Πάνω από 150 από τα Βέλτιστα Εκμάθηση Μηχανής, NLP και Python Tutorials που έχω βρει

Με τη δημοφιλή ζήτηση, έχω ενημερώσει αυτό το άρθρο με τα τελευταία μαθήματα των τελευταίων 12 μηνών. Ελέγξτε το εδώ

Το γραφείο του Αϊνστάιν λίγες ώρες μετά το θάνατό του. Πηγή: Περιοδικό LIFE

Ενώ η εκμάθηση μηχανών έχει μια πλούσια ιστορία που χρονολογείται από το 1959, το πεδίο εξελίσσεται με έναν πρωτοφανή ρυθμό. Σε ένα πρόσφατο άρθρο, συζήτησα γιατί ο ευρύτερος τομέας τεχνητής νοημοσύνης αναπτύσσεται και πιθανότατα θα υπάρξει για κάποιο χρονικό διάστημα. Εκείνοι που ενδιαφέρονται να μάθουν ML μπορεί να το βρουν τρομακτικό για να ξεκινήσετε.

Καθώς προετοιμάζομαι να ξεκινήσω το διδακτορικό μου πρόγραμμα στο φθινόπωρο, έχω καθαρίσει το διαδίκτυο για καλούς πόρους σε όλες τις πτυχές της μηχανικής μάθησης και της NLP. Τυπικά, θα βρω ένα ενδιαφέρον φροντιστήριο ή βίντεο και αυτό οδηγεί σε τρία ή τέσσερα επιπλέον μαθήματα ή βίντεο και πριν το ξέρω, έχω 20 καρτέλες από νέο υλικό που πρέπει να περάσω. (Σε μια πλευρική σημείωση, ο Tab Bundler βοήθησε να παραμείνει οργανωμένος.)

Αφού έβρισκα πάνω από 25 ML-που σχετίζονται με "εξαπατήσει φύλλα", δημιούργησα μια θέση που συνδέει με όλα τα καλά.

Για να βοηθήσω άλλους που διέρχονται μια παρόμοια διαδικασία ανακάλυψης, έχω βάλει μαζί μια λίστα με το καλύτερο εκπαιδευτικό περιεχόμενο που έχω βρει μέχρι στιγμής. Δεν είναι καθόλου εξαντλητικός κατάλογος κάθε εκπαιδευτικού υλικού που σχετίζεται με το ML στον ιστό - αυτό θα ήταν συντριπτικό και διπλασιαστικό. Επιπλέον, υπάρχει μια δέσμη μέτρια περιεχόμενο εκεί έξω. Ο στόχος μου ήταν να συνδεθώ με τα καλύτερα μαθήματα που βρήκα στα σημαντικά υποτομέα της μηχανικής μάθησης και της NLP.

Με το σεμινάριο, αναφέρομαι στο εισαγωγικό περιεχόμενο που σκοπεύει να διδάξει μια έννοια συνοπτικά. Έχω αποφύγει να συμπεριληφθούν κεφάλαια βιβλίων που έχουν μεγαλύτερο εύρος κάλυψης και ερευνητικά έγγραφα, τα οποία γενικά δεν κάνουν καλή δουλειά στη διδασκαλία εννοιών. Γιατί όχι μόνο να αγοράσετε ένα βιβλίο; Τα μαθήματα είναι χρήσιμα όταν προσπαθείτε να μάθετε ένα συγκεκριμένο θέμα θέσης ή θέλετε να αποκτήσετε διαφορετικές προοπτικές.

Έχω χωρίσει αυτή την ανάρτηση σε τέσσερα τμήματα: Machine Learning, NLP, Python και Math. Έχω συμπεριλάβει μια δειγματοληψία των θεμάτων σε κάθε τμήμα, αλλά δεδομένης της απεραντοσύνης του υλικού, δεν μπορώ να συμπεριλάβω πιθανώς κάθε πιθανό θέμα.

Για μελλοντικές αναρτήσεις, μπορώ να δημιουργήσω μια παρόμοια λίστα βιβλίων, βίντεο στο διαδίκτυο και repos κώδικα καθώς καταρτίζω μια αυξανόμενη συλλογή αυτών των πόρων επίσης.

