Machine learning Interview

📌Подборка ресурсов для подготовки к собеседованию по ML

Здесь собрана масса полезных ссылок, которые помогут подготовиться ко всем нужным темам, таким как логистическая/линейная регрессия, SVM, метод k-ближайших соседей, работа с временными рядами, обучение без учителя, построение рекомендательных систем, и ко многим другим темам.
Уверен, будет полезно и каждый найдёт здесь нужную для себя информацию

🟡 Machine Learning interview resources

@machinelearning_interview

⚡️ Погружение в Deep Learning — лекции и видеозаписи Мюнхенского университета

Это серия из 23 лекций по Deep Learning, к каждой лекции прилагается запись на YouTube и pdf с подробным описанием + практические задания

Курс раскрывает такие темы Deep Learning и ML как:
— свёрточные нейросети (CNN) и популярные архитектуры
— настройка гиперпараметров
— рекуррентные нейросети (RNN) и трансформеры
— NLP и работа с текстом
— а также много других тем + 22 практических задания

🟡 Introduction to Deep Learning

@machinelearning_interview

🌟 Machine Learning from Scratch — полезный учебник по основам ML

Здесь разбираются основные концепции ML, такие как деревья решений, классификаторы (типо наивного байесовского), линейная/логистическая регрессия и много других важных понятий ML

🟡 Machine Learning from Scratch

@machinelearning_interview

📌Подборка ресурсов для подготовки к собеседованию по ML

Здесь собрана масса полезных ссылок, которые помогут подготовиться ко всем нужным темам, таким как логистическая/линейная регрессия, SVM, метод k-ближайших соседей, работа с временными рядами, обучение без учителя, построение рекомендательных систем, и ко многим другим темам.
Уверен, будет полезно и каждый найдёт здесь нужную для себя информацию

🟡 Machine Learning interview resources

@machinelearning_interview

🌟 Открытый курс по ML и Deep Learning с pdf и Jupyter Notebook'ами

Этот курс знакомит с концепциями и практиками Deep Learning и смежных областей; курс состоит из 3 частей.

В 1 части даётся краткое введение в классическое машинное обучение и рассматриваются некоторые ключевые понятия, необходимые для понимания глубокого обучения.

Во 2 части обсуждается, чем глубокое обучение отличается от классического машинного обучения, и объяется, почему оно эффективно при решении сложных задач, таких как обработка изображений и естественного языка.

Ну а в 3 части большое внимание отводится применению Deep Learning.

🟡 Fundamentals of ML, Deep Learning, and AI

@machinelearning_interview