https://virgool.ir/feed/@m_91672575fa2026-11-12 08:36:46https://virgool.ir/images/default-avatar.jpghttps://virgool.ir/@m_91672575https://virgool.ir/@m_91672575/شروع-يادگيري-ماشين-در-سال-2021-biifnp7kf0llروزانه چندين بار در رسانه هاي اجتماعي ام سوالي يکسان از من پرسيده مي شود.سوال اين است که "چگونه مي توانم يادگيري ماشين را شروع کنم؟".اين به چندين شکل صورت مي گيرد، مانند "چگونه مي توانم رايگان شروع کنم؟" يا "اگر هيچ پيش زمينه ي توسعه دهنده اي نداشته باشم چگونه مي توانم شروع کنم"، و غيره. بنابراین من تصمیم به نوشتن یک راهنمای کامل در مورد کليت چگونگی شروع در یادگیری ماشین در سال 2021 بدون هیچ پيش زمینه اي، و به صورت رایگان. به دلیل این سوالات مرتبط، من منابع زیادی را تحقیق کردم و بهترین آنها را در یک دفترچه یادداشت در طول یک سال گذشته نگهداري کرده ام تا به سرعت به سوالات پيش آمده ي بعدی پاسخ بدهم.امروز، من این دفترچه یادداشت و لیست بسیاری از منابع بزرگ را با همه به اشتراک خواهم گذاشت ، و مقداري نکات در مورد چگونگی یادگیری، و بهبود مهارت های یادگیری ماشین خود ، به شما مي دهم....چه کسي مي تواند در سال 2021 يک حرفه اي در يادگيري ماشين شود؟این راهنما برای هر کسی که هيچ یا یک پس زمینه کوچک در برنامه نویسی، ریاضیات، و / یا یادگیری ماشین دارد در نظر گرفته شده است. هیچ نظم خاصی برای دنبال کردن وجود ندارد، اما یک مسیر کلاسیک از بالا به پایین خواهد بود، نظم اين مقاله را دنبال کنيد. اگر از خواندن کتاب خوشتان نمی آمد، از بخش بگذرید، اگر نمی خواهید دوره آنلاین را دنبال کنید، می توانید به خوبي از این یکی نیز بگذرید. یک راه واحد برای تبدیل شدن به یک کارشناس یادگیری ماشین حرفه اي وجود ندارد،و با انگیزه، شما قطعا می توانید با ایجاد مراحل خودتان به آن دست یابید.اما هدف این مقاله این است که مسیری برای هر کسی که بخواهد وارد یادگیری ماشین شود و نفهمد از کجا شروع کند، بدهد. من می دانم که می تواند سخت باشد پیدا کردن جایی برای شروع، یا فقط بعد از یادگیری چیزی جدید چه باید بکنید. مخصوصا ً وقتی معلم یا کسی برای راهنمايي نداريد. به همین دلیل من بسیاری از منابع مهم با منحني يادگيري خطي براي همفکري مرتب در سطح "دشوار" ليست کرده ام. اگر شما پیشرفته هستيد، شما فقط می توانید برخی از مراحل را رد کنيد. تمام منابع ذکر شده در اینجا رایگان هستند، به جز برخی از دوره ها و کتاب های آنلاین، که قطعا برای درک بهتر توصیه می شود، اما قطعا حرفه اي شدن بدون آن ها هم با کمي پرداختن زمان بيشتري براي خواندن هاي آنلاين، ويديو ها و تمرين ممکن است.از پخش مجدد فیلم ها یا یادگیری مفاهیم مشابه از منابع متعدد نترسید. تکرار کلید موفقیت در یادگیری چیز جدیدی است!...فهرست مطالبدر اينجا يک فهرست مطالب سريع از اين مقاله است که اگر شما دوست داريد مراحل اوليه را بلافاصله رد کنيد.- بيا شيرجه بزيم تو!(شروع با معرفی های ویدئویی کوتاه یوتیوب)- شروع یادگیری به طور جدی (دنبال کردن دوره های آنلاین رایگان در یوتیوب)- خواندن کتاب های مهم- بدون پيش زمینه کدنویسی، مشکلی نیست! (منابع کدنویسی برای مبتدیان)- دنبال کردن دوره های آنلاین- تمرین ، تمرین ، و تمرین!- منابع بیشتر (پیوستن به جوامع، استفاده از ورق تقلب، دنبال کردن اخبار اين رشته، و بیشتر!)