Αν υπάρχουν καλά μαθήματα που γνωρίζετε ότι λείπω, παρακαλώ ενημερώστε μας! Προσπαθώ να περιορίσω κάθε θέμα σε πέντε ή έξι μαθήματα αφού πολύ πέρα ​​από αυτό θα ήταν επαναλαμβανόμενο. Κάθε σύνδεσμος πρέπει να έχει διαφορετικό υλικό από τους άλλους συνδέσμους ή να παρουσιάζει πληροφορίες με διαφορετικό τρόπο (π.χ. κώδικα έναντι διαφανειών έναντι μακροχρόνιας φόρμας) ή από διαφορετική οπτική γωνία.

Μηχανική μάθηση

Η μηχανική μάθηση είναι διασκεδαστική! (medium.com/@ageitgey)

Μάθημα Crash Learning Machine: Μέρος Ι, Μέρος ΙΙ, Μέρος ΙΙΙ (Μηχανική Μάθηση στο Μπέρκλεϊ)

Εισαγωγή στη Θεωρία Εκμάθησης Μηχανών και στις Εφαρμογές της: Ένα Οπτικό Tutorial με Παραδείγματα (toptal.com)

Ένας απαλός οδηγός για την εκμάθηση μηχανών (monkeylearn.com)

Ποιος αλγόριθμος εκμάθησης μηχανών πρέπει να χρησιμοποιήσω; (sas.com)

Λειτουργίες ενεργοποίησης και απώλειας

Σιγμοειδείς νευρώνες (neuralnetworksanddeeplearning.com)

Ποιος είναι ο ρόλος της λειτουργίας ενεργοποίησης σε ένα νευρωνικό δίκτυο; (quora.com)

Πλήρης κατάλογος λειτουργιών ενεργοποίησης σε νευρωνικά δίκτυα με πλεονεκτήματα / μειονεκτήματα (stats.stackexchange.com)

Λειτουργίες ενεργοποίησης και τύποι - Ποιο είναι καλύτερο; (medium.com)

Κάνοντας Λογαρρημική Απώλεια (exegetic.biz)

Λειτουργίες απώλειας (Stanford CS231n)

L1 vs. L2 Λειτουργία απώλειας (rishy.github.io)

Η συνάρτηση κόστους σταυρωτής εντροπίας (neuralnetworksanddeeplearning.com)

Προκατάληψη

Ο ρόλος της Bias στα νευρωνικά δίκτυα (stackoverflow.com)

Κόμβοι Bias σε νευρωνικά δίκτυα (makeyourownneuralnetwork.blogspot.com)

Ποια είναι η προκατάληψη στο τεχνητό νευρωνικό δίκτυο; (quora.com)

Perceptron

Perceptrons (neuralnetworksanddeeplearning.com)

Η αντίληψη (natureofcode.com)

Νευρωνικά δίκτυα μονής στρώσης (Perceptrons) (dcu.ie)

Από Perceptrons σε Deep Networks (toptal.com)

Οπισθοδρόμηση

Εισαγωγή στην ανάλυση γραμμικής παλινδρόμησης (duke.edu)

Γραμμική παλινδρόμηση (ufldl.stanford.edu)

Γραμμική παλινδρόμηση (readthedocs.io)

Λογιστική παλινδρόμηση (readthedocs.io)

Simple Linear Regression Tutorial για την εκμάθηση μηχανών (machinelearningmastery.com)

Logistic Regression Tutorial για την εκμάθηση μηχανών (machinelearningmastery.com)

Softmax Regression (ufldl.stanford.edu)

Διαβάθμιση κλίσης

Μάθηση με κλίση κλίσης (neuralnetworksanddeeplearning.com)

Διαβάθμιση κλίσης (iamtrask.github.io)

Πώς να κατανοήσετε τον αλγόριθμο κλίσης κλίσης (kdnuggets.com)

Μια επισκόπηση των αλγορίθμων βελτιστοποίησης κάμψης κλίσης (sebastianruder.com)

Βελτιστοποίηση: Στοχαστική κάμψη κλίσης (Stanford CS231n)

Εκπαιδευτική μάθηση

Αλγόριθμοι γενετικής μάθησης (Stanford CS229)

