Human
Rag n Bone Man
🎧 اثر Human از Rag n Bone Man
موزیک گوش بدین 🎼، کد بزنین 💻 و از زندگی لذت ببرین 😉👨🏻💻👩🏻💻
#musicForProgramming
@pythonicAI
موزیک گوش بدین 🎼، کد بزنین 💻 و از زندگی لذت ببرین 😉👨🏻💻👩🏻💻
#musicForProgramming
@pythonicAI
FVML9505C.wmv
92.6 MB
درس یادگیری ماشین و یادگیری تقویتی #فرادرس
مدرس: دکتر کیهانی پور
جلسه: 3
#یادگیری_ماشین #هوش_مصنوعی
#machinelearning #artificialintelligence
@pythonicAI
مدرس: دکتر کیهانی پور
جلسه: 3
#یادگیری_ماشین #هوش_مصنوعی
#machinelearning #artificialintelligence
@pythonicAI
Forwarded from Machine learning books and papers (Ramin Mousa)
4_5773660197402707477.pdf
1.8 MB
Simple Deep Learning for
Programmers Write your own modern neural networks in Keras and Python for images and sequence data
#By: The Lazy Programmer
#book #DL
@Machine_learn
Programmers Write your own modern neural networks in Keras and Python for images and sequence data
#By: The Lazy Programmer
#book #DL
@Machine_learn
مقاله تحقیقی جدید با همکاری شرکت مایکروسافت برای آموزش و ارزیابی عقل سلیم در هوش مصنوعی با تمرکز بر حوزه پردازش زبان طبیعی
هوش مصنوعی در سال های اخیر قدم های بزرگی برای پیشرفت برداشته است. از برتری هوش مصنوعی گوگل در بازی "go" گرفته تا خلق داستان و یادگیری برنامه نویسی و ... اما همچنان هوش مصنوعی کنونی یک نقطه ضعف اساسی دارد و آن هم اینکه فاقد عقل سلیم است.
برای درک موضوع این جمله را در نظر بگیرید :
"ماموران آتش نشانی چون از فاصله خیلی دوری می آمدند بعد از نیروهای پلیس به محل حادثه رسیدند." آیا ماشین میتواند تشخیص دهد که در این سناریو کدام یک از نیروهای پلیس یا ماموران آتش نشانی از راه دورتری می آمدند؟ یک انسان به راحتی بر اساس تجربه این را تشخیص می دهد ولی درک این مسئله بسیار ساده برای یک ماشین هنوز ممکن نیست.
اکنون سوال اینست که ما چگونه ماشین ها را برای چنین موضوعاتی آموزش دهیم و سوال دیگر اینکه چگونه پیشرفت به سوی این هدف را در آنها اندازه گیری کنیم؟
به تازگی جمعی از محققین دانشگاه "مک گیل" با همکاری شرکت مایکروسافت مقاله ای در این زمینه منتشر کرده اند که قصد پاسخ به این سوالات را داشته است که در ادامه می توانید اصل مقاله را نیز از لینک زیر دریافت کنید:
لینک
منبع: کانال پردازش هوشمند
#یادگیری_ماشین #هوش_مصنوعی #یادگیری_عمیق #پردازش_زبان_طبیعی
@pythonicAI
هوش مصنوعی در سال های اخیر قدم های بزرگی برای پیشرفت برداشته است. از برتری هوش مصنوعی گوگل در بازی "go" گرفته تا خلق داستان و یادگیری برنامه نویسی و ... اما همچنان هوش مصنوعی کنونی یک نقطه ضعف اساسی دارد و آن هم اینکه فاقد عقل سلیم است.
برای درک موضوع این جمله را در نظر بگیرید :
"ماموران آتش نشانی چون از فاصله خیلی دوری می آمدند بعد از نیروهای پلیس به محل حادثه رسیدند." آیا ماشین میتواند تشخیص دهد که در این سناریو کدام یک از نیروهای پلیس یا ماموران آتش نشانی از راه دورتری می آمدند؟ یک انسان به راحتی بر اساس تجربه این را تشخیص می دهد ولی درک این مسئله بسیار ساده برای یک ماشین هنوز ممکن نیست.
