Макиенко Дарья
Веб-ресурсы для изучения машинного обучения, программирования и математики
Небольшая подборка сайтов, к которым я обращаюсь по мере надобности. Возможно, какие-нибудь из них пригодятся и вам.
-
Анализ малых данных | КвазиНаучный блог Александра Дьяконова (https://dyakonov.org/) На сайте присутствуют:
- Образовательная информация о машинном обучении (алгоритмы, метрики качества, подходы и теории, приёмы, визуализация, обзоры статей), программировании и математике для анализа данных;
- Примеры решения прикладных задач;
- Тесты для проверки знаний;
- Научно-популярные статьи о машинном обучении;
- Истории людей, занимающихся анализом данных.
-
Учебный курс по нейронным сетям (https://www.asozykin.ru/courses/nnpython) Курс по нейронным сетям посвящен практическому применению нейронных сетей с использованием библиотек Keras и TensorFlow. Решаются задачи анализа изображений и текстов. Помимо курса по нейронным сетям на этом сайте можно найти курсы по компьютерным сетям и основам SQL.
-
Google Colaboratory (https://colab.research.google.com/) Colaboratory, или просто Colab, позволяет писать и выполнять код Python в браузере. Написание кода происходит в Jupyter Notebook. Код в Colab исполняется на облачных серверах Google. Можно использовать аппаратное обеспечение Google, в том числе графические процессоры и TPU, независимо от мощности своей машины. Colab позволяет использовать для анализа и визуализации данных все возможности популярных библиотек Python. Colab активно используется в области машинного обучения для:
- знакомства с TensorFlow;
- разработки и обучения нейронных сетей;
- экспериментов с TPU;
- распространения исследований в области ИИ;
- создания руководств.
-
UCI Machine Learning Repository (https://archive.ics.uci.edu/ml/index.php) Широко известный репозиторий для машинного обучения. В нём можно найти наборы данных для задач классификации, кластеризации и регрессии.
-
Высшая математика для заочников и не только (http://www.mathprofi.ru/) На сайте присутствует разбор тем по математическому анализу, линейной алгебре и аналитической геометрии, дифференциальным уравнениям, теории вероятностей и математической статистике.