Difference between revisions of "ML curriculum"
From Fiamma
Jump to navigationJump to searchLine 11: | Line 11: | ||
* [https://developers.google.com/machine-learning/crash-course/] Google ML crash course | * [https://developers.google.com/machine-learning/crash-course/] Google ML crash course | ||
* [https://github.com/p-i-/machinelearning-IRC-freenode/blob/master/Resources/Main.md] Main ##ml "Main" | * [https://github.com/p-i-/machinelearning-IRC-freenode/blob/master/Resources/Main.md] Main ##ml "Main" | ||
+ | * [https://ai.google/education google AI] | ||
<hr> | <hr> | ||
Revision as of 14:15, 16 May 2018
Using this as base:
Basics
- Short intro to Python in 60 pages, 50% done.
- 10 minutes to pandas
- Scipy lecture notes -- looks excellent
- [1] ##machinelearning's intro articles, esp math.
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
- [2] Coursera articles, again from #machinelearning
- [3] Google ML crash course
- [4] Main ##ml "Main"
- google AI
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