اکنون سوال اینست که ما چگونه ماشین ها را برای چنین موضوعاتی آموزش دهیم و سوال دیگر اینکه چگونه پیشرفت به سوی این هدف را در آنها اندازه گیری کنیم؟
به تازگی جمعی از محققین دانشگاه "مک گیل" با همکاری شرکت مایکروسافت مقاله ای در این زمینه منتشر کرده اند که قصد پاسخ به این سوالات را داشته است که در ادامه می توانید اصل مقاله را نیز از لینک زیر دریافت کنید:
لینک
منبع: کانال پردازش هوشمند
#یادگیری_ماشین #هوش_مصنوعی #یادگیری_عمیق #پردازش_زبان_طبیعی
@pythonicAI
arXiv.org
The Knowref Coreference Corpus: Removing Gender and Number Cues...
We introduce a new benchmark for coreference resolution and NLI, Knowref,
that targets common-sense understanding and world knowledge. Previous
coreference resolution tasks can largely be solved...
that targets common-sense understanding and world knowledge. Previous
coreference resolution tasks can largely be solved...
Forwarded from یادگیری ماشین
سخنرانی تورینگ (Turing Lecture) که بطور سالیانه توسط یک سخنران سرشناس در حوزه‌ی علوم کامپیوتر انجام میشود، امسال توسط Hinton و LeCun (از برندگان جایزه‌ی تورینگ ۲۰۱۸) برگزار شد. ویدئوی سخنرانی را می‌توانید در لینک زیر مشاهده کنید (سخنرانی از دقیقه‌ی ۱۰ شروع میشود):
https://www.youtube.com/watch?v=VsnQf7exv5I
https://www.youtube.com/watch?v=VsnQf7exv5I
YouTube
Geoffrey Hinton and Yann LeCun, 2018 ACM A.M. Turing Award Lecture "The Deep Learning Revolution"
We are pleased to announce that Geoffrey Hinton and Yann LeCun will deliver the Turing Lecture at FCRC. Hinton's talk, entitled, "The Deep Learning Revolution" and LeCun's talk, entitled, "The Deep Learning Revolution: The Sequel," will be presented June…
فراخوان ارسال مقاله برای جدیدترین ژورنال IEEE با موضوع "حوزه‌های منتخب در تئوری اطلاعات (JSAIT)"
دوره‌ی اول، شماره‌ی اول
Manuscript Due: 1 Oct. 2019
Expected Publication: Apr./May 2020
@pythonicAI
دوره‌ی اول، شماره‌ی اول
Manuscript Due: 1 Oct. 2019
Expected Publication: Apr./May 2020
@pythonicAI
Forwarded from جادی، کیبورد آزاد - Jadi
برای بهتر شدن تشخیص صدای فارسی، در پروژه صدای مشترک موزیلا، مشارکت کنین
https://voice.mozilla.org/fa
سیستم‌های یادگیری بر اساس نمونه‌ها کار می کنن. باید از چیزها نمونه های زیادی داشته باشیم تا بتونیم به ماشین ها بگیم «اینها رو نگاه کن، حالا سعی کن تکرارش کنی». مثلا اگر قراره ماشین یاد بگیره گربه چیه باید چند هزار عکس گربه ببینه یا اگر قراره صدای ما رو به متن تبدیل کنه، باید چند صد ساعت صدا و متن داشته باشه. حالا معلومه که چرا سیستم های مرتبط با صوت فارسی، عقب از بقیه هستن: چون نمونه هاشون کمه.
شرکت های مختلف برای حل این مشکل راه حل های مختلف دارن. مثلا ممکنه یک شرکت ارائه دهنده نقشه، چند ده نفر رو بذاره که اسم همه خیابون ها رو چندین بار بخونن تا بعدا کامپیوتر بفهمه «یوسف آباد» چطوری تلفظ می شه و اگر شما گفتین «یوسف آباد» بفهمه ماجرا چیه. اما همه که یه مرکز تماس ندارن و حتی اگر هم داشته باشن، در نهایت به چند صد ساعت صدا می رسن. پس چیکار کنیم؟
پروژه بنیاد موزیلا قراره با هممون کمک کنه. هم به همه تولید کننده های سیستم های مرتبط با صوت فارسی [و هر زبون دیگه] و هم به همه مصرف کننده هایی که لازم داریم کامپیوترها صدامون رو بفهمن. توی پروژه صدای مشترک موزیلا، شما صداتون رو اهدا می کنین، ترسناک نیست! در واقع می رین و چند تا جمله رو با صدای طبیعی خودتون می خونین و دیتابیسی از متن و صدا رو کامل می کنن. اگر هم ترجیح دادین، می تونین به جای خوندن جمله، جمله های بقیه رو گوش بدین و اعتبار سنجی کنین. دیتابیسی که درسته می شه، آزاد است و در اختیار هر کسی که بعدا بخواد روش کار کنه.