- نتیجه گیریتوجه داشته باشید که مخزن این مقاله با تمام منابعي که به وضوح شناسایی شده برای شما به منظور به ترتيب دنبال کردن نیز وجود دارد....بيا شيرجه بزنيم تو!به نظر من بهترین راه برای شروع یادگیری هر چیزی با معرفی های ویدئویی کوتاه یوتیوب است. این رشته نیز از این قاعده مستثنی نیست. هزاران فیلم و لیست پخش شگفت انگیز است که آموزش مفاهیم مهم یادگیری ماشین به صورت رایگان در این پلت فرم وجود دارد، و شما قطعا باید از آنها استفاده کنید.در اینجا، من کمي از بهترین فیلم هايي که پيدا کردم را ليست کردم که يک معرفي اوليه عالي به اصطلاحات که شما براي شروع اين رشته به دانستن آنها نياز داريد به شما مي دهد.https://www.youtube.com/WhatsAIدر ابتدا توصيه شخصي من يک ليست پخش يوتيوب براي معرفي پراستفاده ترين اصطلاحات اين رشته(https://www.youtube.com/playlist?list=PLO4GrDnQanVe6F6MRJg_KO7JEoH-ukFzY) توسط هوش مصنوعي چيست(https://www.youtube.com/channel/UCUzGQrN-lyyc0BWTYoJM_Sg) است.براي داشتن يک درک اساسي از يادگيري ماشين اين يک ليست پخش تماشاي اجباري است و تمام اصطلاحات در منابه ذکر شده بعدي مکررا گفته مي شود. این فقط یک سری از فیلم های واقعا کوتاه 1 دقیقه اي است که تمام اصطلاحات استفاده شده با شروع از اصول اولیه به پیشرفته تر را پوشش مي دهد. بیش از 30 دقیقه طول نخواهد کشید تا یک بررسی کلی کامل از رشته داشته باشيم!پس از این فیلم های کوتاه، غواصی کمی عمیق تر به پایه های یادگیری ماشین و یادگیری عمیق و کسب اطلاعات بیشتر در مورد شبکه های عصبی پیشنهاد می کنم. درک شبکه های عصبی و backpropagation مهم ترین چیز در هنگام شروع است و زمانی که شما به سخنرانی ها و دوره های پیشرفته تر وارد شديد مزیت بزرگي به شما می دهد.https://www.youtube.com/c/3blue1brown 1خوشبختانه برای ما، یک کانال شگفت انگیز به نام 3Blue1Brown یک سری از فیلم ها ايجاد کرده که این مفاهیم دقیق را واقعا به وضوح پوشش مي دهد. اگر جنبه های خاصی از فیلم ها برای شما نامشخص است، از پخش مجدد فیلم ها یا پیدا کردن هر لیست پخش دیگری توسط خودتان نترسید! یادگیری از تکرار ساخته شده است!https://www.youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3piحالا که شما يک پايه خوبي از اين که الگوريتم يادگيري ماشين چيست، چطور کار ميکند و اینکه چگونه می تواند با backpropagation یاد بگیرد، آماده شیرجه رفتن کمی عمیق تر با دوره های کامل تر و پیشرفته تر هستید.با خیال راحت به تماشای فیلم های دیگر در YouTube ادامه دهید. این منابع عالی و یک بستر رایگان و کم ارزش برای یادگیری است!...یادگیری را با جدیت شروع کنیداین مرحله کمی طولانی تر از مرحله قبلی است زیرا شما ساعتهای زیادی از دوره های رایگان و شگفت انگیز YouTube را تماشا خواهید کرد و چیزهای زیادی را از آنها یاد خواهید گرفت.لطفاً ، هنگام انجام کار دیگری ، این دوره ها را تماشا نکنید. آنها منابع بسیار خوبی هستند که شایسته تمرکز هستند و شما از طریق انجمن های آنلاین یادداشت می کنید و سوال می کنید!آنها نیز جذاب هستند. هنگامی که انگیزه فشار دادن دکمه "بازی" را پیدا کردید ، تا آخر گیر خواهید شد و چیزهای زیادی یاد می گیرید ، قول می دهم!