Es ist eines dieser Schlagworte, die wir alle gehört haben, ob wir Programmierer sind oder nicht: maschinelles Lernen. Im Gegensatz zu anderen Trends in der Vergangenheit ist maschinelles Lernen keine Modeerscheinung, sondern wirklich die Zukunft.
Da AIs immer ausgefeilter werden, müssen Programmierer sich über das, was es ist, wie es funktioniert und die neuesten Trends auf diesem Gebiet informieren. Glücklicherweise bieten diese 13 kostenlosen Ressourcen eine hervorragende Einführung in maschinelles Lernen damit Sie sofort mit einigen grundlegenden Tutorials zum maschinellen Lernen beginnen können.
Bevor Sie mit dem Erlernen der Grundlagen des maschinellen Lernens beginnen, stellen Sie sicher, dass Sie mit der Python-Skriptsprache vertraut sind. Sie ist die beliebteste Skriptsprache für Data Science und maschinelles Lernen und wird benötigt, um diese Ressourcen optimal nutzen zu können.
SIEHE AUCH: DIESES BUNDLE ZEIGT IHNEN, WIE MAN MASCHINENLERNALGORITHMEN MIT PYTHON PROGRAMMIERT
Weiß nicht Python ? Machen Sie sich keine Sorgen, egal mit welcher Programmier- oder Skriptsprache Sie vertraut sind, das Erlernen von Python sollte nicht allzu schwierig sein, da es eine der verzeihendsten Sprachen ist, die Sie lernen müssen. Lesen Sie diese Ressourcen durch und finden Sie heraus, welche spezifisch sindThemen, über die Sie mehr erfahren müssen, bevor Sie fortfahren, oder die Sie trotzdem ausprobieren möchten - vielleicht lernen Sie dabei nur ein wenig Python.
Texte und Tutorials für eine Einführung in das maschinelle Lernen
Diese Online-Texte und -Tutorials bieten Ihnen eine solide Grundlage für die Themen, Theorien und Sprachen, die beim maschinellen Lernen verwendet werden.
Kaggle Data Science Tutorials
Dies sind großartige Tutorials zum maschinellen Lernen, mit denen Kaggle alle wichtigen Informationen zu Data Science abdeckt, um mit dem maschinellen Lernen beginnen zu können. Denken Sie daran, beim maschinellen Lernen geht es darum, eine Maschine mit sehr großen Datenmengen zu trainierenDie Kenntnis der Datenwissenschaft ist ein wesentlicher Schritt in Ihrer Einführung in das maschinelle Lernen.
Python Machine Learning Book 1. Ausgabe / Code Repository
Dies ist mit Sicherheit eines der besten „Bücher“ über Python und maschinelles Lernen, die Sie finden werden. Wenn Sie mit Python noch nicht so heiß sind, verbringen Sie Zeit mit dieser Ressource und Sie werden Websites mit Datenverschwendung seinin kürzester Zeit. Es enthält auch Beispielcode, der zum Textmaterial passt, sodass Sie bei Bedarf auf die Beispielarbeit verweisen können.
Deep Learning - The Straight Dope
Ein Online-Text, der eine Einführung in die Grundlagen des maschinellen Lernens bietet und gleichzeitig eine Einführung in die Theorie des tiefen Lernens bietet. Dieser Ansatz führt Sie durch die Implementierung der verschiedenen Konzepte. Seien Sie also darauf vorbereitet, viel Code zu schreiben, aber er ist eine unglaublich nützliche Ressourceinsgesamt.
Praktisches Deep Learning für Programmierer, V3
Dies ist eine großartige Möglichkeit, sich mit dem Fleisch und den Knochen des maschinellen Lernens vertraut zu machen - insbesondere mit Deep Learning, mit dem Netflix weiß, welche Filme Ihnen empfohlen werden und wie Sie den Inhalt von Bilddateien identifizieren können. Wenn Sie dazu bereit sindAuf dem richtigen Weg, auf dieser Seite sollten Sie sein.
Deep Learning von MIT Press
Deep Learning wird von MIT Press herausgegeben und von Ian Goodfellow, Yoshua Bengio und Aaron Courville geschrieben. Es ist eines der besten Bücher, die Sie jemals über Deep Learning finden werden. Der Verlag hat das Buch kostenlos als Buch zur Verfügung gestelltHTML-Website, stellen Sie also sicher, dass Sie sie mit einem Lesezeichen versehen und sich durch den besten Text für tiefes Lernen arbeiten.