پروژه صدای مشترک ابتکار موزیلا برای کمک به آموزش ابزارهای یادگیری ماشین است تا بدانند مردم واقعی چگونه صحبت می‌کنند.
توی این پروژه شما حتی می تونین سن و جنس خودتون رو هم بزنین و دیتایی غنی تر برای هر کسی درست کنین که می خواد به کامپیوترها «فهمیدن» صدا رو آموزش بده. همونطور که گفتم این دیتابیس کاملا آزاد و قابل استفاده توسط همه است و مشارکت توش باعث می شه زندگی همه فارسی زبان ها آسونتر و با کیفیت تر بشه. پس به صفحه پروژه صدای مشترک موزیلا برین و چند تا جمله بخونین و حتی مثل من صفحه اش رو باز بذارین و گاه گداری برای رفع کسالت هم که شده، چند تا جمله از خودتون اهدا کنین یا به جمله های بقیه گوش بدین و بگین درست خوندنش یا نه. اینطوری همه با هم به پیشرفت زبان فارسی در دنیای کامپیوتر کمک کردیم و زودتر به دنیایی می رسیم که توش اگر کسی دوست نداره، مجبور نباشه تایپ کنه.
کانال @jadinet
https://voice.mozilla.org/fa
سیستم‌های یادگیری بر اساس نمونه‌ها کار می کنن. باید از چیزها نمونه های زیادی داشته باشیم تا بتونیم به ماشین ها بگیم «اینها رو نگاه کن، حالا سعی کن تکرارش کنی». مثلا اگر قراره ماشین یاد بگیره گربه چیه باید چند هزار عکس گربه ببینه یا اگر قراره صدای ما رو به متن تبدیل کنه، باید چند صد ساعت صدا و متن داشته باشه. حالا معلومه که چرا سیستم های مرتبط با صوت فارسی، عقب از بقیه هستن: چون نمونه هاشون کمه.
شرکت های مختلف برای حل این مشکل راه حل های مختلف دارن. مثلا ممکنه یک شرکت ارائه دهنده نقشه، چند ده نفر رو بذاره که اسم همه خیابون ها رو چندین بار بخونن تا بعدا کامپیوتر بفهمه «یوسف آباد» چطوری تلفظ می شه و اگر شما گفتین «یوسف آباد» بفهمه ماجرا چیه. اما همه که یه مرکز تماس ندارن و حتی اگر هم داشته باشن، در نهایت به چند صد ساعت صدا می رسن. پس چیکار کنیم؟
پروژه بنیاد موزیلا قراره با هممون کمک کنه. هم به همه تولید کننده های سیستم های مرتبط با صوت فارسی [و هر زبون دیگه] و هم به همه مصرف کننده هایی که لازم داریم کامپیوترها صدامون رو بفهمن. توی پروژه صدای مشترک موزیلا، شما صداتون رو اهدا می کنین، ترسناک نیست! در واقع می رین و چند تا جمله رو با صدای طبیعی خودتون می خونین و دیتابیسی از متن و صدا رو کامل می کنن. اگر هم ترجیح دادین، می تونین به جای خوندن جمله، جمله های بقیه رو گوش بدین و اعتبار سنجی کنین. دیتابیسی که درسته می شه، آزاد است و در اختیار هر کسی که بعدا بخواد روش کار کنه.
پروژه صدای مشترک ابتکار موزیلا برای کمک به آموزش ابزارهای یادگیری ماشین است تا بدانند مردم واقعی چگونه صحبت می‌کنند.
توی این پروژه شما حتی می تونین سن و جنس خودتون رو هم بزنین و دیتایی غنی تر برای هر کسی درست کنین که می خواد به کامپیوترها «فهمیدن» صدا رو آموزش بده. همونطور که گفتم این دیتابیس کاملا آزاد و قابل استفاده توسط همه است و مشارکت توش باعث می شه زندگی همه فارسی زبان ها آسونتر و با کیفیت تر بشه. پس به صفحه پروژه صدای مشترک موزیلا برین و چند تا جمله بخونین و حتی مثل من صفحه اش رو باز بذارین و گاه گداری برای رفع کسالت هم که شده، چند تا جمله از خودتون اهدا کنین یا به جمله های بقیه گوش بدین و بگین درست خوندنش یا نه. اینطوری همه با هم به پیشرفت زبان فارسی در دنیای کامپیوتر کمک کردیم و زودتر به دنیایی می رسیم که توش اگر کسی دوست نداره، مجبور نباشه تایپ کنه.