در اینجا لیستی سریع از بهترین دوره هایی که پیشنهاد می کنم ابتدا تماشا کنید وجود دارد. آنها در نظم "دشواری درک" ذکر شده اند. شروع از یک مقدمه و پایان با یک تخصص عالی. توجه داشته باشید که حتی تخصص نیز در این مرحله مقدمه است ، اما شما را برای کارهای جالبتر بعدی آماده می کند! البته همه آنها رایگان هستند!- مقدمه ای بر یادگیری ماشین (Stanford)https://www.youtube.com/playlist?list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU- مقدمه ای بر یادگیری عمیق (MIT)https://www.youtube.com/playlist?list=PLtBw6njQRU-rwp5__7C0oIVt26ZgjG9NI- تخصص یادگیری عمیق (Deeplearning.ai - Andrew Ng)https://www.youtube.com/channel/UCcIXc5mJsHVYTZR1maL5l9w/playlists...مقالات را بصورت آنلاین بخوانیدهمانطور که چندین بار ثابت شده است. انسان با تکرار و یادگیری به روش های مختلف ، مانند شنیدن ، نوشتن ، خواندن ، تماشا و ... بهتر یاد می گیرد به همین دلیل خواندن به اندازه تماشای فیلم مهم است تا درک بهتری داشته باشید.شما بسیاری از زوایا را پوشش خواهید داد و دید کامل تری نسبت به آنچه می خواهید بیاموزید خواهید داشت. این بخش لیستی از مقالات کوتاه است که کاملا رایگان و اختیاری هستند.توجه داشته باشید که مطمئناً سایر موارد را می توانید به تنهایی پیدا کنید ، این فقط پیشنهادهایی است که براساس انتخاب های شخصی من ارائه شده است.در اینجا 5 مقاله وجود دارد که همه این موارد در Medium موجود است و پیشنهاد می کنم قبل از غواصی در هر کتاب ، کدگذاری یا دوره های آنلاین ، آنها را ببینید اگر با فیلم هایی که قبلاً ذکر شد ، آنها را جفت کنید ، خواندن همه آنها کوتاه است.-5 گام دوستانه برای مبتدیان برای یادگیری یادگیری ماشین و علوم داده با پایتون - دانیل بورکhttps://towardsdatascience.com/5-beginner-friendly-steps-to-learn-machine-learning-and-data-science-with-python-bf69e211ade5-یادگیری ماشین چیست؟ - روبرتو اریوندوhttps://medium.com/towards-artificial-intelligence/what-is-machine-learning-ml-b58162f97ec7-یادگیری ماشینی برای مبتدیان: درآمدی بر شبکه های عصبی - ویکتور ژوhttps://towardsdatascience.com/machine-learning-for-beginners-an-introduction-to-neural-networks-d49f22d238f9-راهنمای مبتدیان به شبکه های عصبی - توماس دیویسhttps://towardsdatascience.com/a-beginners-guide-to-neural-networks-d5cf7e369a13#:~:text=Neural%20networks%20are%20powered%20by,then%20recognize%2C%20interpret%20and%20classify.-درک شبکه های عصبی - پرنس کانوماhttps://towardsdatascience.com/understanding-neural-networks-22b29755abd9-خواندن لیست برای دانشجویان جدید MILA - ناشناسhttps://docs.google.com/document/d/1IXF3h0RU5zz4ukmTrVKVotPQypChscNGf5k6E25HGvA/edit#-80/20 لیست خواندن هوش مصنوعی - Vishal Mainihttps://medium.com/machine-learning-for-humans/ai-reading-list-c4753afd97aاکنون که این خواندن ها و فیلم های کوتاه را پشت سر گذاشته اید ، قطعاً آماده شروع کدنويسي و تمرین هستید! اگر احساس می کنید به درک عمیق تری از جنبه نظری یادگیری ماشین نیاز دارید ، بخش بعدی برای شماست. در غیر این صورت ، می توانید مستقیماً به بخش برنامه نویسی ، دوره های آنلاین یا قسمت های زیر بروید تا سریع به سرعت یاد بگیرید!…کتابهای مهم را بخوانیداین بخش کاملاً اختیاری است ، اما توصیه می شود برای درک بهتر "پشت صحنه" الگوریتم یادگیری ماشین ، درک بهتری داشته باشید. کتاب ها یک روش عالی برای یادگیری در ریتم شما هستند. قبل از رفتن به حالت تمرین حتما همه چیز را درک کنید. از خواندن مجدد بخشها نترسید!