Μια πρακτική εξήγηση ενός κατηγοριοποιητή Naive Bayes (monkeylearn.com)

Υποστηρικτικές μηχανές υποστήριξης

Εισαγωγή στη Μηχανή Υποστήριξης Υπολογιστών (SVM) (monkeylearn.com)

Μηχανήματα διάνυσμα υποστήριξης (Stanford CS229)

Γραμμική ταξινόμηση: Υποστηρικτικό μηχάνημα υποστήριξης, Softmax (Stanford 231n)

Επιστροφή

Ναι, πρέπει να κατανοήσετε το backprop (medium.com/@karpathy)

Μπορείτε να δώσετε μια οπτική εξήγηση για τον αλγόριθμο αναδίπλωσης πίσω για νευρωνικά δίκτυα; (github.com/rasbt)

Πώς λειτουργεί ο αλγόριθμος backpropagation (neuralnetworksanddeeplearning.com)

Backpropagation Through Time και Εξαφανισμοί (wildml.com)

Μια απαλή εισαγωγή στην οπισθοχώρηση μέσω του χρόνου (machinelearningmastery.com)

Επιστροφή, διαίσθηση (Stanford CS231n)

Βαθιά μάθηση

Βαθιά μάθηση με λίγα λόγια (nikhilbuduma.com)

Ένα εκπαιδευτικό σε βάθος μάθηση (Quoc V. Le)

Τι είναι η βαθιά εκμάθηση; (machinelearningmastery.com)

Ποια είναι η διαφορά μεταξύ της Τεχνητής Νοημοσύνης, της Μηχανικής Μάθησης και της Βαθιάς Μάθησης; (nvidia.com)

Βελτιστοποίηση και μείωση της διάστασης

Επτά Τεχνικές για Μείωση Διατομής Δεδομένων (knime.org)

Ανάλυση βασικών συστατικών (Stanford CS229)

Απόρριψη: Ένας απλός τρόπος βελτίωσης των νευρωνικών δικτύων (Hinton @ NIPS 2012)

Πώς να εκπαιδεύσετε το Deep Neural Network (rishy.github.io)

Μακροπρόθεσμη μνήμη (LSTM)

Μια απαλή εισαγωγή σε μακρά βραχυπρόθεσμα δίκτυα μνήμης από τους ειδικούς (machinelearningmastery.com)

Κατανόηση των δικτύων LSTM (colah.github.io)

Εξερεύνηση LSTM (echen.me)

Οποιοσδήποτε μπορεί να μάθει να κωδικοποιεί ένα LSTM-RNN σε Python (iamtrask.github.io)

Συγκεντρωτικά νευρωνικά δίκτυα (CNNs)

Παρουσιάζοντας συνελικτικά δίκτυα (neuralnetworksanddeeplearning.com)

Βαθιά μάθηση και συνεργατικά νευρωνικά δίκτυα (medium.com/@ageitgey)

Δίκτυα Conv: Μια ατομική προοπτική (colah.github.io)

Κατανόηση των συνομιλιών (colah.github.io)

Επαναλαμβανόμενα νευρωνικά δίκτυα (RNNs)

Επαναλαμβανόμενο Σεμινάριο Νευρωνικών Δικτύων (wildml.com)

Προσοχή και Αυξημένα Επαναλαμβανόμενα Νευρικά Δίκτυα (απόσταξη.pub)

Η αδικαιολόγητη αποτελεσματικότητα των επαναλαμβανόμενων νευρωνικών δικτύων (karpathy.github.io)

Μια βαθιά βουτιά σε επαναλαμβανόμενα νευρικά δίκτυα (nikhilbuduma.com)

Ενίσχυση της μάθησης

Οδηγός απλού αρχαρίου για την ενίσχυση της μάθησης και την εφαρμογή του (analyticsvidhya.com)

Ένα μάθημα για την ενίσχυση της μάθησης (mst.edu)

Εκμάθηση ενίσχυσης της μάθησης (wildml.com)

Βαθιά Ενίσχυση Μάθηση: Πονγκ από Pixels (karpathy.github.io)

Γενετικά αντιπολιτευτικά δίκτυα (GAN)

Τι είναι ένα γενετικό αντιπολιτευτικό δίκτυο; (nvidia.com)