کانال @jadinet
Pythonic AI
#lulzsec #security #team @pythonicAI
فلسفه تصویر پروفایل کانال، LulzSec
Lulzsec
نام تیمی از هکرها بود که مسئول اتفاقات و پیشرفتهای بزرگی در دنیای امنیت بود. از جمله هک شدن سایت های fox.com، شبکه پلی استیشن سونی و... نکته جالب اینجاست که اعضای این تیم هیچگاه یکدیگر را در دنیای واقعی ملاقات نکرده و تا قبل از دستگیری، از هویت یکدیگر هیچ اطلاعی نداشتند.
اعضای این گروه، رایان کلیرلی با نام viral، جیک دیویس با نام topiary، مصطفی البسام با نام Tflow، رایان آکروید با نام Kayla شناخته میشدند و رهبر آنها، Sabu، یک برنامه نویس فریلنسر پورتوریکویی بود.
تیم lulzsec هیچ هدف اقتصادی از عملیاتهای خود نداشت، بطوری که کامپیوتر دیویس در زمان دستگیری وی حاوی اطلاعات بیش از ۷۵۰ هزار اطلاعاتِ دزدی شامل پسووردها، اطلاعات کارت اعتباری و آدرسهایی بود که میتوانست از آنها جهت کلاهبرداری استفاده کند اما دیویس هیچگاه به این کار دست نزد.
سرانجام در ۷ ژون ۲۰۱۱، sabu، که همیشه از tor جهت امن کردن ارتباط خود استفاده میکرد، فراموش میکند آنرا وصل کند و بدون تور وارد چترومی میشود که از همین طریق FBI رد او را تا خانه ش در منهتن گرفته و دستگیر شد. گفته میشود sabu حاضر به همکاری با پلیس شد.
در ۲۱ ژون، کلیرلی دستگیر شده و دیویس در حمایت از وی در توییتر اعلام میکند که کلیرلی هیچوقت عضو گروه نبوده.
در ۱۹ جولای، tflow دستگیر شده و آخرین توییت وی ۴ روز قبل بود که از تمام شدن باتری موبایلش می نالید.
در ۲۷ جولای، دیویس دستگیر شد که ۵ روز قبل از آن تمام توییتهای خود را پاک کرد بجز یکی: شما هرگز نمیتوانید یک طرز فکر را دستگیر کنید!
#lulzsec #security #team
@pythonicAI
Lulzsec
نام تیمی از هکرها بود که مسئول اتفاقات و پیشرفتهای بزرگی در دنیای امنیت بود. از جمله هک شدن سایت های fox.com، شبکه پلی استیشن سونی و... نکته جالب اینجاست که اعضای این تیم هیچگاه یکدیگر را در دنیای واقعی ملاقات نکرده و تا قبل از دستگیری، از هویت یکدیگر هیچ اطلاعی نداشتند.
اعضای این گروه، رایان کلیرلی با نام viral، جیک دیویس با نام topiary، مصطفی البسام با نام Tflow، رایان آکروید با نام Kayla شناخته میشدند و رهبر آنها، Sabu، یک برنامه نویس فریلنسر پورتوریکویی بود.
تیم lulzsec هیچ هدف اقتصادی از عملیاتهای خود نداشت، بطوری که کامپیوتر دیویس در زمان دستگیری وی حاوی اطلاعات بیش از ۷۵۰ هزار اطلاعاتِ دزدی شامل پسووردها، اطلاعات کارت اعتباری و آدرسهایی بود که میتوانست از آنها جهت کلاهبرداری استفاده کند اما دیویس هیچگاه به این کار دست نزد.
سرانجام در ۷ ژون ۲۰۱۱، sabu، که همیشه از tor جهت امن کردن ارتباط خود استفاده میکرد، فراموش میکند آنرا وصل کند و بدون تور وارد چترومی میشود که از همین طریق FBI رد او را تا خانه ش در منهتن گرفته و دستگیر شد. گفته میشود sabu حاضر به همکاری با پلیس شد.
در ۲۱ ژون، کلیرلی دستگیر شده و دیویس در حمایت از وی در توییتر اعلام میکند که کلیرلی هیچوقت عضو گروه نبوده.
