С чего я начал изучать ИИ. Подборка бесплатных и удобных ресурсов 2: Теория и практика ML и AI
В прошлом посте я делился полезными курсами по Python, статистике и линейной алгебре — как базисе для входа в ML. Теперь, когда фундамент заложен, пришло время делать следующий шаг — в нейросети.
Ниже — ресурсы, которые я нашёл, проверил и могу рекомендовать. Всё бесплатно и подходит даже для начинающих.
📹 Вводный курс по нейросетям (на русском)
🔗 https://youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi
Переведённый курс, в котором наглядно объясняются основные концепции: что такое нейросети, как они работают, из чего состоят. Подойдёт как самый первый курс для понимания структуры и логики.
📘 Бесплатная книга по нейросетям
🔗 https://sebastianraschka.com/books/ml-q-and-ai/
Автор — Себастьян Рашка. Открытая и довольно свежая книга по нейросетям и машинному обучению. На английском, но написана просто и понятно. Спасибо @Neflenor за наводку.
🧪 Практический курс от Google (на русском!)
🔗 https://developers.google.com/machine-learning/crash-course?hl=ru
Крутейший интерактивный курс от Google:
Основы машинного обучения
Как работает обучение моделей
Работа с данными
Основы нейросетей
Всё это — прямо в браузере, без установки чего-либо. Отличный старт для тех, кто хочет «пощупать руками» ML.
🧠 fast.ai — Практическое глубокое обучение
🔗 https://www.fast.ai/
Образовательный проект с философией «глубокое обучение — для всех». Главный курс Practical Deep Learning for Coders учит сразу на практике, с PyTorch и библиотекой fastai.
Подойдёт, если ты уже немного разобрался в Python и хочешь сразу писать нейросети, а не читать теорию годами.
Проект появился в 2022 году — часть материалов немного устарела, но базовые принципы остаются актуальны.
⚙️ scikit-learn — библиотека классического ML
🔗 https://scikit-learn.org/stable/
Официальная документация и туториалы по scikit-learn — одной из самых популярных библиотек Python для классического машинного обучения: регрессия, классификация, деревья решений, кластеризация.
Если хочешь понять «традиционный» ML без нейросетей — отличный выбор. Хорошо документирован, просто подключается и применяется к датафреймам из Pandas.
🔬 TensorFlow — официальные туториалы
🔗 https://www.tensorflow.org/tutorials?hl=ru
Один из самых мощных фреймворков для глубокого обучения. Здесь — огромный набор примеров и руководств:
классификация изображений, текста,
обучение нейросетей на GPU,
экспорт и деплой моделей.
Подходит уже после базового понимания нейросетей. Примеры можно запускать в Colab.
⛳ На этом этапе...
…уже можно переходить от слов к делу: обучать свои первые модели, пробовать классификацию, играть с нейросетями.
На этом этапе сейчас нахожусь я сам, только начал практический курс от Гугл. Когда доберусь до следующего поста расскажу, какие задачи я пробовал решать на практике и с чего реально можно начать новичку без PhD по математике.