TensorFlow Lite: โซลูชันสำหรับการรัน ML บนอุปกรณ์ (TF World '19)
• การเรียนรู้ของเครื่องใน JavaScript (TensorFlow Dev Summit 2018)
• เริ่มต้นอย่างรวดเร็วของ TensorFlow.js
• Keras กับ tf.keras: TensorFlow 2.0 แตกต่างกันอย่างไร
• วิธีเรียกใช้ TensorFlow Lite บน Raspberry Pi สำหรับการตรวจจับวัตถุ
• คอมพิวเตอร์เรียนรู้ที่จะจดจำวัตถุได้อย่างไรในทันที | โจเซฟ เรดมอน

หลักสูตร TensorFlow

• ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow สำหรับการเรียนรู้เชิงลึก
• TensorFlow ในความเชี่ยวชาญด้านการปฏิบัติ: Coursera
• TensorFlow: ความเชี่ยวชาญด้านข้อมูลและการปรับใช้: Coursera

PyTorch กับ TensorFlow

• เหตุใด PyTorch จึงได้รับความนิยมในหมู่วิศวกรการเรียนรู้ของเครื่อง

ถ่ายโอนการเรียนรู้

• ถ่ายโอนการเรียนรู้ด้วย Keras และ Deep Learning
• คู่มือการปฏิบัติจริงที่ครอบคลุมเพื่อถ่ายทอดการเรียนรู้ด้วยแอปพลิเคชันในโลกแห่งความเป็นจริงในการเรียนรู้เชิงลึก
• บทช่วยสอนหลักของ TensorFlow

ปรับใช้โมเดล

• การเรียนรู้ของเครื่องใน 5 นาที: วิธีปรับใช้โมเดล ML (วิศวกร SurveyMonkey อธิบาย)
• ปรับใช้โมเดลการเรียนรู้ของเครื่องด้วย Django
• MlFlow - แพลตฟอร์มโอเพ่นซอร์สสำหรับวงจรการเรียนรู้ของเครื่อง
• TensorFlow: ความเชี่ยวชาญด้านข้อมูลและการปรับใช้

MlOps

• MLOps Primer - 2021 ชุดแหล่งข้อมูลเพื่อเรียนรู้เกี่ยวกับ MLOps

รหัส

• รหัสพื้นฐาน / py
• Google Codelabs

สูตรโกง

• ปัญญาประดิษฐ์
• การเรียนรู้ของเครื่อง
• การเรียนรู้เชิงลึก
• เคล็ดลับและเทคนิคการเรียนรู้ของเครื่อง
• เครื่องมือวิทยาศาสตร์ข้อมูล
• การเรียนรู้ของเครื่องด้วย R
• เอกสารโกงของ CHRIS ALBON และแฟลชการ์ด
• MLOps Tooling Landscape v2 (+84 เครื่องมือใหม่) - ธ.ค. 63
• เครื่องมือทางคณิตศาสตร์
• สมการเชิงอนุพันธ์สามัญสำหรับวิศวกร

ชุด Edge ML

• ชุดนักพัฒนา Nvidia Jetson Nano
• Intel® Neural Compute Stick 2 (Intel® NCS2)
• ปะการัง

การแข่งขันวิทยาศาสตร์ข้อมูล

• กากเกิล

ยูทูปสำคัญ? ช่องทางในด้าน AI/ML/RL/DS

• 3สีฟ้า1สีน้ำตาล
• StatQuest กับ Josh Starmer
• เซนท์เด็กซ์
• หลุยส์ เซอร์ราโน
• แบรนดอน โรห์เรอร์
• ลิซาร์ดลึก
• เทคกับทิม
• การวิจัยของไมโครซอฟต์
• คอเรย์ เชฟเฟอร์
• โรงเรียนข้อมูล
• เอกสารสองนาที
• เวลช์แล็บส์
• ซิมพลิเลิร์น
• การเรียนรู้ที่ยอดเยี่ยม
• DeepLearning.ทีวี
• เทนเซอร์โฟลว์
• Deeplearning.ai
• รหัสกระสุน
• เอดูเรก้า!
• เล็กซ์ ฟรีดแมน
• ช่องปัญญาประดิษฐ์
• freeCodeCamp.org
• CloudxLab
• อเล็กซานเดอร์ อามินี
• เจฟฟ์ ฮีตัน
• อภิเษก ธากูร
• รถไฟเข้ารหัส

อ้างอิง

• จะเริ่มต้นการเรียนรู้ของเครื่องได้อย่างไร!
• ปริญญาโทปัญญาประดิษฐ์ที่ฉันสร้างขึ้นเอง
• https://end-to-end-machine-learning.teachable.com/courses/667372/lectures/11900568
• ความรู้พื้นฐาน ML โดย StatQuest
• การเรียนรู้ของเครื่องด้วย Python โดย senddex
• 5 ขั้นตอนที่เป็นมิตรสำหรับผู้เริ่มต้นในการเรียนรู้การเรียนรู้ของเครื่องและวิทยาศาสตร์ข้อมูลด้วย Python - Daniel Bourke
• โรงเรียนข้อมูล
• โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก
• https://www.machinelearningisfun.com/
• https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471
• https://medium.com/greyatom
• https://greyatom.com/glabs
• John Searle: "จิตสำนึกในปัญญาประดิษฐ์" | พูดคุยที่ 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