Підбірка матеріалів для вивчення машинного навчання


Машинне навчання зараз є однією з самих затребуваних областей в програмуванні. І дійсно – людина здавна мріяла створити ШІ, і зараз ця мрія близька як ніколи. Алгоритми машинного навчання можуть виконувати завдання, які раніше здавалися недоступними комп’ютерам: класифікація предметів за їх ознаками, пророцтво певних подій, навіть створення витворів мистецтва! Ми підготували для вас підбірку матеріалів, за допомогою яких ви зможете освоїтися в цій складній, але неймовірно цікавій темі.


Введення в машинне навчання від Вашингтонського університету

Під час проходження курсу ви навчитеся аналізувати великі і складні набори даних, створювати додатки, які зможуть будувати прогнози, грунтуючись на отриманих даних, а також створювати системи, які зможуть адаптуватися і удосконалюватися. У фінальному проекті вам доведеться застосувати отримані навички в створенні оригінального проекту, який вирішуватиме насущні проблеми.


Практичне застосування машинного навчання за допомогою Python від університету Мічігану

Після проходження курсу ви зрозумієте, чим відрізняється навчання з учителем від навчання без учителя, навчитеся визначати, які технології використати для певних наборів даних, навчитеся використати ці технології на практиці і писати код на Python для вирішення поставлених завдань.


Курс по машинному навчанню від Стенфордского університету

Курс дає широке введення в машинне навчання, data mining і статистичні методи розпізнавання образів і охоплює наступні теми:

  • Навчання з учителем (параметричні/непараметричні алгоритми, метод опорних векторів, функції ядра, нейронні мережі).
  • Навчання без учителя (кластерний аналіз, скорочення розмірності даних, рекомендаційні системи, глибоке навчання).
  • Кращі алгоритми машинного навчання (компроміс зміщення-дисперсії, інноваційні тенденції в машинному навчанні і штучному інтелекті).

Курс також включає численні приклади, що дозволить вам навчитися застосовувати алгоритми машинного навчання на практиці, наприклад, в проектуванні роботів (сприйняття, контроль), аналізі текстів (онлайн пошук, анти-спам), комп’ютерному зорі, медичних інформаційних системах, обробці аудіо, інтелектуальному аналізі баз даних і інших областях.


20 відеолекцій з машинного навчання від Стенфордского університету

Якщо формат онлайн-курсів вам не до душі, то ви можете подивитися записи лекцій, які читалися на курсі “Машинне навчання” (CS 229).


Курс по застосуванню нейронних мереж в машинному навчанні від Торонтского університету

У цьому курсі ви дізнаєтеся, що таке нейронні мережі і як вони застосовуються в машинному навчанні, яким чином нейронні мережі використовуються при розпізнаванні мови і об’єктів, сегментації зображень, моделюванні мов і людських емоцій.

Курс містить як і базові алгоритми, так і практичну частину.


7 кроків до освоєння машинного навчання за допомогою Python

Якщо ви новачок в машинному навчанні і зовсім не знаєте, з чого розпочати, то ця стаття для вас. Вона представляє з себе план дій, створений, щоб допомогти новачкам розібратися в машинному навчанні. На кожному кроці вам будуть надані безкоштовні матеріали для подальшого вивчення.


10 повчальних відео по нейронних мережах

Якщо проходити курси у вас часу немає, але вам дуже хочеться розібратися в тому, що таке нейронні мережі і як вони працюють, то рекомендуємо вам подивитися 10 повчальних відео, присвячених нейронним мережам. З них ви дізнаєтеся, що таке штучний нейрон, як влаштовані нейронні мережі, які існують нюанси в роботі з нейронними мережами і як їх навчати.


Все, що вам треба знати про машинне навчання, за 13 хвилин

Facebook випустила шість коротких відео, покликаних допомогти розробникам, вченим і простим людям розібратися в найбільш важливих аспектах штучного інтелекту.


Нейронна мережа за 13 рядків коду

Якщо ви закінчили розбиратися з нейронними мережами, то можете попрактикувати і написати свою нейронну мережу на Python за 13 рядків коду.

Залишити відповідь

Ваша e-mail адреса не оприлюднюватиметься. Обов’язкові поля позначені *