ml road map

- คู่มือนี้ฟรี! สนับสนุนมัน (และฉัน!) ฟรี :?

ยินดีต้อนรับสู่ Machine Learning Road Map : คู่มือฉบับย่อสำหรับการเรียนรู้พื้นฐาน ML ฟรี!

คู่มือที่มีประสิทธิภาพนี้จะช่วยคุณ:

• เรียนรู้ข้อกำหนดเบื้องต้นที่จำเป็น
• เชี่ยวชาญแนวคิด ML หลักอย่างมีประสิทธิภาพ
• สร้างรากฐานเพื่อทำความเข้าใจหัวข้อขั้นสูง
• เตรียมพร้อมสำหรับการพัฒนา ML ในโลกแห่งความเป็นจริง

แผนงานนี้ได้รับการปรับปรุงให้มีประสิทธิภาพและมุ่งเน้นไปที่หัวข้อที่สำคัญที่สุดจากนักการศึกษา ML ที่เก่งที่สุด ต่างจากคำแนะนำแบบครอบคลุมที่อาจล้นหลาม เป้าหมายนั้นง่ายมาก: เพื่อพาคุณไปยังจุดที่คุณสามารถสำรวจหัวข้อ ML ได้อย่างอิสระอย่างมั่นใจ

โปรดสนับสนุนผู้เขียนและผู้สร้างแหล่งข้อมูลเหล่านี้! ทรัพยากรเหล่านี้จำนวนมากใช้เวลาหลายร้อยชั่วโมง หากคุณซื้อหนังสือที่ลิงก์ในส่วนหัวข้อขั้นสูง อย่าลืมแสดงความคิดเห็นหลังจากอ่านแล้ว! บทวิจารณ์มีความสำคัญสำหรับผู้เขียนในการทำงานต่อไป ฉันได้เชื่อมโยงกับโปรไฟล์โซเชียลตลอดทั้งเอกสารให้มากที่สุด คุณสามารถสนับสนุนผู้สร้างแหล่งข้อมูลเหล่านี้ได้ฟรีโดยการติดตามและถูกใจเนื้อหาของพวกเขา

มาเริ่มต้นการเดินทาง ML ของคุณกันเถอะ!

สารบัญ

• ข้อกำหนดเบื้องต้น
  • การเขียนโปรแกรม
  • คณิตศาสตร์
  • เครื่องมือพัฒนา
• ความรู้พื้นฐาน
• หัวข้อขั้นสูง
  • แนวคิดหลัก
  • โมเดลภาษาและ NLP
  • การเรียนรู้เชิงลึกและหม้อแปลงไฟฟ้า
  • การเรียนรู้แบบเสริมกำลัง
  • การประมวลผลภาษาธรรมชาติและการมองเห็นคอมพิวเตอร์
  • การประยุกต์ใช้การเรียนรู้
  • การจัดการข้อมูล
  • เอ็มแอล เอ็นจิเนียริ่ง
  • หัวข้อสำคัญอื่นๆ
• ทักษะการทำงาน
  • การเตรียมตัวสัมภาษณ์
  • ภาษาโปรแกรม
  • กรอบงาน ML
  • แพลตฟอร์มคลาวด์
  • เครื่องมือ DevOps
• GPU ฟรี
• แหล่งข้อมูลอื่นๆ

ข้อกำหนดเบื้องต้น

การเขียนโปรแกรม

การเขียนโปรแกรมทั่วไป

• CS50 โดยฮาร์วาร์ด

  จุดเริ่มต้นที่สมบูรณ์แบบสำหรับผู้เริ่มต้นที่สมบูรณ์

หลาม

• ข้อมูลเบื้องต้นเกี่ยวกับ Python โดย Harvard

  สำหรับผู้เริ่มต้น

• Python Class ของ Google โดย Google

  เป็นการเติมความสดชื่นได้เป็นอย่างดี

ไลบรารีข้อมูล

• บทช่วยสอน NumPy โดยทีม NumPy
• หลักสูตรแพนด้าโดย Kaggle

คณิตศาสตร์

พื้นฐาน

• - หลักสูตรพีชคณิตโดย Khan Academy
• - พีชคณิตเชิงเส้นโดย Khan Academy

หัวข้อขั้นสูง

• ความน่าจะเป็นโดยฮาร์วาร์ด
• - อนุพันธ์/อนุพันธ์บางส่วนโดย Khan Academy
• - การไล่ระดับสีโดย Khan Academy
• - การแสดงภาพ Backpropagation โดย Google

