في هذا المنشور ، نشارك معك مجموعة مختارة من رؤى علوم البيانات المفيدة من المؤسس المشارك والمدير التنفيذي للتكنولوجيا في DAGsHub ، وهو نظام أساسي للمجتمع والويب للتحكم في مراجعة البيانات والتعاون بين علماء البيانات ومهندسي التعلم الآلي. يتضمن الاختيار مجموعة متنوعة من المصادر ، من حسابات Twitter إلى المدونات الهندسية الكاملة التي تستهدف أولئك الذين يعرفون بالضبط ما يبحثون عنه. التفاصيل تحت الخفض.
من المؤلف:
أنت ما تأكله ، وبصفتك عامل معرفة ، فأنت بحاجة إلى نظام غذائي إعلامي جيد. أرغب في مشاركة مصادر المعلومات حول علوم البيانات والذكاء الاصطناعي والتقنيات ذات الصلة التي أجدها مفيدة أو جذابة. آمل أن يساعدك هذا أيضًا!
أوراق دقيقتين
قناة على YouTube مناسبة لمتابعة آخر الأخبار. يتم تحديث القناة بشكل متكرر ، ويتمتع المقدم بحماس شديد وسلوك إيجابي في جميع الموضوعات التي يتم تناولها. توقع تغطية أعمال مثيرة للاهتمام ليس فقط عن الذكاء الاصطناعي ، ولكن أيضًا على رسومات الكمبيوتر والموضوعات الأخرى الجذابة.
يانيك كيلشر
يشرح يانيك تقنيًا على قناته على YouTube بحثًا مفيدًا في التعلم العميق بالتفاصيل التقنية. بدلاً من قراءة الدراسة بنفسك ، غالبًا ما يكون مشاهدة أحد مقاطع الفيديو الخاصة بها أسرع وأسهل للحصول على فهم أعمق للمقالات المهمة. تنقل التفسيرات جوهر المقالات دون إهمال الرياضيات ودون الضياع في الصنوبر الثلاثة. يشارك يانيك أيضًا وجهات نظره حول كيفية مقارنة الدراسات مع بعضها البعض ، ومدى جدية أخذ النتائج ، والتفسيرات الأوسع ، إلخ. يصعب على المبتدئين (أو الممارسين غير الأكاديميين) الوصول إلى هذه الاكتشافات بأنفسهم.
التقطير
بكلماتهم الخاصة:
يجب أن تكون أبحاث التعلم الآلي واضحة وديناميكية وحيوية. وتم إنشاء Distill للمساعدة في البحث.
Distill هو منشور فريد من نوعه مع أبحاث التعلم الآلي. يتم الترويج للمقالات باستخدام تصورات مذهلة لمنح القارئ فهمًا أكثر سهولة للمواضيع. يميل التفكير والخيال المكانيان إلى العمل بشكل جيد للغاية في المساعدة على فهم موضوعات التعلم الآلي وعلوم البيانات. في المقابل ، تميل تنسيقات النشر التقليدية إلى أن تكون جامدة في بنيتها ، ثابتة وجافة ، وأحيانًا "رياضية" . يحتفظ كريس أولاه ، أحد مؤسسي Distill ، أيضًا بمدونة شخصية مذهلة على GitHub . لم يتم تحديثه لفترة طويلة ، لكنه لا يزال مجموعة من أفضل التفسيرات المكتوبة على الإطلاق حول موضوع التعلم العميق. على وجه الخصوص ، ساعدني وصف LSTM كثيرًا !
مصدر
سيباستيان رودر
يكتب سيباستيان رودر مدونة ورسالة إخبارية غنية بالمعلومات ، تتناول في المقام الأول تقاطع الشبكات العصبية وتحليل نصوص اللغة الطبيعية. كما أنه يقدم الكثير من النصائح للباحثين والمقدمين في المؤتمرات العلمية ، والتي يمكن أن تكون مفيدة للغاية إذا كنت تعمل في الأوساط الأكاديمية. عادة ما تكون مقالات سيباستيان في شكل مراجعات ، وتلخص وتشرح حالة البحث والطرق الحديثة في مجال معين. هذا يعني أن المقالات مفيدة للغاية للممارسين الذين يرغبون في الحصول على اتجاهاتهم بسرعة. سيباستيان أيضا تغريدات .
أندري كارباتي
أندري كارباتي لا يحتاج إلى مقدمة. بالإضافة إلى كونه واحدًا من أشهر الباحثين في التعلم العميق على وجه الأرض ، فهو ينشئ أدوات مستخدمة على نطاق واسع مثل arxiv sanity preserver كمشاريع جانبية. لقد دخل عدد لا يحصى من الأشخاص إلى هذا المجال من خلال دورة ستانفورد في cs231n ، وستجد أنه من المفيد معرفة وصفته لتعلم الشبكة العصبية. أوصي أيضًا بمشاهدة حديثه حول تحديات العالم الحقيقي التي يجب على Tesla التغلب عليها عند محاولة تطبيق التعلم الآلي على نطاق واسع في العالم الحقيقي. الكلام غني بالمعلومات ومثير للإعجاب ورصين. بالإضافة إلى مقالات حول ML مباشرة، أندري كارباتي يعطي نصائح حياة جيدة لالعلماء الطموحين . اقرأ أندرو على Twitter و Github .
