Не упустите возможность! Запишитесь на БЕСПЛАТНЫЕ курсы до окончания 2023 года
Don't miss out! Sign up for FREE courses until the end of 2023.
Последний квартал года – это время, когда люди оживают. У вас есть последний рывок, чтобы достичь годовых целей и попасть в 2024 год. Будь то начало новой карьеры в сфере технологий или развитие ваших текущих навыков, саморазвитие важно.
Постоянное развитие технологий вызывает спешку, чтобы попасть в эту отрасль. Люди из всех сфер жизни хотят в ней участвовать. Цель этого блога – предоставить вам список отличных БЕСПЛАТНЫХ курсов, которые вы можете пройти, чтобы помочь вам добиться этого. Я разделю его на разделы по темам, чтобы вам было проще ориентироваться в вашей области интересов.
Все эти бесплатные курсы доступны на YouTube, что делает их похожими на настоящий курс. Трудно найти правильный контент на YouTube из-за его огромного количества! Надеюсь, этот статья облегчит ваш поиск, так что приступим.
- Раскрывая знания в эпоху данных
- Ведение с данными искусство рассказа с Анандом С.
- Как синтетические данные могут быть использованы для больших языковых моделей
Машинное обучение
1. Введение в машинное обучение, 2020/21
Ссылка: Введение в машинное обучение, Дмитрий Кобак, 2020/21
2. Stanford CS229: Машинное обучение
Ссылка: Stanford CS229: Полный курс по машинному обучению, ведущий Андрю Нг
3. Cornell Tech CS 5787: Прикладное машинное обучение
Ссылка: Прикладное машинное обучение (Cornell Tech CS 5787, осень 2020)
4. Знакомство с машинным обучением
Ссылка: Знакомство с машинным обучением, Касси Козырков
5. Основные модели
Ссылка: Основные модели
Статистика
1. Статистическое машинное обучение
Ссылка: Статистическое машинное обучение
Глубокое обучение
Начинающие:
1. MIT 6.S191: Введение в глубокое обучение
Ссылка: Введение в глубокое обучение
2. Введение в глубокое обучение CMU
Ссылка: Введение в глубокое обучение: Лекции 11785 весна 2023 года
3. MIT: Введение в глубокое обучение
Ссылка: Введение в глубокое обучение
4. Нейронные сети: от новичка к профи
Ссылка: Нейронные сети: от новичка к профи
5. Основы глубокого обучения RL
Ссылка: Основы глубокого обучения RL
Продвинутые:
1. Stanford CS230: Глубокое обучение
Ссылка: Stanford CS230: Глубокое обучение, осень 2018 года
2. Stanford CS25 – Transformers United
Ссылка: Transformers United
3. MIT 6.S192: Глубокое обучение для искусства, эстетики и творчества
Ссылка: Глубокое обучение для искусства, эстетики и творчества
4. CS 285: Глубокое обучение с подкреплением
Ссылка: Глубокое обучение с подкреплением
5. Stanford: Обучение с подкреплением
Ссылка: Обучение с подкреплением
6. Berkeley: Глубокое неподкрепленное обучение
Ссылка: Глубокое неподкрепленное обучение, весна 2020 года
7. NYU Глубокое обучение
Ссылка: Deep Learning SP21
8. Full Stack Глубокое обучение
Ссылка: Full Stack Глубокое обучение 2021 года
9. Глубокое обучение для компьютерного зрения
Ссылка: Глубокое обучение для компьютерного зрения
Обработка естественного языка
1. Курс Hugging Face: NLP
Ссылка: NLP: Hugging Face Course
2. Stanford CS224U: Понимание естественного языка
Ссылка: Понимание естественного языка
3. CMU Advanced NLP
Ссылка: Advanced NLP, 2022
4. CMU Многоязычный NLP
Ссылка: Многоязычный NLP
5. UMass CS685: Продвинутая обработка естественного языка
Ссылка: Продвинутая обработка естественного языка
Практические курсы
1. Практическое обучение глубоким нейронным сетям для разработчиков
Ссылка: Практическое обучение глубоким нейронным сетям для разработчиков
2. Машинное обучение для производства (MLOps)
Ссылка: Машинное обучение для производства
И это все!
Заключение
Как я уже упоминал ранее, существует множество курсов, и может быть сложно выбрать один из них. Возможно, у вас есть предпочтение к определенному голосу лектора или способу его презентации. Существует много факторов, которые следует учитывать.
Я предоставил обширный список в каждом разделе, чтобы помочь вам выбрать тот, который вам больше всего нравится и с которым вы можете продолжить свое обучение.
Надеюсь, этот список поможет вам. И если у вас есть хорошие ресурсы, пожалуйста, поделитесь ими в комментариях, чтобы поделиться ими с обучающим сообществом – спасибо!
Удачного обучения! Ниша Арья – дата-сайентист, фрилансер-технический писатель и менеджер сообщества в VoAGI. Она особенно заинтересована в предоставлении карьерных советов или обучающих материалов по Data Science, а также в изучении различных способов, которыми искусственный интеллект может быть полезен для продолжительности человеческой жизни. Она стремится расширить свои знания в области технологий и навыки письма, помогая при этом другим.