در ۱۹ جولای، tflow دستگیر شده و آخرین توییت وی ۴ روز قبل بود که از تمام شدن باتری موبایلش می نالید.
در ۲۷ جولای، دیویس دستگیر شد که ۵ روز قبل از آن تمام توییتهای خود را پاک کرد بجز یکی: شما هرگز نمیتوانید یک طرز فکر را دستگیر کنید!
#lulzsec #security #team
@pythonicAI
FVML9505D.wmv
69.9 MB
درس یادگیری ماشین و یادگیری تقویتی #فرادرس
مدرس: دکتر کیهانی پور
جلسه: 4
#یادگیری_ماشین #هوش_مصنوعی
#machinelearning #artificialintelligence
@pythonicAI
مدرس: دکتر کیهانی پور
جلسه: 4
#یادگیری_ماشین #هوش_مصنوعی
#machinelearning #artificialintelligence
@pythonicAI
FVML9505E.wmv
39.4 MB
درس یادگیری ماشین و یادگیری تقویتی #فرادرس
مدرس: دکتر کیهانی پور
جلسه: 5
#یادگیری_ماشین #هوش_مصنوعی
#machinelearning #artificialintelligence
@pythonicAI
مدرس: دکتر کیهانی پور
جلسه: 5
#یادگیری_ماشین #هوش_مصنوعی
#machinelearning #artificialintelligence
@pythonicAI
#خارج_از_بحث
چند جوان ۱۲ روز پیش توی شمال ایران فیلیپ گردشگر آلمانی را به طرز وحشیانه ای کتک زدند. او می گوید اجازه نمی دهد این رفتار وحشیانه سفر فوق العاده اش را تحت تاثیر قرار بدهد. تلخ تر اینکه فیلیپ به تازگی از سرطان نجات یافته بود و در کمک به کمپین سرطانی ها این سفر را آمده بود.
این گردشگر در مسیر عبور از محور شمالی کشور در شهر نشتارود توسط ۷ نفر به قصد مرگ کتک میخوره. با یک میله فلزی فک او را می شکنند و دوچرخه و کل وسایل او را به سرقت می برند.
و جواب این گردشگر: هنوز ایران را دوست دارم :)
زهرا کشوری
https://mobile.twitter.com/zahrakeshvari/status/1158549418477412352
@pythonicAI
چند جوان ۱۲ روز پیش توی شمال ایران فیلیپ گردشگر آلمانی را به طرز وحشیانه ای کتک زدند. او می گوید اجازه نمی دهد این رفتار وحشیانه سفر فوق العاده اش را تحت تاثیر قرار بدهد. تلخ تر اینکه فیلیپ به تازگی از سرطان نجات یافته بود و در کمک به کمپین سرطانی ها این سفر را آمده بود.
این گردشگر در مسیر عبور از محور شمالی کشور در شهر نشتارود توسط ۷ نفر به قصد مرگ کتک میخوره. با یک میله فلزی فک او را می شکنند و دوچرخه و کل وسایل او را به سرقت می برند.
و جواب این گردشگر: هنوز ایران را دوست دارم :)
زهرا کشوری
https://mobile.twitter.com/zahrakeshvari/status/1158549418477412352
@pythonicAI
هفته‌ی پیش سرویس GitHub کاربران ایرانی را شناسایی و فعالیت‌های آنها را طبق تحریم‌های تجاری آمریکا علیه ایران مسدود نمود که باعث شد توسعه دهندگان ایرانی بلاکچین نیز برای مشارکت در پروژه‌های نرم‌افزاری که دارای مخازن خصوصی هستند، دچار مشکل شوند.
طبق گزارش CoinDesk، بهراد خدایار مدیر ارشد فناوری استارتاپ بلاک چینی بهکام و مالک یک صرافی زیرزمینی به این خبرگزاری اعلام کرده است که این محدودیت‌ها باعث جدایی جامعه توسعه‌دهنده کشورهای در حال تحریم از پروژه‌های بین‌المللی میشود.همچنین از قطع دسترسی تیم خود به کدهای TradingView برای ترسیم شاخص‌ها و چارت‌های مرتبط با صرافی خود خبر داده است.
#github #ban #blockchain
@pythonicAI
طبق گزارش CoinDesk، بهراد خدایار مدیر ارشد فناوری استارتاپ بلاک چینی بهکام و مالک یک صرافی زیرزمینی به این خبرگزاری اعلام کرده است که این محدودیت‌ها باعث جدایی جامعه توسعه‌دهنده کشورهای در حال تحریم از پروژه‌های بین‌المللی میشود.همچنین از قطع دسترسی تیم خود به کدهای TradingView برای ترسیم شاخص‌ها و چارت‌های مرتبط با صرافی خود خبر داده است.
