What's up guys?

В этой статье мы поговорим о том, как начать изучать темы глубокого и машинного обучения. Здесь будет подборка книг и курсов (бесплатных) для вашего быстрого и легкого старта. Предлагаю не медлить и сразу начинать.

Книги

Для новичков

Грокаем глубокое обучение - Эндрю Траск

Эта книга по моему минею является не плохой стартовой платформой для изучение и понимания DL. После прочтения только этой книги вы конечно же не станине профессионалом в глубоком обучении, но вы будете знать и понимать основы и то, как их применять. Единственное что, автор предлагает примеры кода на Python (книга базируется на этом), но в коде из книги много ошибок, поэтому нужно быть повнимательнее и ещё, нужно знать основы Python. А в целом для начала это действительно одна из лучших книг.

Создаем нейронную сеть - Тарик Рашид

Это ещё одна книга из категории "для новичков". Она на практике поможет вам создать свою нейросеть для классификации изображений и объяснит как эта сеть работает. В первой части книги - теория, во второй - практика. Для понимания основ книга не плохая - рекомендую к прочтению, если вы новичок. А, да, в книге также использован Python, но большого количества ошибок я там не нашёл.

Для не новичков:

Глубокое обучение - Аарон Курвилль, Иошуа Бенджио, и Ян Гудфеллоу


По моему (и не только) мнению это действительно самая лучшая книга, где подробно изложены все основы глубокого обучения. Кроме конкретно глубокого обучения книга также поможет вам с необходимой математикой, но что бы читать ее наиболее эффективно я порекомендую изучить как минимум основы линейной алгебры, теории вероятности и некоторых других тем (вся эта теоритическая база находится в части 1), но авторы оставляют ссылки на рекомендуемую ими литературу. Про то, какая эта книга хорошая можно говорить долго, я не буду этого делать, а просто скажу, что если вы хотите углубится в основы DL, то эта книга для вас.

Нейронные сети - Саймон Хайкин

В челом эта книга похожа не предыдущую, тоже излагает основы нейросетей, но здесь уже точно потребуются хорошие знания математики. Если смотреть в общем виде, то эта книга отличное дополняет и расширяет предыдущую.

Книги о Фреймворках

Ещё надо сказать и о двух книгах о Фреймворках глубокого обучения для Python:

  • PyTorch. Освещая DL - Эли Стивенс, Лука Антига, Томас Виман - это книга, как понятно из названия, посвящена Фреймворку PyTorch.

  • Глубокое обучение на Python - Франсуа Шолле - а в этой книге речь идёт о библиотеках Keras и TensorFlow.

Курсы

Говоря о курсах, я подразумеваю именно бесплатные курсы:

  • CS50's Introduction to Artificial Intelligence with Python - этот курс не совсем только про нейронные сети, а как следует из названия - про основы ИИ, но и про нейронные сети там есть некоторое количество информации (кстати, учитывайте, что курс от Гарварда и он полностью на английском, но к видео есть субтитры).

  • Machine Learning with Python: from Linear Models to Deep Learning - курс об ML от MIT (так же на английском).

  • Deep Learning with Python and PyTorch - курс от IBM о глубоком обучении и работе с PyTorch.

В целом по курсам это всё, я включил сюда только те курсы, которые считаю действительно хорошими и которые помогут вам получить необходимые знания.

Советы

А сейчас хотел бы дать несколько советов, касаемо изучения данной темы:

  • Начните с простого. Если вы новичок в этой теме - не прыгайте выше головы - начните с простого (книга Грокаем глубокое обучение отлично подойдет для начала).

  • Не обязательно читать книгу или смотреть курс "от корки до корки". Вам не обязательно читать всё и сразу. Вы можете пропустить что то и вернуться позже, когда в этом будет необходимость.

  • Практикуйтесь. Обязательно создавайте свои проекты. Практика очень часто намного ценнее теории.

  • Не cадавайтесь. Не опускайте руки, даже если ваш прогресс не виден или вы ничего не понимаете - не сдавайтесь, продолжайте работать.

  • Найдите друзей или комьюнити со схожими интересами. Это поможет вам быстрее развиваться.

Если я что-то забыл или где-то ошибся - пишите в комментарии или ЛС.

От автора:

Спасибо, что дочитали статью до конца, надеюсь она была вам полезна и сэкономила вам время. Если хотите повлиять на выход дальнейших статей, то можете подписаться на мой telegram-канал, там в том числе будут опросы касаемо выходов новых статей а так же разнообразные интересные материалы. Если хотите со мной связаться или предложить тему для статьи - мои контакты есть на сайте.

Ещё раз спасибо, что дочитали до сюда!

Удачи!