همانطور که می دانید ، اکثر کتابها نیاز به کار زیادی از نویسندگان دارند و بنابراین رایگان نیستند. خوشبختانه برای ما ، یک کتاب شگفت انگیز وجود دارد که کاملا رایگان و به صورت آنلاین در دسترس است! بقیه در آمازون برای خرید موجود است. در اینجا برخی از بهترین کتابهای خوانده شده برای افرادی را که مسیر مطالعه را ترجیح می دهند آورده ام:کتاب یادگیری عمیق - رایگان آنلاینhttps://www.deeplearningbook.org/هوش مصنوعی: یک رویکرد مدرن - اختیاری (پرداخت)https://www.amazon.com/Artificial-Intelligence-A-Modern-Approach/dp/0134610997/ref=as_li_ss_tl?dchild=1&keywords=artificial+intelligence+a+modern+approach&qid=1600953322&sr=8-1&linkCode=sl1&tag=whatsai-20&linkId=b8c01a9c079e046b6df16b609f51fc28&language=en_USشناخت الگو و یادگیری ماشینی - اختیاری (پرداخت)https://www.amazon.com/Pattern-Recognition-Learning-Information-Statistics/dp/0387310738/ref=as_li_ss_tl?dchild=1&keywords=pattern+recognition+and+machine+learning&qid=1600953377&sr=8-1&linkCode=sl1&tag=whatsai-20&linkId=94388fba43cdd635956417b2be06517c&language=en_USعناصر یادگیری آماری - اختیاری (پرداخت)https://www.amazon.com/Elements-Statistical-Learning-Prediction-Statistics/dp/0387848576/ref=as_li_ss_tl?dchild=1&keywords=the+elements+of+statistical+learning&qid=1600953411&sr=8-1&linkCode=sl1&tag=whatsai-20&linkId=fc40213244aaa4f6ac76d6e1ed5e7bad&language=en_USیادگیری عمیق با پایتون - اختیاری (پرداخت)https://www.amazon.com/Deep-Learning-Python-Francois-Chollet/dp/1617294438/ref=as_li_ss_tl?dchild=1&keywords=deep+learning+with+python&qid=1600953446&sr=8-1&linkCode=sl1&tag=whatsai-20&linkId=0820e44d0944b4d5bda7116a30102dd0&language=en_USباز هم می گویم ، این کتاب ها کاملاً اختیاری هستند ، اما درک بهتری از نظریه را به شما ارائه می دهند و حتی مواردی را در مورد کدگذاری شبکه های عصبی به شما می آموزند!اکنون ، شما برای شروع برنامه نویسی و استفاده از نظریه ای که آموخته اید و بر آن تسلط دارید بیش از حد آماده هستید....بدون پيش زمینه کدنويسي ، مشکلی نیست!این بخش برای مبتدیان در کدگذاری است. اگر در پایتون یا هر زبان برنامه نویسی دیگر سابقه ای ندارید ، این شروع کار شماست و به شما یک پایه عالی برای برنامه نویسی یادگیری ماشین می دهد.اگر از قبل با پایتون کاملاً آشنا هستید ، می توانید از مرحله "دنبال کردن دوره های آنلاین" عبور کنید!در اینجا بهترین دوره های آنلاین برای یادگیری برنامه نویسی یادگیری ماشین وجود دارد:در ابتدا ، شما باید پایتون را یاد بگیرید.( https://www.learnpython.org/) یک راه عالی برای شروع ، استفاده از این آموزش تعاملی رایگان برای یادگیری پایتون است.سپس ، می توانید این دوره رایگان را در OpenClassroom دنبال کنید ، به نام اصول Python مبانی تجزیه و تحلیل داده ها.