เครื่องมือพัฒนา

การควบคุมเวอร์ชัน

• เรียนรู้ Git โดยชุมชน Git
• บทช่วยสอน Github โดย GitHub

บรรทัดคำสั่ง

• เรียนรู้เชลล์โดย learnshell.org

ความรู้พื้นฐาน

การเรียนรู้ของเครื่องหลัก

• ข้อมูลเบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่องโดย Google 20 นาที

  จุดเริ่มต้นที่สมบูรณ์แบบสำหรับแนวคิด ML

• หลักสูตร Machine Learning Crash โดย Google

  รากฐานที่ครอบคลุมในพื้นฐานของ ML

หัวข้อขั้นสูง

แนวคิดหลัก

• Machine Learning Q และ AI โดย Sebastian Raschka

  เจาะลึกแนวคิด ML ขั้นสูงที่หลากหลาย

โมเดลภาษาและ NLP

• - ข้อมูลเบื้องต้นเกี่ยวกับ LLM โดย Andrej Karpathy
• - การสร้างและปรับแต่ง LLM โดย Sebastian Raschka
• สร้าง LLM ตั้งแต่เริ่มต้นโดย Sebastian Raschka
• ส่วนหลักสูตร LLM โดย Maxime Labonne

การเรียนรู้เชิงลึกและหม้อแปลงไฟฟ้า

• ความรู้พื้นฐานการเรียนรู้เชิงลึกโดย LightningAI
• คู่มือวิศวกรเพื่อการเรียนรู้เชิงลึก โดย ฮิโรโนบุ ซูซูกิ
• หลักสูตร Transformers โดย Hugging Face

การเรียนรู้แบบเสริมกำลัง

• หมุนใน RL โดย OpenAI

การประมวลผลภาษาธรรมชาติและการมองเห็นคอมพิวเตอร์

• คอร์ส NLP โดย Huggingface
• คอมพิวเตอร์วิทัศน์โดย Kaggle

การประยุกต์ใช้การเรียนรู้

• ML สำหรับวิทยาศาสตร์ โดย Christoph Molnar และ Timo Freiesleben
• - ML สำหรับเกมโดย Huggingface

การจัดการข้อมูล

• ข้อมูลเบื้องต้นเกี่ยวกับ SQL และ SQL ขั้นสูงโดย Kaggle
• การเตรียมข้อมูลโดย Google

เอ็มแอล เอ็นจิเนียริ่ง

• สร้างด้วย ML โดย Goku Mohandas
• - โรงเรียน ML โดย Santiago

หัวข้อสำคัญอื่นๆ

• - คณิตศาสตร์ ML โดย Tivadar Danka
• � ML Efficiency โดย MIT
• การกลั่นความรู้โดย Dmitry Kozlov
• จริยธรรม AI โดย Kaggle
• ML อธิบายได้โดย Kaggle

ทักษะการทำงาน

ส่วนนี้ประกอบด้วยทักษะยอดนิยมในรายการงานและแหล่งข้อมูลที่เกี่ยวข้องกับการเรียนรู้ของเครื่องเพื่อเตรียมพร้อมสำหรับการสัมภาษณ์งานเหล่านั้น

