Как заботать ШАД без ШАДа

В посте обсудим, как эффективно освоить стандартные курсы машинного обучения в рамках ШАДа. Отмечу, что большинство курсов так заботать не получится, так как задания в закрытом доступе.

Но перед этим поговорим о плюсах поступления в ШАДе и сложно ли вообще поступить.
-Поступить не сложно, если правильно готовиться.
-Есть большой спектор курсов, чьи аналоги в открытом доступе найти не получится. Ясное дело что все курсы за 2 года пройти не получится, но даже после окончания ШАДа можно выбирать любой курс и проходить со всеми остальными.
-Вместе изучать проще чем одному, в ШАДе получится найти друзей и вместе ботать.
-Во время изучения чего-то нового нужна регулярность, дедлайны и инфраструктура как раз таки заставляют регулярно ботать.
Подробней о причинах здесь.

Ниже перечислю важные направления в deep-learning которые можно освоить самостоятельно без ШАДа

Numpy,Matplotlib.
Это лишь мои наблюдения и рекомендации, но я заметил, что многие люди испытывают трудности в изучении машинного обучения, поскольку они не знакомы с numpy. Я считаю лучше потратить неделю и познакомиться с азами numpy, matplotlib. 100 упражнения numpy
Быстрое объяснения matplotlib.

Классический ML.
Здесь на самом деле все очень просто, открываем учебник ШАДА по машинному обучению. Откройте и внимательно изучите первые три главы, выполняя задания на том же сайте.
К сожалению, домашние задания не доступны в открытом доступе, так как они проводятся в рамках конкурса на курсе ШАДа.
Однако, на мой взгляд, если вы прочитаете главы из книги и решите задания, этого будет более чем достаточно для первого знакомства.
Как бонус можно порешать ML задачи как на литкоде.

Pytorch
Прежде чем приступать к deep learning, я советую познакомиться с pytorch. Выделите себе неделю и пройдите интенсив по пайторчу, поверьте, это сильно облегчит процесс обучения.

NLP
Легче всего ботать курс NLP. Есть замечательный курс от Lena Voita, которым пользуются преподаватели ШАДа. Вот сам сайт.
Парралельно вы можете практиковаться на домашках ШАДа, которые находятся в открытом доступе. Первые 5 домашек, как раз таки дают фундаментальные знания.

Дальше вам нужно познакомиться с файнтюнингом больших языковых моделей. Здесь уже мало материала, вам придется гуглить какие бывают методы, смотреть лекции на ютубе, и закреплять знания домашками из гита. (там как раз так после 5 домашки идут на файнтюнинг моделей).

CV
Преподаватели параллельно преподают еще в МГУ, так что лекции свои они выкладывают в открытом доступе.

Можете параллельно смотреть лекции и делать домашки из этого гита.
Этот гит парня, слившего некоторые задания курса CV в ШАДе (не все) так что рекомендую быстрее скачать себе задания.

Генеративные модели
К сожалению чтобы нормально освоить генеративные модели вам понадоибться GPU, если у вас ее нет то колаб выдает примерно 3 часа в день бесплатно, или же можно купить про версию.
Есть отличная репа в котором лежат семинары и домашки, и параллельно можете смотреть лекции, так как репа соответствует этим лекциям.

AB-тесты
Вам будет нелегко найти подходящие лекции, но многие темы тесно связаны с математической статистикой. Если вы уже проходили курсы для поступающих, то вам будет легче понять материал.
Практические задачи берем от сюда, сразу говорю найти хорошие задания по АБ тестам очень сложно, так что быстрее сохраняем домашки и пытаемся в них разобраться.

Алгоритмы
Курс по алгоритмам в ШАДе может показаться сложным для многих, хотя я считаю, что преподаватели не всегда дают достаточно информации. Лекции не всегда соответствуют задачам, которые нужно решать на контесте. Чтобы сдать экзамен на 4 или 5, необходимо обладать хорошими знаниями по алгоритмам ещё до поступления. В этом могут помочь только наши курсы, на которые идут последние 6 часов скидки.
➡ Записаться

Подпиcаться: @zadachi_ds