Difference between revisions of "ML curriculum"
From Fiamma
Jump to navigationJump to search (Created page with "<pre> Мария, [05.03.18 21:55] - TensorFlow https://www.tensorflow.org/ -- Шарить что такое граф -- Шарить как работать с сессие...") |
|||
Line 1: | Line 1: | ||
+ | Using [https://www.kdnuggets.com/2015/11/seven-steps-machine-learning-python.html this] as base: | ||
+ | == Basics == | ||
+ | * [https://engineering.ucsb.edu/~shell/che210d/python.pdf Short intro to Python in 60 pages], 50% done. | ||
+ | * [https://pandas.pydata.org/pandas-docs/stable/10min.html 10 minutes to pandas] | ||
+ | * [http://www.scipy-lectures.org/ Scipy lecture notes] -- looks excellent | ||
+ | == More interesting stuff == | ||
+ | * [http://www.holehouse.org/mlclass/ Andrew Ng's Stanford ML course, unofficial notes] as Ersatz for the Coursera video-course. | ||
+ | * Later think about [https://www.kdnuggets.com/2015/11/seven-steps-machine-learning-python.html/2 this], but I'm not sure I like those links. TODO | ||
+ | |||
+ | <hr> | ||
+ | |||
<pre> | <pre> | ||
Мария, [05.03.18 21:55] | Мария, [05.03.18 21:55] | ||
Line 32: | Line 43: | ||
++++++++курс на курсере конечно | ++++++++курс на курсере конечно | ||
</pre> | </pre> | ||
+ | k |
Revision as of 17:55, 12 April 2018
Using this as base:
Basics
- Short intro to Python in 60 pages, 50% done.
- 10 minutes to pandas
- Scipy lecture notes -- looks excellent
More interesting stuff
- Andrew Ng's Stanford ML course, unofficial notes as Ersatz for the Coursera video-course.
- Later think about this, but I'm not sure I like those links. TODO
Мария, [05.03.18 21:55] - TensorFlow https://www.tensorflow.org/ -- Шарить что такое граф -- Шарить как работать с сессией (как создавать, как запускать операции на выполнение) -- Понимать вообще глобальную архитектуру приложения на TensorFlow -- Хоть чуть-чуть иметь представление как делать backprop через граф - Как дебажить обучение -- Понять из графика лосса что происходит с обучением -- Overfitting, underfitting, vanishing/exploding gradient - Алгоритмы оптимизации -- SGD, SGD with momentum, RMSProp, Adam - Современные архитектуры -- VGG, Segnet, ResNet, Inception, Inception-ResNet, NasNet -- Понимать зачем нужна каждая из них и для чего ее создавали - OpenCV -- Гистограмное выравнивание -- Cascade Classifier - dlib -- Просто знать что там можно искать лица и ключевые точки лица - Python -- Библиотеки numpy, matplotlib -- Уметь грузить/сохранять файлы Мария, [05.03.18 21:55] ++++++++курс на курсере конечно
k