Melhores recursos para aprender teoria profunda da aprendizagem

Quer saber quais são os melhores recursos para iniciar sua jornada de aprendizado profundo? Aqui está uma lista com curadoria de coleções que economizarão muito tempo.

Provavelmente o curso introdutório mais popular no momento. Desenvolvido e ensinado pela Deeplearning.ai em cooperação com Andrew Ng, este curso ensinará todos os princípios dos fundamentos por trás do aprendizado profundo, como desenvolver e treinar modelos com Python e Tensorflow, bem como estudos de caso do mundo real.

Instrutores: Andrew NgAssim, Kian KatanforooshAssim, Younes Bensouda Mourri

Sub-Courses:

1. Redes neurais e aprendizado profundo

2. Melhorando redes neurais profundas: ajuste de hiperparâmetro, regularização e otimização

3. Estruturar projetos de aprendizado de máquina

4. Redes neurais convolucionais

5. Modelos de sequência

https://www.youtube.com/watch?v=cs4cs9xvecg

Um conjunto de palestras de alto nível do MIT, que fornece uma ótima visão geral do campo de aprendizado profundo. O código -fonte aberto também é oferecido ao lado de palestras em vídeo, tornando -o ideal para iniciantes. Uma grande vantagem para mim é a incrível lista de palestrantes convidados das principais empresas como Google, Nvidia e IBM.

Tópicos que particularmente chamaram nossa atenção:

Instrutores: Alexander AminiAssim, Ava Soleimy aquele meu

https://www.youtube.com/watch?v=5tvmmx8r_om

Uma ótima combinação de palestras em vídeo e estágios de Yann Lecun e NYU cobre uma das mais ampla gama de tópicos. De redes convolucionais a transformadores e redes neurais gráficas. Observe que você precisará de uma base sólida em matemática e Pytorch para acompanhar. Junto com os vídeos, também existem slides e notebooks.

O que chamou nossa atenção:

Instrutores: Yann Lecun Assim, Alfredo Canziani na NYU

https://www.youtube.com/watch?v=0bme_vczo30

Este é um curso que depende fortemente da matemática e requer uma formação muito forte em cálculo, álgebra e probabilidades. Mas se você estiver bem com isso, olha para o curso mais detalhado da lista com pesquisas de última geração. Ótimo trabalho da equipe DeepMind em colaboração com a UCL. Existem slides, bem como vídeos do YouTube.

Palestras fascinantes:

• Atenção e memória no aprendizado profundo

• Modelos avançados Para visão computacional (modelos 3D, fluxo óptico)

• Inovação responsável (na IA)

Instrutores: DeepMind pesquisadores. Quão legal é isso?

https://www.youtube.com/watch?v=7r52wiugxzi

A partir de conceitos fundamentais de ML e terminando com tópicos avançados como reforço e aprendizado generativo, este curso da UC Berkeley é para quem procura um recurso tudo em um. Uma ótima opção se você deseja construir intuição e obter uma sólida compreensão da matemática por trás do aprendizado profundo. Novamente, tudo é fornecido em vídeos com slides que o acompanham.

Tópicos super interessantes:

Instrutores: Sergey Levine na UC Berkeley

https://www.youtube.com/watch?v=rsy1pvgdz4i

Este curso segue uma abordagem mais prática e oferece a oportunidade de usar o Tensorflow e o Pytorch. Se você deseja enfrentar problemas na vida real, como reconhecimento de imagem, previsão de preços das ações e sistemas de recomendação, essa é uma excelente opção. Os vídeos estão bem organizados na plataforma Udemy.

Conteúdo raro que encontramos no curso:

• Mapas auto-organizados

• Máquinas Boltzmann

Instrutores: Kirill EremenkoAssim, Hadelin de PontevesAssim, Equipe de Ligência

Um grande curso de Udacity pode ser visto mais como um bootcamp leve do que um curso. Uma escolha ideal para completo iniciantes que querem entrar em campo o mais rápido possível. Você aprenderá as arquiteturas de aprendizado profundo mais populares, tanto de um ponto de vista matemático quanto técnico, e escreverá muito código Python para resolver problemas do mundo real.

Projeto Spotlight: Construa e implante seu próprio modelo de análise de sentimentos

Instrutores: Mat Leonard, Luis Serrano, Cezanne Camacho, Alexis Cook, Jennifer Staab, Sean Carrell, Ortal Ael, Jay Alammar em colaboração com a AWS e o Facebook AI

Um livro de aprendizado profundo interativo que cobre quase tudo. A melhor parte? Cada lição vem com código TensorFlow, Pytorch e MXNET. Os autores realmente fizeram um ótimo trabalho tentando explicar o aprendizado profundo do zero. Se você gosta mais de abordagens baseadas em texto, isso é para você.

É recomendável usar esse recurso como manual de referência em vez de material de partida.

Instrutores: Aston ZhangAssim, Zack C. LiptonAssim, Mu liAssim, Alex J. SmolaAssim, Brent WernessAssim, Rachel HuAssim, Shuai ZhangAssim, Yo

Fonte: DIVE-A-APRECIAMENTO

Andrew Trask fez um bom trabalho explicando os fundamentos em seu livro. Imagens incrivelmente úteis, código fácil de ler e uma ótima mistura de intuição e explicações matemáticas. O uso de Just Python e Numpy (sem estrutura de aprendizado profundo) o torna uma escolha natural se você quiser aprender as coisas completamente do zero. Você pode usar o código Aisummer35 para obter um desconto.

Autor: Andrew W. Trask

O livro final para começar o aprendizado profundo junto com Pytorch. Todos os dias, ouvimos sobre novas maneiras de usar o aprendizado profundo: melhorado imagem médicaDetecção de fraude de cartão de crédito precisa, previsão do tempo de longo alcance e muito mais. Este livro foi escrito por usuários de pytorch realmente experientes. Abrange o básico e as abstrações em grande detalhe. Se você gosta de um pouco de matemática e para ver como as coisas funcionam no código, este é para você. Você pode usar o código Aisummer35 para obter um desconto.

Autores: Eli Stevens, Luca Antiga e Thomas Viehmann

A Bíblia Sagrada de aprendizado profundo. Escrito pelos principais pioneiros do campo, este é o livro que todo praticante ou pesquisador de aprendizado profundo deve ler pelo menos uma vez. Embora esteja escrito em 2014, fornece matemática e fundo super sólidos. Você precisa estar muito familiarizado com a matemática, como álgebra, cálculo da matriz e teoria de probabilidade para realmente extrair o valor máximo deste. Não é recomendado para iniciantes, mas um excelente manual. Está disponível no site, mas você também pode comprar sua cópia da Amazon.

Autores: Ian GoodfellowAssim, Joshua BengoAssim, Aaron Courville

Fonte: deeplearningbook.org

* Divulgação: Observe que alguns dos links acima podem ser links de afiliados e, sem custo adicional, ganharemos uma comissão se você decidir fazer uma compra depois de clicar.