1) Deep Learning Drizzle - https://github.com/kmario23/deep-learning-drizzle
Это структурированный репозиторий, где вы можете найти все бесплатные курсы по:
- Ванильному машинному обучению
- Обработке естественного языка
- Компьютерному зрению
- Обучению с подкреплением
Репозиторий дал мне базовые понятия и инструменты, которые я смог использовать для реализации различных проектов. Благодаря ему я понял: машинное обучение это интересно!
2) Awesome Machine Learning - https://github.com/josephmisiti/awesome-machine-learning
Тут вы найдете большой список для ваших проектов:
- ML фреймворков
- Библиотек
- Софта
Это настоящая находка для людей, интересующихся машинным обучением. Здесь множество полезных материалов, начиная от базовой теории и заканчивая практическими примерами кода. Помимо статей и обучающих материалов тут можно найти разработанные аналитические алгоритмы и модели для применения в разнообразных сферах.
3) Made with ML - https://github.com/GokuMohandas/Made-With-ML
Топ репозиторий для изучения MLOps. Также поможет вам изучить основы машинного обучения с помощью интуитивно понятных объяснений, чистого кода и визуализаций.
4) Home Made Machine Learning - https://github.com/ashishpatel26/Andrew-NG-Notes
Курс Andrew NG по машинному обучению на Coursera — один из лучших курсов машинного обучения для начинающих. Вы можете найти все заметки, связанные со всем курсом. Этот курс предоставил мне качественную основу для дальнейшего изучения машинного обучения, рассказал интересные кейсы и примеры и помог мне понять, как высокие технологии ML применяются на практике.
5) Data Science IPython - https://github.com/donnemartin/data-science-ipython-notebooks
В машинном обучении существует множество фреймворков, поэтому наличие Jupyter Notebook Explanations для всех них очень удобно. Этот репозиторий поможет вам погрузиться во все, что связано с анализом данных глубже.
6) Kaggle Solutions - https://github.com/faridrashidi/kaggle-solutions
Этот репозиторий предоставляет доступ почти ко всем доступным лучшим решениям и идеям, которыми поделились лучшие исполнители на соревнованиях Kaggle.
Kaggle - это пространство для анализа данных и машинного обучения, где доступны соревнования, наборы данных и инструменты для разработки и протестирования моделей машинного обучения. Здесь можно найти соответствующие данные и инструменты для решения разнообразных задач, а также участвовать в конкурсах и работать с другими профессиональными и любительскими разработчиками.
7) Stanford CS Machine Learning - https://github.com/afshinea/stanford-cs-229-machine-learning
Всегда удобно иметь шпаргалки для быстрого доступа к информации. Этот репозиторий состоит из шпаргалок по машинному обучению из Стэнфордского университета. Имеется много фундаментальной и прикладной математики, поэтому это может быть немного сложно. Однако, существует много инструментов, которые упрощают и улучшают процесс анализа данных, что делает его еще более полезным. Это прекрасный курс для людей, которые хотят получить полный обзор вместе с глубоким проникновением в область машинного обучения и анализа данных.