( https://www.coursera.org/learn/machine-learning-with-python?ranMID=40328&ranEAID=8jtkHPNI0iU&ranSiteID=8jtkHPNI0iU-t6Cx82laefGlUMeo48SCqQ&siteID=8jtkHPNI0iU-t6Cx82laefGlUMeo48SCqQ&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=8jtkHPNI0iU)به دنبال این دو منبع ، اگر هنوز با پایتون راحت نیستید ، می توانید در یک دوره غير رايگان عميق تر در Coursera توسط IBM به نام Machine Learning with Python بروید. این مطمئناً شما را آماده می کند تا اولین الگوریتم های یادگیری ماشین خود را رمزگذاری کنید و مهارت های برنامه نویسی خود را به طرز چشمگیری بهبود بخشد!( https://www.coursera.org/learn/machine-learning-with-python?ranMID=40328&ranEAID=8jtkHPNI0iU&ranSiteID=8jtkHPNI0iU-t6Cx82laefGlUMeo48SCqQ&siteID=8jtkHPNI0iU-t6Cx82laefGlUMeo48SCqQ&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=8jtkHPNI0iU)...دوره های آنلاین را دنبال کنیداکنون که درک خوبی از تئوری یادگیری ماشین و زمینه برنامه نویسی دارید ، آماده هستید تا راه خود را برای دوره های یادگیری ماشین شروع کنید. البته همه اینها اختیاری است. باز هم ، اولی رایگان است و بقیه غير رايگان زیرا آنها چیزهای زیادی را به شما یاد می دهند و برخی حتی به شما گواهینامه هایی می دهند که می توانید در رزومه خود استفاده کنید!اگر نمی خواهید هیچ دوره ای را دنبال کنید ، می توانید به قسمت بعدی بروید و به تنهایی شروع به تمرین کنید. در ابتدا کمی دشوارتر خواهد بود ، اما با انگیزه و مهارت"گوگل کردن" خود ، مطمئناً می توانید این کار را انجام دهید.اگر ترجیح می دهید بیشتر راهنمایی شوید و مراحل واضحی را باید دنبال کنید ، این دوره ها بهترین دوره ها هستند (از مقدماتی تا پیشرفته):مقدمه ای بر یادگیری ماشین – Kaggle (ایده های اصلی در یادگیری ماشین را بیاموزید و اولین مدل های خود را بسازید)https://www.kaggle.com/learn/intro-to-machine-learningشروع به کار AI / AI برای همه - Andrew Nghttps://www.coursera.org/learn/ai-for-everyone?ranMID=40328&ranEAID=8jtkHPNI0iU&ranSiteID=8jtkHPNI0iU-R9iz5qdOFk4cRtAyFv3yYQ&siteID=8jtkHPNI0iU-R9iz5qdOFk4cRtAyFv3yYQ&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=8jtkHPNI0iUیادگیری ماشین - Andrew Ng – Stanfordhttps://www.coursera.org/learn/machine-learning?ranMID=40328&ranEAID=8jtkHPNI0iU&ranSiteID=8jtkHPNI0iU-QNDdJ4ryo2HWZ0NooGz7Hg&siteID=8jtkHPNI0iU-QNDdJ4ryo2HWZ0NooGz7Hg&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=8jtkHPNI0iUتخصص یادگیری عمیق - Andrew Nghttps://www.coursera.org/learn/neural-networks-deep-learning?specialization=deep-learning&ranMID=40328&ranEAID=8jtkHPNI0iU&ranSiteID=8jtkHPNI0iU-ysIwL05lcuoWD2mif92fRA&siteID=8jtkHPNI0iU-ysIwL05lcuoWD2mif92fRA&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=8jtkHPNI0iUTensorFlow (گواهینامه های حرفه ای)https://www.coursera.org/professional-certificates/tensorflow-in-practice?ranMID=40328&ranEAID=8jtkHPNI0iU&ranSiteID=8jtkHPNI0iU-NP.N6XMu9JhvkBH33hpFgw&siteID=8jtkHPNI0iU-NP.N6XMu9JhvkBH33hpFgw&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=8jtkHPNI0iUمهندسی هوش مصنوعی - IBM (گواهینامه های حرفه ای)https://www.coursera.org/professional-certificates/ai-engineer?ranMID=40328&ranEAID=8jtkHPNI0iU&ranSiteID=8jtkHPNI0iU-u_fK6dZCnLmLUMni4oj.NQ&siteID=8jtkHPNI0iU-u_fK6dZCnLmLUMni4oj.NQ&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=8jtkHPNI0iUComplete data science boot camp 2021https://www.udemy.com/course/the-data-science-course-complete-data-science-bootcamp/?ranMID=39197&ranEAID=8jtkHPNI0iU&ranSiteID=8jtkHPNI0iU-u_fK6dZCnLkbed9ApclvYw&utm_source=aff-campaign&LSNPUBID=8jtkHPNI0iU&utm_medium=udemyadsاکنون ، شما برای شروع تمرین و ساخت نمونه کارهای خود آماده هستید!...