В прошлом месяце я завершил год своего исследования с помощью машинного обучения и науки о данных, и поэтому я решил снять ресурсы, за которыми следовал до сих пор.
Я не говорю, что это способ следовать, это только моя доля опыта и ошибок, которые принесли мне здесь. Это резюме для всех моих сверстников, которые любят меня, оказываются потерянными в «Как-S» науки о данных.
Python 101
Видео ресурсы, за которыми я следил:
Плейлист Telusko’s Python: я начал изучать Python с это Серия Навина Редди, которая создала мои основы для этого путешествия Я также следовал лекциям Чарльза Северанса, вы можете найти их Здесь Анкет Sentdex Это очень рекомендуемый канал YouTube, я наткнулся на него довольно поздно.
Книги, за которыми я следовал:
- Автоматизируйте скучные вещи с помощью Python
- Беглый питон
Машинное обучение
Видео ресурсы, за которыми я следил:
Я начал с прохождения курса Udemy, который дал обзор всех алгоритмов и его реализации, Машинное обучение A-Z Кирилл Эременко. В то время как я исследовал идеи проекта после курса, я знал, что мне не хватало чего -то более глубокого и математического, когда я читал, что все проходили курс машинного обучения Эндрю Нг. Поистине, математические концепции, построенные из этого курса, помогли мне плавно проплыть через следующий этап. Вот Ссылка на курс. Вы также можете найти его на Coursera.
Книги, за которыми я следовал:
Я в основном полагался на мастерство машинного обучения с Python – Джейсон Браунли, я также следовал за справочником Data Science O’Reilly Python для нескольких вещей.
Углубляться в нейронные сети
- Курс специализации Deeplearning.ai: Опять же, я закончил их на YouTube (я не знал о финансовой помощи год назад на Coursera).
- Стэнфорд CS230 : Еще один курс, пройдя Эндрю Нг, основанный на глубоком обучении и его приложениях.
- Стэнфорд CS224N : Курс, основанный на обработке естественного языка, это была моя ступенька для НЛП. Я научился выполнять задания и следовать книгам и блогам (скажем, блог Олаха для LSTM). Стэнфорд CS231N : Во время изучения компьютерного видения этот курс – мой гид. Решения назначений и попытки связанных проектов было достаточно, чтобы обосновать теорию. Кроме того, я могу поделиться своими рукописными заметками в этой серии, если это необходимо.
Я не могу больше подчеркнуть, что пробует самостоятельные проекты для реализации того, что вы изучаете! В течение года, когда я закончил много проектов, некоторые задания стажировки, которые помогли мне многому научиться.
Оригинал: “https://dev.to/shambhavicodes/python-to-neural-networks-a-guide-for-beginners-5ahg”