Принес вам 14 книг по Machine Learning для прочтения в 2024 году

Вкатывающимся в ML вархиважно иметь структурированную информацию для обучения. Чтобы избежать головокружения от длины списка, советую для начала выбрать по одной книге из каждой секции и вперёд штудировать!

🧠 Фундамент
1. Deep Learning: Foundations and Concepts (Bishop & Bishop, 2023)
2. Deep Learning (Goodfellow, Bengio, Courville, 2016)
3. The Little Book of Deep Learning (Fleuret, 2023). [тык]
4. Mathematics for Machine Learning (Deisenroth, Faisal, Ong, 2020)
5. Probabilistic Machine Learning (Murphy, 2012-2023)
6. Linear Algebra and Learning from Data (Stang, 2019)

💻 Более практические
7. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 3rd Edition (Géron, 2022)
7. Dive into Deep Learning (Zhang et al., 2023)
9. Designing Machine Learning Systems (Huyen, 2022)
10. Fundamentals of Data Engineering (Reis & Housley, 2022)

🤗 LLM-ки
11. Natural Language Processing with Transformers, Revised Edition (Tunstall, von Werra, Wolf, 2023)
12. Hands-On Large Language Models (Alammar and Grootendorst, 2024 - WIP)

🎉 Генеративный AI
13. Generative Deep Learning, 2nd Edition (Foster, 2023)
14. Hands-On Generative AI with Transformers and Diffusion Models (Cuenca et al., 2024 - WIP)

Многие из книг можно найти в интернете бесплатно. Список, конечно, не исчерпывающий, но довольно вместительный.

Список подготовил мой знакомый из Hugging Face, Omar Sanseviero, а я его дополнил. #книги

@ai_newz

🔥 SQL для анализа данных

Рассказывается о возможностях SQL применительно к анализу данных. Сравниваются различные типы баз данных, описаны методы подготовки данных для анализа.

Рассказано о типах данных, структуре SQL-запросов, профилировнии, структурировании и очистке данных. Описаны методы анализа временных рядов, трендов, приведены примеры анализа данных с учетом сезонности.

Отдельные главы посвящены когортному анализу, текстовому анализу, выявлению и обработке аномалий, анализу результатов экспериментов и А/В-тестирования. Описано создание сложных наборов данных, комбинирование методов анализа. Приведены практические примеры анализа воронки продаж и потребительской корзины.

🌵 Узнайте о ключевых шагах по подготовке данных к анализу
🌵 Выполняйте анализ временных рядов
🌵 Используйте когортный анализ для изучения изменений групп с течением времени
🌵 Научитесь применять мощные функции SQL для анализа текста
🌵 Выявляйте отклонения и аномалии в данных
🌵 Установите причинно-следственную связь с помощью анализа экспериментов и результатов А/Б-тестирования
🌵 Применяйте SQL для оценки эффективности воронки продаж

Автор: Кэти Танимура
Год: 2024

#books #sql

🧭 Базовые алгоритмы машинного обучения на языке Python

🧭 Распознавание образов и машинное обучение

👨‍🔬🇨🇳🔬 Нашел интересный исследовательский репозиторий с подборкой научных статей и других полезностей по большим языковым моделям (LLM).

Milestone Papers
Other Papers
Open LLM
LLM Training Frameworks
Tools for deploying LLM
Tutorials about LLM
Courses about LLM
Opinions about LLM
Other Useful Resources

↘️ https://github.com/Hannibal046/Awesome-LLM

✋ @Russian_OSINT

Тут челы запилили нейронку YOLO для обнаружения объектов в режиме реального времени БЕЗ ОБУЧЕНИЯ.

Да да это та самая которую я юзал в нейросети для CSGO.
Под капотом у них YOLO-v8.

Но большая разница в том, что для обнаружения нужных объектов нейронку НЕ НАДО обучать.

То есть просто текстом пишите что ищете.
Вот например я потестил на скрины из CS.
Confidence конечно низкий, но учитывая что я её вообще не обучал — результат удивляет.

🖥 Github: https://github.com/AILab-CVC/YOLO-World
⚡️Demo: https://www.yoloworld.cc
🤗Hf: https://huggingface.co/spaces/stevengrove/YOLO-World

Ваше мнение, господа?