هندسة اوبر
تعد مدونة Uber الهندسية رائعة حقًا من حيث النطاق والعرض ، حيث تغطي العديد من الموضوعات ، بما في ذلك الذكاء الاصطناعي . ما أحبه بشكل خاص في الثقافة الهندسية لشركة Uber ، هو ميلهم إلى إنتاج بعض المشاريع القيمة والمثيرة للاهتمام للغاية ذات المصدر المفتوح بوتيرة سريعة. وهنا بعض الأمثلة:
- لودفيج
- h3
- رد فعل تجاه
- aresdb
- والقائمة تطول ... القبعات ، أوبر
مدونة OpenAI
وبغض النظر عن الخلافات ، فإن مدونة OpenAI جميلة بلا شك. من وقت لآخر ، تنشر المدونة محتوى وأفكارًا حول التعلم العميق التي لا يمكن أن تأتي إلا على مستوى OpenAI: ظاهرة افتراضية للنسب المزدوج العميق. يميل فريق OpenAI إلى النشر بشكل غير منتظم ، ولكنه مهم.
مصدر
مدونة Taboola
مدونة Taboola ليست معروفة جيدًا مثل بعض المصادر الأخرى في هذا المنشور ، لكنني أجدها فريدة - يكتب المؤلفون عن تحديات العالم الواقعي الدنيوية جدًا عند محاولة تطبيق ML في التصنيع من أجل عمل "عادي": سيارات أقل ذاتية القيادة و وكلاء RL الفائزين أبطال العالم ، المزيد حول "كيف أعرف أن نموذجي يتنبأ الآن بالأشياء بثقة زائفة؟" هذه المشكلات ذات صلة بكل شخص تقريبًا يعمل في هذا المجال ، وهي تتلقى تغطية صحفية أقل من موضوعات الذكاء الاصطناعي الأكثر شيوعًا ، ولكن لا يزال الأمر يتطلب مواهب عالمية المستوى لمعالجة هذه المشكلات بشكل صحيح. لحسن الحظ ، لدى Taboola هذه الموهبة والرغبة والقدرة على الكتابة عنها حتى يتمكن الآخرون من التعلم أيضًا.
رديت
إلى جانب Twitter ، لا يوجد شيء أفضل على Reddit من الانخراط في البحث أو الأدوات أو حكمة الجمهور.
حالة الذكاء الاصطناعي
يتم نشر المنشورات سنويًا فقط ، لكنها مليئة بالمعلومات بشكل مكثف للغاية. مقارنة بالمصادر الأخرى في هذه القائمة ، يمكن الوصول إلى هذا المصدر بشكل أكبر لرجال الأعمال غير التقنيين. ما أحبه في التقارير هو أنها تحاول تقديم رؤية أكثر شمولاً حول الاتجاه الذي تتجه إليه الصناعة والبحث ، وربط التطورات في الأجهزة ، والبحوث ، والأعمال التجارية ، وحتى الجغرافيا السياسية من منظور طائر. تأكد من أن تبدأ في النهاية للقراءة عن تضارب المصالح.
المدونة الصوتية
بصراحة تامة ، أعتقد أن البودكاست غير مناسب للتعرف على الموضوعات التقنية. بعد كل شيء ، يستخدمون الصوت فقط لشرح الموضوعات ، وعلم البيانات هو مجال مرئي للغاية. تميل المدونات الصوتية إلى إعطائك سببًا لإجراء بحث أعمق لاحقًا أو الدخول في مناقشات فلسفية. ومع ذلك ، إليك بعض الإرشادات:
- بودكاست بواسطة ليكس فريدمان عندما يتحدث إلى باحثين بارزين في مجال الذكاء الاصطناعي. الحلقات مع فرانسوا شوليت جيدة بشكل خاص!
- بودكاست هندسة البيانات . من الجيد أن نسمع عن أدوات البنية التحتية للبيانات الجديدة.
قوائم رائعة
إليك القليل مما يجب الانتباه إليه ، ولكن هناك المزيد من الموارد للمساعدة عندما تعرف ما تبحث عنه:
تويتر
-
, , — Twitter. . -
— . -. , , . , , . -
fast.ai, . -
ML Github, . - فرانسوا
شوليت ، مبتكر Keras ، يحاول الآنتحديث فهمنا لماهية الذكاء وكيفية اختباره. - عالم أبحاث Hardmaru
في Google Brain.
خاتمة
قد يتم تحديث المنشور الأصلي حيث يجد المؤلف مصادر رائعة للمحتوى سيكون من العار عدم سردها. لا تتردد في متابعته على Twitter إذا كنت تريد أن توصي بمصدر جديد! أيضا DAGsHub يستأجر المحامي [تقريبا. ترجمة. ممارس عام] في علوم البيانات ، لذلك إذا كنت تنشئ محتوى خاصًا بعلوم البيانات ، فلا تتردد في الكتابة إلى مؤلف المنشور.
طور نفسك من خلال قراءة المصادر الموصى بها ، وباستخدام الرمز الترويجي HABR ، يمكنك الحصول على 10٪ إضافية للخصم الموضح على الشعار.
- المعسكر التدريبي عبر الإنترنت لعلوم البيانات
- تدريب مهنة محلل البيانات من الصفر
- المعسكر التدريبي لتحليلات البيانات على الإنترنت
- تدريس مهنة علوم البيانات من الصفر
- دورة بايثون لتطوير الويب
المزيد من الدورات