Меня часто спрашивают, к каким учебным ресурсам я обращаюсь, чтобы больше узнать о Data Science или искусственном интеллекте. Это сообщение в блоге позволит мне легко поделиться с другими ресурсами, от которых я зависел в своем обучении, и о том, как я использовал эти учебные ресурсы. Я начну с сайтов, на которые я захожу.
Arxiv.Org
Раньше журналы были очень закрытой областью, и каждый академик боролся зубами и когтями, чтобы опубликовать свои исследования в самом престижном (или известном в академических кругах как Tier 1). Наличие этих журналов сделало для меня работу в университете намного более привлекательной тогда, чем сейчас. Но аудитория, к которой обращаются эти журналы, очень ограничена, и с учетом нынешних обстоятельств, когда исследования больше не ограничиваются университетами, для продвижения человечества необходимо более широко распространять исследовательские статьи.
Именно здесь на помощь приходит Arxiv.Org. Он находится в библиотеке Корнельского университета и представляет собой сокровищницу исследований, проведенных многими академиками и неакадемиками. Там вы найдете много исследований и сможете узнать много нового о данных, алгоритмах, информатике и т. Д. Из Arxiv. Ключом к его использованию является возможность поиска по релевантным ключевым словам. В противном случае альтернативой могут быть группы FB или Reddit, где люди рекомендуют определенные исследовательские работы, и вы можете читать их на основе рекомендаций.
Я признаю, что статьи могут быть сложными для чтения, но вы должны сказать себе, что эти статьи не предназначены для того, чтобы закончить их за одно чтение. Вы должны прочитать его несколько раз, чтобы оценить и установить связь с тем, что вы узнали в предыдущих чтениях, и другими соответствующими знаниями, полученными ранее.
Так что приготовьтесь, если вы хотите заниматься наукой о данных и искусственным интеллектом. Arxiv.Org станет отличным компаньоном в вашем учебном путешествии.
StackOverflow
Вы не можете убежать от программирования, учитывая такое большое движение в области открытого исходного кода, и особенно крупные технологические компании открывают свои фреймворки машинного обучения, такие как Tensorflow, PyTorch, Keras и т. Д.
Поскольку вы не можете убежать от программирования, вы не можете убежать от самой распространенной и разочаровывающей задачи программиста - отладки! Для тех, кто кодирует, StackOverflow - это место, куда можно пойти и найти товарищей, которые уже сталкивались с той же ошибкой, и поискать решения. Я часто захожу в StackOverflow (да, я паршивый программист), чтобы найти возможные способы отладки, и чаще всего я получаю некоторые идеи о том, как оттуда отлаживать. Большая проблема состоит в том, чтобы попытаться понять, основываясь на заголовках вопроса, есть ли именно там решения, которые вы ищете. Таким образом, в большинстве случаев вам придется просмотреть несколько цепочек вопросов и ответов, прежде чем вы найдете возможное решение.
Средний
Блоги прошли долгий путь с момента своего создания (около 10 лет назад?). Блоги - это не просто место, где люди могут писать о мнениях, но теперь есть «продукты», такие как публикации, где они объединяют блоги схожей тематики, так что новые блоггеры, такие как я, легко получают готовую аудиторию. Готовая аудитория побуждает больше людей делиться своими мнениями и идеями.
Возвращаясь к тому, что сайты блогов, такие как Medium (особенно Medium), - отличное место для обучения. Помимо технических блогов, где они показали, как они решают бизнес-проблемы с помощью машинного обучения, также показаны коды и мыслительный процесс, что, на мой взгляд, очень ценно, потому что специалисты по данным являются поставщиками решений, и очень важно укрепить наш собственный мыслительный процесс и уметь смотреть на проблему под разными углами. Так что я подписываюсь на некоторые из этих публикаций на Medium, и Medium «рекомендовал» мне блоги, которые я хотел бы прочитать.
Я подписался на публикации TowardsDataScienc, HackerNoon, BecomingHuman и DataDrivenInvestors.
MOOC
Я почерпнул много знаний с сайтов MOOC, таких как Coursera, (особенно) Udacity и Edx. Мне понравились эти сайты, учитывая огромное количество знаний и материалов, предоставленных университетами по всему миру.
В настоящее время я прохожу модуль обучения с подкреплением на Udacity. Представьте себе, что в былые времена такие продвинутые модули не были доступны в Интернете, и если бы я узнал об этом, мне пришлось бы поспрашивать о рекомендованном учебнике, а затем есть хлеб (дешевый) в течение примерно месяца, прежде чем я накопил достаточно денег для учебник. Теперь, благодаря сайтам MOOC, я легко могу получить доступ к этим тщательно подобранным материалам.
Следует отметить, что в большинстве модулей есть очень краткие видеоролики, поэтому не ожидайте, что станете экспертом после изучения модулей. Он может дать вам список ключевых слов, которые вам нужно будет изучить в дальнейшем, чтобы лучше понять тему.
YouTube
Еще один спаситель жизни и большое спасибо университетам и технической встрече / конференции за размещение лекций и выступлений на YouTube! Я люблю это! В наши дни на YouTube доступно множество университетских лекций, и если мне нужно быстрое объяснение по определенным темам, я пойду на YouTube, найду короткое видео и воспроизведу его с 1,5–2-кратным увеличением (еще одна фантастическая функция!).
Всемирно известные университеты, такие как Массачусетский технологический институт и Стэнфорд, размещают свои лекции в Интернете и позволяют любому, у кого есть доступ в Интернет, «сидеть» на них и учиться вместе! Насколько это фантастично? Поэтому у меня есть список плейлистов, которые я надеюсь просмотреть и узнать больше о информатике / науке о данных / искусственном интеллекте.
Подкасты
Недавно я наткнулся на несколько подкастов, в которых рассказывается о Data Science и искусственном интеллекте. Они позволяют мне выслушивать различные мнения экспертов и дают мне возможность учиться во время моего долгого пути к встречам. Это большое расслабление - послушать, как другие эксперты в соответствующих областях делятся знаниями с окружающим миром. Я получил много знаний во время этих поездок на автобусе, и они также дают хорошее представление о новых концепциях. Я полагал, что эти воздействия происходят из-за спонтанности участника дискуссии / спикеров.
Заключение
Итак, это сайты, на которые я хожу, чтобы узнать и получить больше знаний о науке о данных и искусственном интеллекте. Без сомнения, это сайты, о которых вы, вероятно, слышали, но я делюсь здесь скорее для осознания того, что эти сайты, к которым вы привыкли, являются веб-сайтами, которые вы можете использовать, чтобы узнать больше о науке о данных и искусственном интеллекте.
Надеюсь, этот блог был вам полезен. Если да, поделитесь им. Получайте удовольствие от своего путешествия по науке о данных и обязательно посетите мои другие сообщения в блоге и Профиль LinkedIn.