Κατάχρηση γενετικών αντιδιαρροϊκών δικτύων για την παραγωγή εικονοστοιχείων Pixel 8-bit (medium.com/@ageitgey)

Εισαγωγή στα Γενετικά Αντιμετωπιακά Δίκτυα (με κώδικα στο TensorFlow) (aylien.com)

Γενετικά δίκτυα αντιπαράθεσης για αρχάριους (oreilly.com)

Μάθηση πολλαπλών εργασιών

Μια επισκόπηση της μάθησης πολλαπλών εργασιών σε βαθιά νευρωνικά δίκτυα (sebastianruder.com)

NLP

Ένα Primer σε μοντέλα νευρωνικών δικτύων για την επεξεργασία φυσικής γλώσσας (Yoav Goldberg)

Ο Οριστικός Οδηγός για την Επεξεργασία Φυσικής Γλώσσας (monkeylearn.com)

Εισαγωγή στην Επεξεργασία Φυσικής Γλώσσας (algorithmia.com)

Εκμάθηση φυσικής επεξεργασίας γλώσσας (vikparuchuri.com)

Επεξεργασία φυσικής γλώσσας (σχεδόν) από το Scratch (arxiv.org)

Βαθιά μάθηση και NLP

Βαθιά μάθηση που εφαρμόζεται στο NLP (arxiv.org)

Βαθιά μάθηση για NLP (χωρίς μαγεία) (Richard Socher)

Κατανόηση των συνεργατικών νευρωνικών δικτύων για NLP (wildml.com)

Deep Learning, NLP και Αντιπροσωπείες (colah.github.io)

Ενσωμάτωση, κωδικοποίηση, παρακολούθηση, πρόβλεψη: Η νέα βαθιά μαθηματική φόρμουλα για υπερσύγχρονα μοντέλα NLP (explosion.ai)

Κατανόηση της φυσικής γλώσσας με τα βαθιά νευρικά δίκτυα με τη χρήση φακού (nvidia.com)

Βαθιά μάθηση για NLP με Pytorch (pytorich.org)

Word Vectors

Τσάντα των λέξεων συναντά τσάντες του ποπ κορν (kaggle.com)

Σχετικά με τις ενσωματωμένες λέξεις Μέρος Ι, Μέρος ΙΙ, Μέρος ΙΙΙ (sebastianruder.com)

Η καταπληκτική δύναμη των λέξεων vectors (acolyer.org)

word2vec Επεξήγηση μαθησιακών παραμέτρων (arxiv.org)

Word2Vec Tutorial - Το μοντέλο Skip-Gram, Αρνητική δειγματοληψία (mccormickml.com)

Κωδικοποιητής-αποκωδικοποιητής

Προσοχή και μνήμη στη βαθιά εκμάθηση και NLP (wildml.com)

Ακολουθία σε Μοντέλα Ακολουθίας (tensorflow.org)

Ακολουθία στη μάθηση ακολουθιών με νευρωνικά δίκτυα (NIPS 2014)

Η μηχανική μάθηση είναι διασκέδαση Μέρος 5: Μετάφραση γλωσσών με βαθιά εκμάθηση και τη μαγεία των αλληλουχιών (medium.com/@ageitgey)

Τρόπος χρήσης ενός LSTM κωδικοποιητή-αποκωδικοποιητή σε ακολουθίες Echo των τυχαίων ακέραιων αριθμών (machinelearningmastery.com)

tf-seq2seq (google.github.io)

Πύθων

7 βήματα για την εκμάθηση μηχανών πλοήγησης με την Python (kdnuggets.com)

Ένα παράδειγμα φορητού υπολογιστή φορητού υπολογιστή (nbviewer.jupyter.org)

Παραδείγματα

Πώς να εφαρμόσει τον αλγόριθμο Perceptron από το μηδέν στη Python (machinelearningmastery.com)

Εφαρμογή ενός νευρικού δικτύου από το μηδέν στην Python (wildml.com)

Ένα νευρωνικό δίκτυο σε 11 γραμμές Python (iamtrask.github.io)

Εφαρμογή του δικού σας πλησιέστερου γειτονικού αλγορίθμου χρησιμοποιώντας Python (kdnuggets.com)