تمرین ، تمرین و تمرین!مهمترین چیز در برنامه نویسی تمرین است. و این در مورد یادگیری ماشین نیز صدق می کند. یافتن یک پروژه شخصی برای تمرین ممکن است دشوار باشد. شما باید حتی قبل از شروع برنامه نویسی مشکلی برای حل آن پیدا کنید که بدون هیچ کمکی بسیار دشوار است.https://www.kaggle.com/ 1خوشبختانه kaggle وجود دارد. این وب سایت پر از دوره ها ، آموزش ها و مسابقات رایگان است. شما می توانید به صورت رایگان در مسابقات شرکت کنید ، و فقط داده های آنها را بارگیری کنید ، در مورد مشکل آنها بخوانید و بلافاصله کد نویسی و تست را شروع کنید! شما حتی می توانید از طریق برنده شدن در مسابقات درآمد کسب کنید و داشتن یک چیز عالی در رزومه کاری خود چیز خوبی است. این ممکن است بهترین راه برای به دست آوردن تجربه در حالی که چیزهای زیادی یاد می گیرید ، و حتی درآمد کسب کنید!شما همچنین می توانید تیم هایی را برای مسابقات Kaggle ایجاد کنید و با مردم یاد بگیرید! من پیشنهاد می کنم برای یافتن تیم و یادگیری با دیگران به یک انجمن بپیوندید ، این همیشه بهتر از یادگیری است. بخش زیر به این امر اختصاص یافته است.…منابع بیشتربیشتر اوقات ، بهترین راه برای یادگیری ، یادگیری با شخص دیگری است. به انجمن ها بپیوندید و شرکایی را برای یادگیری پیدا کنید!- در اینجا یک سرور Discord عالی با بسیاری از علاقه مندان به هوش مصنوعی وجود دارد که می توانید با هم یاد بگیرید ، سال بپرسید ، هم تیمی های Kaggle را پیدا کنید ، پروژه های خود را به اشتراک بگذارید و موارد دیگر.( https://discord.com/invite/SVse4Sr)- همچنین می توانید انجمن های Reddit را دنبال کنید - سوال بپرسید ، پروژه های خود را به اشتراک بگذارید ، اخبار حوزه را دنبال کنید و موارد دیگر. در اینجا محبوب ترین ها وجود دارد:مصنوعی - هوش مصنوعیhttps://www.reddit.com/r/artificial/MachineLearning - یادگيری ماشین (بزرگترین subreddit این رشته)https://www.reddit.com/r/MachineLearning/DeepLearningPaper - مقالات یادگیری عمیقhttps://www.reddit.com/r/DeepLearningPapers/ComputerVision - استخراج اطلاعات مفید از تصاویر و فیلم هاhttps://www.reddit.com/r/computervision/Learnmachinelearning - یادگیری ماشین را بیاموزیدhttps://www.reddit.com/r/learnmachinelearning/هوش مصنوعی - هوش مصنوعیhttps://www.reddit.com/r/ArtificialInteligence/LatsestInML - تحولات تغییر دهنده بازی در یادگیری ماشین که نباید آن را از دست بدهیدhttps://www.reddit.com/r/LatestInML/- صفحه های تقلب را ذخیره کنید!