فرادرسمتون آموزشی پیشنهادی دانشمندان داده برای یادگیری ماشین — فهرست کاربردی
در این مطلب، لیستی از کتاب‌ها، یادداشت‌ها، ارائه‌ها، «تقلب‌نامه‌ها» (Cheat Sheets) و راهنماهایی آورده شده است که جنبه‌های گوناگون «علم داده» (Data Science)، «یادگیری ماشین» (Machine Learning)، «یادگیری عمیق» (Deep Learning)، آمار، ریاضیات و دیگر موارد را به صورت رایگان پوشش می‌دهند. اغلب منابع آموزشی یادگیری ماشین به زبان انگلیسی که در این مطلب معرفی شده‌اند، در سال‌های 201۸ و ۲۰۱۹، توسط متخصصینی در زمینه‌های مربوطه تولید شده‌اند. برخی از این مستندات، در لینکدین قرار دارند؛ چگونگی دانلود این موارد، در انتهای این مطلب آموزش داده شده است.
منابع آموزشی یادگیری ماشین به زبان انگلیسی
ابتدا، منابع عمومی معرفی شده‌اند و سپس، منابع ویژه فراگیری علم داده، تقلب‌نامه‌ها و همچنین، منابع معرفی شده توسط «ویپول پاتل» (Vipul Patel) (دانشمند داده ارشد در SAP) ارائه شده‌اند.
منابع عمومی
- کتاب رایگان یادگیری عمیق [+]، ۶۳۹ صفحه، نوشته «گیلز لوپه» (Gilles Louppe)
- کتاب رایگان یادگیری عمیق [+]، بیش از ۷۰۰ صفحه، انتشارات ام‌آی‌تی
- دوره آموزشی پایتون [+]، ۵۶۲ صفحه ، نوشته «اریک ماتیز» (Eric Matthes)
- کتاب رایگان: علم داده کاربردی [+]، ۱۴۱ صفحه، دانشگاه کلمبیا
- علم داده در عمل [+]
- یادگیری ماشین ۱۰۱ [+]، نوشته جیسون مایز، گوگل
- دستنامه (هندبوک) رایگان برای متخصصان علم داده [+]
- کتاب رایگان: پردازش زبان طبیعی با پایتون [+]
- منابع بصری‌سازی داده‌ها [+]
- کتاب درسی: دوره احتمال [+]، دانشگاه هاروارد
- راهنمای جامع یادگیری ماشین [+]، دانشگاه برکلی
- کتاب رایگان: پایه و اساس علم داده [+]، مایکروسافت ریسرچ
- راهنمای جامع یادگیری ماشین [+]، ۲۸۰ صفحه، جی‌پی مورگان
- نگاهی به جبر خطی [+]، وینسنت گرندول
منابع علم داده
- آمار: پایه و اساس جدید، جعبه ابزار و دستورالعمل‌های یادگیری ماشین [+]
- یادگیری عمیق و بینایی کامپیوتری با شبکه‌های عصبی پیچشی [+]
- آغاز به کار با تنسورفلو ۲.۰ [+]
- دسته‌بندی و رگرسیون در تعطیلات [+]
- یادگیری ماشین اَژور در تعطیلات [+]
- هوش مصنوعی در کسب و کار - چشم‌انداز کاربردی [+]
- مخزن جامع علم داده و منابع یادگیری ماشین [+]
- مبانی یادگیری ماشین و علم داده برای توسعه‌دهندگان [+]
- آموزش شبکه‌های عصبی پیش‌انتشار و پس‌انتشار [+]
- فراگیری ریاضیات علم داده [+]
تقلب‌نامه‌ها
- تقلب‌نامه SQL [+]
- تقلب‌نامه یادگیری عمیق استنفورد [+]
- تقلب‌نامه یادگیری ماشین [+]
- تقلب‌نامه‌های شبکه‌های عصبی بازگشتی و پیچشی [+]
- مجموعه تقلب‌نامه‌های یادگیری ماشین و علم داده [+]
- تقلب‌نامه احتمال [+]، دانشگاه هاروارد
- تقلب‌نامه علم داده [+]، نوشته ماوریک لین
- سایر تقلب‌نامه‌های علم داده [+]
منابع معرفی شده توسط ویپول پاتل (دانشمند داده ارشد در SAP)
لیستی که در ادامه ارائه می‌شود، توسط ویپول پاتل، دانشمند داده ارشد در SAP، تحت عنوان ۱۰۰ روز یادگیری ماشین، معرفی شده است. دسترسی به این منابع، از طریق این لینک [+] امکان‌پذیر است.
