Comments 19
Спасибо. Пожалуй в закладки.
Неплохой и недорогой онлайн-курс для продолжающих есть на OTUS.
40 000 это не дорого?
Уровень middle/senior за 3 месяца и 40к рублей — звучит как абсолютная чушь.
Недавно в телеграмм-канале addmeto рекомендовали один практический курс без полного погружения в теорию:
Я бы с радостью его прошёл если бы в данный момент не занимался ещё более приближенными к практике вещами, о чём мне ещё предстоит написать статью в ближайший месяц.
Возможно кто-то переведёт этот курс на русский для хабра.
Я как-то уже рассказывал, что считаю курс “practical deep learning for coders” лучшим в своем жанре. Так вот, вышла вторая его часть и она классная. Если вдруг вы хотите заниматься нейронными сетями, вы программист и почему-то еще не прошли этот курс — бегите, он бесплатный и правда отличный, без булшита. Да, конечно настоящим математикам этот курс не годится, он для тех кто как я — слегка программист, который хочет решать свои задачи course.fast.ai/part2.html
Я бы с радостью его прошёл если бы в данный момент не занимался ещё более приближенными к практике вещами, о чём мне ещё предстоит написать статью в ближайший месяц.
Возможно кто-то переведёт этот курс на русский для хабра.
Ну тут я считаю спорный вопрос. Если говорить о курсах для типичный кодеров, которые не хотят погружаться в матан, то не знаю зачем они нужны такие курсы. Реальная теория нейронных сетей комплексная и непростая, поэтому если вы хотите решать реальные задачи и решать их эффективно, вы обязаны понимать математическую суть алгоритмов. Потому что такие мелочи, как например то, что деревья лучше работают с категориальными признаками вы мало где прочитаете, или то, что данные нужно предобрабатывать для нейронной сети. Поэтому если стоит задача написать простенький классификатор на чистых данных и забыть, да, а если есть желание заниматься сложными задачами — без теории не обойтись.
Курс (fast.ai) на мой скромный взгляд очень хороший, думаю многим подойдет как старт изучения этой области.
Но самое главное, что как раз с такими взглядами его автор и пытается бороться. С тем, что индустрия искуственно завышает порог вхождения в deep learning, что кажется без PhD и кучи прочитанных книг туда и смотреть не стоит, никаких практических задач без этого не решить. Если хотите прямую речь — вот, слова самих создателей www.fast.ai/2017/11/16/what-you-need (раздел The background you need: 1 year of coding).
Курс наоборот идет сверху вниз. От большей абстракции к меньшей, к деталям реализации и (в меньшей степени) мат. аппарату который за ним стоит.
Собственно немного про автора. Jeremy Howard — в течении нескольких лет был самым успешным участником соревнований kaggle (а потом кем-то вроде научного руководителя этого ресурса). Также у него несколько стартапов (как уже проданных, так все еще принадлежащих ему) в области машинного обучшения
Еще раз уточню — это не значит, что не надо знать основы, теорию, мат.аппарат и его особенности, просто ИМХО (и по мнению авторов курса) намного легче это изучать начиная с практических задач и спускаясь вниз к пониманию внутренних процессов там.
Про классическое машинное обучение (в смысле не нейронные сети) у него тоже курс есть, но про него не знаю, не смотрел.
Но самое главное, что как раз с такими взглядами его автор и пытается бороться. С тем, что индустрия искуственно завышает порог вхождения в deep learning, что кажется без PhD и кучи прочитанных книг туда и смотреть не стоит, никаких практических задач без этого не решить. Если хотите прямую речь — вот, слова самих создателей www.fast.ai/2017/11/16/what-you-need (раздел The background you need: 1 year of coding).
Курс наоборот идет сверху вниз. От большей абстракции к меньшей, к деталям реализации и (в меньшей степени) мат. аппарату который за ним стоит.
Собственно немного про автора. Jeremy Howard — в течении нескольких лет был самым успешным участником соревнований kaggle (а потом кем-то вроде научного руководителя этого ресурса). Также у него несколько стартапов (как уже проданных, так все еще принадлежащих ему) в области машинного обучшения
Еще раз уточню — это не значит, что не надо знать основы, теорию, мат.аппарат и его особенности, просто ИМХО (и по мнению авторов курса) намного легче это изучать начиная с практических задач и спускаясь вниз к пониманию внутренних процессов там.
Про классическое машинное обучение (в смысле не нейронные сети) у него тоже курс есть, но про него не знаю, не смотрел.
«Возможно кто-то переведёт этот курс на русский для хабра.» — имхо без английского в этой области ну совсем делать нечего.
Всюду пишут про курсы «для начинающих», которых наплодилось уже немерено, что в большинстве своем выглядит как всем известная книга про 21 день. А кто-нибудь может подсказать нормальные курсы «для продвинутых»? В которых не будет перетирания простейшей линейной алгебры, а что-то для повышения квалификации. Вроде DeepBayes.
А есть ссылки или примеры готовых программ под конкретные задачи в виде платных/бесплатных решений, которые можно установить на свой рабочий пк/сервер и использовать дома/в организации?
Генетический алгоритм и теорию граф не увидел. Тензорная математика, ну это наверно в линейной алгебре? И что нибудь связанное с пустотой.
Прошу прощения за небольшую поправку. Если вы имеете в виду главного керасовода и автора «deep learning in python», то он таки Francois Chollet
Sign up to leave a comment.
Где и как изучать машинное обучение?