Встретил такой курс по Deep Learning от MIT http://introtodeeplearning.com/ . Видео и слайды доступны для просмотра. Курс не углубляется в детали математики, больше упор на пояснение идей и как это делается с помощью tensorflow. Лекции записаны хорошо, с чётким произношением, можно смотреть с ускорением.

#dl #course

Регулярно приходится рекомендовать материалы для изучения ML, поэтому решил зафиксировать.

1. Курс от Andrew Ag, с которого я начал знакомство с машинным обучением. Немного устарел, и требуется использовать octave в заданиях, но мне кажется он один из лучших курсов для новичков. Не новичкам полезно хотя бы ознакомиться с содержанием. Если не нравится octave, в сети можно найти задания на python.
https://www.coursera.org/learn/machine-learning

2. Прошло много времени с выхода первого курса, и нейронные сети тесно заняли нишу. Эта серия курсов про нейронные сети. Я ещё не прошёл все курсы, но мне нравится формат, просто и последовательно. Увы чтобы сдавать задания, нужно заплатить, но лекции и тесты из каждого курса доступны бесплатно. Можете изучить, а потом заплатить деньги, быстро всё сдать и получить сертификаты.
https://www.coursera.org/specializations/deep-learning

3. Курс от Яндекса и ВШЭ. Курс не такой стройный и задания плохо связаны с лекциями. Но по мне он не плох, лекции содержат много математики, практика вообще не требует особых знаний. Курс был для меня полезен.
https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie

4. Специализация на русском про машинное обучение, не прошёл всё, но из того что прошёл, было не плохо разобрано.
https://www.coursera.org/specializations/machine-learning-data-analysis

5. Курс от MIT про нейронные сети, не глубоко по глубокие сети). Есть задания и качественно записанные лекции, предстоит сделать сеть для генерации музыки и для определения заболеваний лёгких по снимкам. Посмотрите оглавление, вам понравится.
http://introtodeeplearning.com/

6. Без лишних слов, курс от Google, выглядит не плохо, сам не пробовал.
https://developers.google.com/machine-learning/crash-course/

7. Отпугивает математика и не любите слишком академичное изложение? Отличный курс для программистов.
http://course.fast.ai/

8. Отличная серия обучающих постов
https://github.com/Yorko/mlcourse_open

9. Курс от ВШЕ (высшей школы экономики)
https://github.com/esokolov/ml-course-hse

10. В изучении нужна практика, на kaggle там не только огромное количество задач, но и большое количество разборов решений
https://www.kaggle.com/

Если есть замечания/предложения, пишите мне @nesterione.

#learning #ml #dl #course

Kaggle мощная платформа для Data Science, там можно не только соревноваться, но и находить готовые решения, статьи и интересные обсуждения. Сегодня заметил, что у них появился раздел для обучения https://www.kaggle.com/learn/overview На первый взгляд всё последовательно и в удобном формате. Важная подборка материалов для начинающих, здесь информация как о python и в целом о ML, так основы pandas, визуализации и deep learning

#learn #course #kaggle #ml

Я несколько раз упоминал о гайдах от google о машинном обучении (https://t.me/bayesian_noise/163), мне нравится их подход всё с озов, но достаточно глубоко по каждой теме https://developers.google.com/machine-learning/ - сейчас обнаружил, что были добавлены ещё несколько разделов.

Их базовый курс (crash-course) мне не нравится, на coursera от того же яндекса курсы полезнее, а вот остальные материалы советую смотреть,
problem-framing - о постановке задачи машинного обучения, о том, как правильно понять, какая модель нужна для решения проблемы бизнеса.
data-prep - про подготовку данных - практические советы, как собирать данные
clustering - о кластеризации данных и как проверять результаты
recommendation - как строить рекомендательные системы
testing-debugging - очень полезная тема для промышленного использования, которая редко освещается

Обязательно взгляните на словарик терминов, просто пролистав его, вы не плохо расширите представление о ML https://developers.google.com/machine-learning/glossary/

#google #course