Video-Ressourcen, wenn Sie über die Grundlagen des maschinellen Lernens hinausgehen möchten
Diese Video-Ressourcen sind ein ausgezeichneter Ort, wenn Sie mehr als die Grundlagen lernen und sich mit einigen spezifischen Themen des maschinellen Lernens befassen möchten.
MIT Deep Learning-Videoressourcen
MIT bietet eine ganze Reihe kostenloser Ressourcen und die MIT Deep Learning-Seite ist keine Ausnahme. Hier finden Sie Dutzende von Videos mit Vorträgen, Vorträgen, Interviews und mehr zu den verschiedenen Themen des maschinellen Lernens und des Deep Learningist definitiv ein Muss für alle, die mehr als nur die Einführung in die Grundlagen des maschinellen Lernens suchen, die wir bisher gesehen haben.
Deep Learning Summer School Talks
Auf dieser Website finden Sie Videovorträge von einigen der besten Experten für maschinelles Lernen, die in den letzten Jahren an der Montreal Deep Learning Summer School gehalten wurden. In diesen Videos - Begleitfolien zu den Videos sind ebenfalls verfügbar - geht es in erster Linie um fortgeschrittenere theoretische Themenals die Grundlagen, aber wenn Sie sich bereit fühlen, tauchen Sie gleich ein.
Tutorials zum maschinellen Lernen für die Verarbeitung natürlicher Sprachen
Mithilfe dieser Ressourcen lernen Sie, wie Sie große Mengen von Textdaten analysieren, um die Bedeutung des gesamten Rauschens zu ermitteln.
Verarbeitung natürlicher Sprache mit Python
Dieser Online-Text ist über HTML verfügbar und ein wesentlicher Text zum Erlernen der Verarbeitung natürlicher Sprache mit Python. Er verwendet das Python Natural Language Toolkit, die API-Bibliothek, auf die sich Ihre Ausbildung zur Verarbeitung natürlicher Sprache in Zukunft stützen wird. Lernen Sie sie daher am bestenjetzt sofort.
Deep Learning für Tutorials zur Verarbeitung natürlicher Sprache
Dies ist eine Sammlung von Jupyter-Notizbüchern, die Jon Krohns Tutorial-Videos zur Verarbeitung natürlicher Sprache mithilfe von Deep Learning begleiten. Zu seinen Themen gehört die Vorverarbeitung von Daten in natürlicher Sprache für Apps für maschinelles Lernen, die Umwandlung natürlicher Sprache in numerische Ausdrücke und Vorhersagen mit Modellentrainiert verwendet tiefes Lernen und vieles mehr.
So lösen Sie 90% der NLP-Probleme: eine Schritt-für-Schritt-Anleitung
Dies ist eine Reihe von Tutorials zum maschinellen Lernen, die auf Jupyter-Notizbüchern von basieren. Insight AIs Emmanuel Ameisen. Es gliedert verschiedene Themen des maschinellen Lernens in die grundlegenden Aufgaben, die zur Erreichung Ihres Ziels erforderlich sind, und bietet hilfreiche Diagramme, die Ihnen beim Verfolgen helfen.
Keras LSTM Tutorial
Dieses Tutorial zum maschinellen Lernen macht wirklich nur eines: Es zeigt Ihnen, wie Sie ein LSTM für die Keras-Sprachmodellierung erstellen. Es ist ein kurzes Tutorial, aber Sie können es in ein oder zwei Tagen fertigstellen und direkt von Anfang an verwendenum mit der Verarbeitung eigener großer Textdatensätze für die Vorhersagemodellierung zu beginnen.
Open Access-Kurse der Universität
Diese Kurse sind frei zugänglich mit Einschränkungen und bieten Unterricht auf Universitätsniveau zu Themen des maschinellen Lernens.
UC Berkeley - Einführung in AI
Dies ist ein Open-Access-Kurs auf Universitätsniveau zur Einführung in die KI-Entwicklung von einer der besten Universitäten der Welt. Es gibt keine College-Anrechnungspunkte, niemand wird Ihre Arbeit benoten, und der Zugang zu einigen Materialien ist begrenzt, aber die wesentlichen MaterialienSie müssen mit dem maschinellen KI-Lernen beginnen.
University College London - Reinforcement Learning
Dieser Open-Access-Kurs bietet Unterricht in einem anderen Bereich des maschinellen Lernens, über den wir nicht viel gesprochen haben, dem verstärkten Lernen. Diese wichtige Methode des maschinellen Lernens ist ein nützliches Werkzeug für Ihren Werkzeuggürtel für maschinelles Lernen, und dieser Kurs vom University College London istein großartiger Ort, um zu lernen, was Sie wissen müssen.