Машиннное обучение | Наука о данных Библиотека

book pytorch scikit learn numpy

📚 Book

@machinelearning_books

Applied Mathematics of the Future

📚 Book

@machinelearning_books

understanding deep learning

📚 Book

@datascienceiot

Linear Algebra Done Right

📓 Book

@machinelearning_books

Бесплатный курс с теорией и практикой математики для Data Science.

Никакой лишней воды, только то, что действительно нужно для работы с ML, и всё это с примерами кода. Приятный бонус — можно выбрать диалект для примеров (PyTorch, Keras или MXNET).

Кстати, остальные главы курса тоже на высоте.

https://d2l.ai/chapter_appendix-mathematics-for-deep-learning/index.html

@data_math

Вышла новая крутая бесплатная книга «ИИ и игры»

Второе издание книги «Искусственный интеллект и игры» от Георгиоса Н. Яннакакиса и Джулиана Тогелиуса посвящено применению ИИ в игровой индустрии. Авторы рассматривают ключевые аспекты использования искусственного интеллекта для разработки, анализа видеоигр и улучшения взаимодействия пользователей с игровым процессом.

🔗 Скачать книгу

@machinelearning_books

MIPS Assembly Language Programming using QtSpim

📌 Book

@machinelearning_books

🌟 Machine Learning в продакшене — открытая книга

Здесь описывается много чисто практических вещей, с которыми сталкивается ML-специлист, внедряющий модель в продакшен.
Приводится много примеров хороших практик, которые помогут строить масштабируемые и надёжные ML-системы

🟡 Machine Learning in Production

@machinelearning_books

The Data Science Handbook

📌 Книга

@machinelearning_interview

⚡️ Линейная алгебра для CV и ML — мощный свободный учебник от университета Пенсильвании

Совсем свежий учебник, опубликован в конце марта.
Здесь на 785 страницах детально разбираются темы линейной алгебры, особенно актуальные для ML-приложений.

Вот несколько из разбираемых тем:
— понятие вектора и векторного пространства
— понятие линейного оператора
— связь операторов и матриц
— матричные разложения (LU, SVD и др)
— собственные вектора и собственные значения
— ортогональные, унитарные операторы
— симметричные и эрмитовы операторы
— квадратичные формы, приведение к главным осям

🟡 Linear algebra for Computer Vision, Robotics, and Machine Learning

@data_analysis_ml

Команда Yandex Research разработала новый метод квантизации LLM с помощью комбинации AQLM и PV-tuning. Научная статья о способах сжатия была включена в программу конференции ICML 2024.

Технология позволяет уменьшить размер больших языковых моделей в 8 раз, сохраняя при этом качество ответов в среднем на 95%

Это означает, что компании и организации во всем мире смогут сократить расходы на вычислительные мощности до 8 раз. Станет возможным запускать LLM на обычных устройствах, таких как умные колонки и смартфоны.

Новый подход позволяет запускать на обычных видеокартах LLM, которые ранее требовали мощных графических процессоров. При этом модели будут давать качественные ответы с высокой скоростью.

Это открывает возможности для компаний, стартапов и исследователей, работающих с генеративными нейросетями. Разработанные Яндексом методы помогут внедрить LLM в различные продукты и сервисы, делая нейросети более доступными для всех.

🌟 Линейная алгебра для Data Science — мощный учебник от Wanmo Kang и Kyunghyun Cho

Последние несколько лет два этих профессора обсуждали, как преподавать линейную алгебру в эпоху Data Science и искусственного интеллекта. В ходе этих обсуждений и родился этот учебник, который освещает самые важные и востребованные темы линейной алгебры.

Вот некоторые темы учебника для полного представления:
— Векторные пространства
— Ортогональность и проекции
— Сингулярное разложение
— SVD на практике
— Положительно определенные матрицы
— Собственные значения и собственные вектора
— Важные теоремы в линейной алгебре

🟡 Linear Algebra for Data Science, pdf

@machinelearning_interview

Fundamentals of Data Engineering

📚 Book

@datascienceiot

🌟 Ultimate SQL Learning Resource

Полезный Гайд-книга по изучению SQL.

▪ Github

@machinelearning_books