بهترین صفحه های تقلب برای هوش مصنوعی ، یادگیری ماشین و پایتون:صفحه های تقلب برای هوش مصنوعی ، شبکه های عصبی ، یادگیری ماشین ، یادگیری عمیق و داده های بزرگ - Stefan Kojouharovhttps://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b463صفحه های یادگیری ماشینی برای Stanford’s CS 229 - Afshine Amidi و Shervine Amidihttps://github.com/afshinea/stanford-cs-229-machine-learningورق تقلب یادگیری ماشین و ورق تقلب پایتون (و ریاضی) - رابی آلنhttps://medium.com/machine-learning-in-practice/cheat-sheet-of-machine-learning-and-python-and-math-cheat-sheets-a4afe4e791b6- نکته مهم دیگر در این زمینه ، به روز بودن در مورد مقالات جدید و برنامه های جدیدی است که هر روز منتشر می شوند. یک راه عالی عضویت در گروه های LinkedIn است که این برنامه های جدید را به اشتراک می گذارند ، نشریات متوسط ​​یا حتی کانالهای YouTube را که خلاصه این مقالات جدید را دارند دنبال می کنند ، در اینجا من تعدادی از بهترین مواردی را که می شناسم لیست می کنم ، اما قطعا می توانید موارد بیشتری را در این بخش جستجو کنید زمینه های مورد علاقه!مشترک شدن در کانال های YouTube که مقالات جدیدی را به اشتراک می گذارند: با اخبار موجود در این زمینه در جریان باشید!مقاله های دو دقیقه ای - فیلم های دو هفته ای که مقالات جدید را پوشش می دهدhttps://www.youtube.com/user/keeroyzWhat's AI - فیلم های هفتگی که مقالات جدید را پوشش می دهدhttps://www.youtube.com/channel/UCUzGQrN-lyyc0BWTYoJM_Sg- به گروه های LinkedIn بپیوندیداخبار هوش مصنوعی ، یادگیری ماشینی و یادگیری عمیقهوش مصنوعی | یادگیری عمیق | فراگیری ماشینهوش مصنوعی کاربردی- حساب ها و انتشارات Medium ​​را دنبال کنیدTowards Data Science - "اشتراک مفاهیم ، ایده ها و کدها"http://towards%20data%20science/Towards AI - "بهترین فناوری ، علوم و مهندسی".https://towardsai.net/OneZero – "زیرزمینهای آینده. یک نشریه متوسط ​​در مورد فناوری و علم. "https://onezero.medium.com/خودم کمی تبلیغ می کنم - "سلام ، من لویی هستم (لوئی ، تلفظ فرانسوی) ، از مونترال ، کانادا ، همچنین به عنوان" What's AI "شناخته می شوم. سعی می کنم اصطلاحات و اخبار هوش مصنوعی را به بهترین وجهی که می توانم برای همه به اشتراک بگذارم و توضیح دهم. هدف من این است که "جعبه سیاه" هوش مصنوعی را برای همه پاک کنم و مردم را در مورد خطرات استفاده از آن حساس کنم. "...نتیجهاین راهنمای کسی بود که صفر یا سابقه کمی در برنامه نویسی ، ریاضیات و / یا یادگیری ماشین دارد. دستور خاصی برای پیگیری وجود ندارد ، اما یک مسیر کلاسیک از بالا به پایین است.توجه داشته باشید که این یک لیست غیر جامع از منابع برای تبدیل شدن به یک متخصص یادگیری ماشین از هیچ چیز در سال 2021 است. شما قطعاً می توانید از منابع بیشتر یا کمتر استفاده کنید و با ریتم خود یاد بگیرید. همه چیز در زندگی یک رقابت نیست و شما باید غریزه خود را به بهترین روشی که می توانید یاد بگیرید دنبال کنید. برای تکرار یک فیلم یا خواندن یک مقاله برای درک یک مفهوم ، هرگز احساس گناه نکنید. همه ما این را پشت سر گذاشته ایم و این کاملا طبیعی است. مهمترین چیز این است که شما مفاهیم را بفهمید ، نه اینکه هر چه سریعتر لیست را مرور کنید.از شما برای خواندن بسیار سپاسگزارم و برای شما آرزوی موفقیت در شغل های یادگیری ماشین آینده را دارم.ترجمه مقاله https://medium.com/towards-artificial-intelligence/start-machine-learning-in-2020-become-an-expert-from-nothing-for-free-f31587630cf7#1c82امير بيجاريامير بيجاريSat, 02 Jan 2021 08:36:37 +0330