Επίδειξη μνήμης με ένα μακρύ δίκτυο βραχυπρόθεσμης μνήμης στη Python (machinelearningmastery.com)

Πώς να μάθουν να Echo Τυχαία ακέραια με μακρά βραχυπρόθεσμη μνήμη περιοδικά νευρωνικά δίκτυα (machinelearningmastery.com)

Πώς να μάθετε να προσθέτετε αριθμούς με seq2seq Περιοδικά νευρωνικά δίκτυα (machinelearningmastery.com)

Scipy και μούδιασμα

Σημειώσεις διάλεξης για το Scipy (scipy-lectures.org)

Python Numpy Tutorial (Στάνφορντ CS231n)

Μια εισαγωγή στο Numpy και το Scipy (UCSB CHE210D)

Ένα μάθημα συντριβής στη Python για επιστήμονες (nbviewer.jupyter.org)

scikit-learn

PyCon scikit-learn Tutorial Δείκτης (nbviewer.jupyter.org)

Αλγόριθμοι ταξινόμησης scikit-learn (github.com/mmmayo13)

scikit-learn Tutorials (scikit-learn.org)

Συντομευμένα μαθήματα scikit-learn (github.com/mmmayo13)

Tensorflow

Tensorflow Tutorials (tensorflow.org)

Εισαγωγή στο TensorFlow - CPU vs GPU (medium.com/@erikhallstrm)

TensorFlow: Ένα αστάρι (metaflow.fr)

RNNs στο Tensorflow (wildml.com)

Εφαρμογή ενός CNN για ταξινόμηση κειμένου σε TensorFlow (wildml.com)

Πώς να εκτελέσετε την περίληψη κειμένου με το TensorFlow (surmenok.com)

PyTorch

PyTorch Tutorials (pytorch.org)

Μια απαλή εισαγωγή στο PyTorch (gaurav.im)

Εκμάθηση: Βαθιά μάθηση στο PyTorch (iamtrask.github.io)

Παραδείγματα PyTorch (github.com/jcjohnson)

Εγχειρίδιο PyTorch (github.com/MorvanZhou)

Οδηγός PyTorch για ερευνητές βαθιάς μάθησης (github.com/yunjey)

Μαθηματικά

Μάθημα για μηχανική μάθηση (ucsc.edu)

Μαθηματικά για Μηχανική Μάθηση (UMIACS CMSC422)

Γραμμική άλγεβρα

Ένας διαισθητικός οδηγός γραμμικής άλγεβρας (betterexplained.com)

Η διαίσθηση του προγραμματιστή για τον πολλαπλασιασμό των πινάκων (betterexplained.com)

Κατανόηση του προϊόντος Cross (betterexplained.com)

Κατανόηση του προϊόντος Dot (betterexplained.com)

Γραμμική Άλγεβρα για Μηχανική Μάθηση (U. of Buffalo CSE574)

Γραμμική αλγεβρα εξαπατήσει φύλλο για βαθιά εκμάθηση (medium.com)

Γραμμική Άλγεβρα Επισκόπηση και Αναφορά (Stanford CS229)

Πιθανότητα

Κατανόηση του Θεωρήματος Bayes με αναλογίες (betterexplained.com)

Ανασκόπηση της Θεωρίας Πιθανοτήτων (Stanford CS229)

Θεωρία Θεωρίας Πιθανοτήτων για Μηχανική Μάθηση (Stanford CS229)

Θεωρία Πιθανοτήτων (U. Buffalo CSE574)

Θεωρία Πιθανοτήτων για Εκμάθηση Μηχανών (U. of Toronto CSC411)

Λογισμός

Πώς να καταλάβετε τα παράγωγα: Ο κανόνας του πηλού, οι εκθέτες και οι λογάριθμοι (betterexplained.com)

Πώς να καταλάβετε τα Παράγωγα: Οι Κανόνες Προϊόντος, Ισχύος & Αλυσίδας (betterexplained.com)

Υπολογιστής διάνυσμα: Κατανόηση της κλίσης (betterexplained.com)

Διαφορικός υπολογισμός (Stanford CS224n)

Επισκόπηση Λογαριασμού (readthedocs.io)