#github #ban #blockchain
@pythonicAI
💻 Understanding Capsule Networks: 💊
Part 1⃣:
https://pechyonkin.me/capsules-1/
Part 2⃣:
https://pechyonkin.me/capsules-2/
Part 3⃣:
https://pechyonkin.me/capsules-3/
Part 4⃣:
https://pechyonkin.me/capsules-4/
#capsulenet #hinton #machinelearning #artificialintelligence
@pythonicAI
Part 1⃣:
https://pechyonkin.me/capsules-1/
Part 2⃣:
https://pechyonkin.me/capsules-2/
Part 3⃣:
https://pechyonkin.me/capsules-3/
Part 4⃣:
https://pechyonkin.me/capsules-4/
#capsulenet #hinton #machinelearning #artificialintelligence
@pythonicAI
Is Google’s Claim To Patent Batch Normalization A Step Towards Monopolizing Algorithms?
لینک
#article #google #machinelearning #artificialintelligence
@pythonicAI
لینک
#article #google #machinelearning #artificialintelligence
@pythonicAI
Analytics India Magazine
What's Behind Google’s Claim To Patent Batch Normalization?
After the issuance of non final rejection, Google, has made some amendments to their initial claims and now their patent for batch normalization is being reconsidered.
📜 لیست تمامی skill هایی که جهت تبدیل شدن به یک دیتاساینتیست به آنها نیاز دارید: 📉💻💡
https://data-science-resources.readthedocs.io/en/latest
#datascience
@pythonicAI
https://data-science-resources.readthedocs.io/en/latest
#datascience
@pythonicAI
Forwarded from Deleted Account
Top 10 Books to Learn Machine Learning Here is the list of Top 10 Books
Book #1: Incognito: the Secret Lives of the Brain by David Eaglemann https://fatimekerimli.files.wordpress...
Book #2 - How Smart Machines think by Sean Gerrish (sign up to scribd for free, download the book, then cancel your trial so its free) https://www.scribd.com/document/40421...
Book #3 - The Hundred Page Machine Learning Book by Andrej Burkov https://github.com/ZakiaSalod/The-Hun...
Book #4 - Python Machine Learning 2nd Edition by Sebastian Reschka https://github.com/rasbt/python-machi...
Book #5 - Grokking Deep Learning by Andrew Trask https://github.com/ontiyonke/Free-Dee...
Book #6 - Probabilistic Programming and Bayesian Methods for Hackers by Cameron Davidson https://github.com/CamDavidsonPilon/P...
Book #7 - Doing Data Science: Straight Talk From The Frontline by Rachel Schutt https://github.com/SayantanMitra87/Da...
Book #8 - Reinforcement Learning by Sutton and Barto http://incompleteideas.net/book/bookd...
Book #9 - The Book of Why by Judea Pearl https://www.academia.edu/36682718/_Ju...
Book #10 - Quantum Machine Learning by Peter Wittek https://doc.lagout.org/Others/Data%20...
Book #1: Incognito: the Secret Lives of the Brain by David Eaglemann https://fatimekerimli.files.wordpress...
Book #2 - How Smart Machines think by Sean Gerrish (sign up to scribd for free, download the book, then cancel your trial so its free) https://www.scribd.com/document/40421...
Book #3 - The Hundred Page Machine Learning Book by Andrej Burkov https://github.com/ZakiaSalod/The-Hun...
Book #4 - Python Machine Learning 2nd Edition by Sebastian Reschka https://github.com/rasbt/python-machi...
Book #5 - Grokking Deep Learning by Andrew Trask https://github.com/ontiyonke/Free-Dee...
Book #6 - Probabilistic Programming and Bayesian Methods for Hackers by Cameron Davidson https://github.com/CamDavidsonPilon/P...
Book #7 - Doing Data Science: Straight Talk From The Frontline by Rachel Schutt https://github.com/SayantanMitra87/Da...
Book #8 - Reinforcement Learning by Sutton and Barto http://incompleteideas.net/book/bookd...
Book #9 - The Book of Why by Judea Pearl https://www.academia.edu/36682718/_Ju...
Book #10 - Quantum Machine Learning by Peter Wittek https://doc.lagout.org/Others/Data%20...