- راهنمای کتابخانه‌های علم داده (پایتون و آر)
- ترجمه ماشینی از جنگ سرد تا یادگیری عمیق
- الگوریتم‌ها - یادداشتی برای متخصصان
- راهنمایی برای مهندسی ویژگی خودکار با استفاده از Featuretools در پایتون
- تقلب‌نامه گیت
- فناوری‌های پردازش زبان طبیعی، درک زبان طبیعی و تولید زبان طبیعی
- راهنمای کاربردی برای مبانی SQL
- مقایسه چارچوب‌های یادگیری عمیق
- مثال های مقدماتی پیرامون بهینه‌سازی بیزی در پایتون و هایپرپات
- ۵ کتابخانه پردازش زبان طبیعی برای علم داده
- جستجوی شبکه‌ای در یادگیری ماشین: آموزش سریع و پیاده‌سازی در پایتون
- آناتومی یک چت‌بات
همچنین، لیست دیگری نیز در همین راستا توسط ویپول پاتل ارائه شده است که از طریق لینک ارائه شده در بالا، در دسترس هستند. این منابع در ادامه بیان شده‌اند.
- ۱۰ الگوریتم برتر: مزایا، معایب و کاربردها
- مهندسی ویژگی‌ها - استفاده بهتر از مدل‌های پیشین
- استخراج ویژگی‌ها از متن - راهنمای گام به گام پردازش زبان طبیعی
- از چه الگوریتم‌های یادگیری ماشینی استفاده کنیم؟
- ارائه بصری یادگیری عمیق
- ۴۰ پرسش مصاحبه‌های استخدامی همراه با پاسخ آن‌ها
- راهنمای گام به گام پاک‌سازی داده‌ها با پایتون (NumPy و پانداس)
- بررسی موردی یادگیری ماشین در صنایع
- آموزش مقدماتی و کاربردی اسکریپت‌نویسی وب در پایتون
- راهنمای جامع تشخیص گفتار با پایتون
- نقشه ذهنی ساخت مدل
- دوره یادگیری عمیق کورسرا، مدرس: اندرو وو
دانلود مستندات موجود در لینکدین
برای دانلود مستنداتی که در لینکدین موجود هستند، ابتدا باید نشانگر موس را روی پست مورد نظر برد. در این شرایط، یک جعبه سیاه مانند آنچه در تصویر زیر وجود دارد، نمایش داده می‌شود. سپس، باید روی مربع کوچک موجود در سمت راست کلیک شود.
در نتیجه، سند در حالت تمام صفحه نمایش داده می‌شود. در مرورگر کروم، طی نمایش تمام صفحه، علامت دانلود در بالا و سمت راست صفحه نمایش داده می‌شود. با کلیک روی آن، می‌توان فایل را دانلود کرد. در دیگر مرورگرها، ممکن است محل نمایش علامت دانلود، متفاوت باشد.
اگر نوشته بالا برای شما مفید بوده است، آموزشهای زیر نیز به شما پیشنهاد می‌شوند:
- مجموعه آموزشهای داده‌کاوی و یادگیری ماشین
- آموزش داده‌کاوی در متلب
- مجموعه آموزشهای هوش مصنوعی
- فراگیری مفاهیم هوش مصنوعی — مجموعه مقالات جامع وبلاگ فرادرس
- آموزش یادگیری ماشین با مثال های کاربردی — مجموعه مقالات جامع وبلاگ فرادرس
- معرفی منابع جهت آموزش یادگیری عمیق (Deep Learning) — راهنمای کامل
- یادگیری علم داده (Data Science) با پایتون — از صفر تا صد
^^