การเตรียมตัวสัมภาษณ์

• ถอดรหัสบทสัมภาษณ์การเขียนโค้ดโดย Gayle Laakman McDowell

  สร้างขึ้นเพื่อทำความเข้าใจและฝึกฝนคำถามสไตล์ Leetcode

• บทสัมภาษณ์การออกแบบระบบโดย Alex Xu
  • เล่มที่ 1
  • เล่มที่ 2

  การเตรียมการออกแบบระบบ

• แผนการเรียนรู้การสัมภาษณ์ ม.ล. โดย คางผาม

  แผนการศึกษาขั้นต่ำที่เป็นไปได้สำหรับการสัมภาษณ์แมชชีนเลิร์นนิง

ภาษาโปรแกรม

• ข้อมูลเบื้องต้นเกี่ยวกับ Python โดย Harvard

  หลักสูตร Python ที่ครอบคลุมสำหรับผู้เริ่มต้น

• Python Deep Dive โดย Stephen Gruppetta

  ขั้นสูงและครอบคลุมยิ่งขึ้น

• บทช่วยสอน C ++ โดย freeCodeCamp

  หลักสูตร C++ ที่สมบูรณ์แบบสำหรับผู้เริ่มต้น

• สนิม โดยทีมงานสนิม
• Java โดยมหาวิทยาลัยเฮลซิงกิ

กรอบงาน ML

การเรียนรู้เชิงลึก

• TensorFlow 2.0 หลักสูตรที่สมบูรณ์โดย freeCodeCamp
• PyTorch เพื่อการเรียนรู้เชิงลึก โดย Daniel Bourke
• บทช่วยสอน Scikit-learn โดยนักพัฒนา Scikit-learn
• บทช่วยสอน Keras โดย TutorialsPoint

การประมวลผลข้อมูล

• บทช่วยสอน NumPy โดยทีม NumPy
• หลักสูตรแพนด้าโดย Kaggle

เครื่องมือขั้นสูง

• JAX การเริ่มต้นอย่างรวดเร็วโดย Google
• บทช่วยสอน ONNX โดยทีมงาน ONNX
• คู่มือ TensorRT โดย NVIDIA
• LangChain Crash Course โดย Patrick Loeber

การพัฒนาแบบจำลอง

• เอกสาร XGBoost โดยทีม XGBoost
• คู่มือการเขียนโปรแกรม CUDA โดย NVIDIA

แพลตฟอร์มคลาวด์

ผู้ให้บริการรายใหญ่

• ML บน Google Cloud โดย Google Cloud
• การเรียนรู้ของเครื่อง AWS โดย Amazon Web Services
• พื้นฐาน Azure AI โดย Microsoft

เครื่องมือ DevOps

• บทช่วยสอน Kubernetes โดย TechWorld กับ Nana
• บทช่วยสอนนักเทียบท่าโดย freeCodeCamp

GPU ฟรี

ตัวเลือกยอดนิยม

• Google Colab

  ฟรี T4/P100 GPUs มีเวลาจำกัด

• โน๊ตบุ๊ค Kaggle

  30 ชั่วโมง/สัปดาห์ของ P100/T4 GPU

ตัวเลือกเพิ่มเติม

• สายฟ้าเอไอ

  ฟรี 22 GPU ชั่วโมง

• แพลตฟอร์มคลาวด์ของ Google

  เครดิตฟรี $300

• อเมซอน SageMaker

  มีเทียร์ฟรี

• การไล่ระดับพื้นที่กระดาษ

  ระดับชุมชนฟรี

แหล่งข้อมูลอื่นๆ

• - จดหมายข่าวที่ฉันแนะนำ
• - ช่อง YouTube ที่แนะนำโดย Dair AI
• - บัญชีที่แนะนำเพื่อติดตาม X โดยฉัน
  
  

---

---

หากข้อมูลใดๆ หายไป แสดงว่าคุณเป็นผู้เขียนแหล่งข้อมูลและต้องการลบออก หรือข้อเสนอแนะทั่วไปอื่นๆ ส่งข้อความถึงฉันเพื่อแจ้งให้เราทราบ