Проект "ML System Design: 450 Примеров для Изучения" представляет собой обширную базу, содержащую описания систем машинного обучения более чем от 100 компаний, включая таких гигантов, как Netflix и Slack.

Вы можете исследовать базу данных, применяя фильтры по отраслям или направлениям машинного обучения, чтобы найти нужные примеры

⛓ Ссылка: тык

👉 @DataSciencegx | #ресурсы

Вкатываемся в Machine Learning с нуля за ноль рублей: что, где, в какой последовательности изучить

📖 Читать: ссылка

👉 @DataSciencegx | #cтатья

Курс по машинному обучению

Этот курс представляет собой всестороннее введение в машинное обучение, охватывая как теоретические основы, так и практические аспекты

📹 Cмотреть курс: YouTube

👉 @DataSciencegx | #курсы

Data Science в действии

Автор: Апельцин Леонард
Год: 2023

📂 Скачать книгу

👉 @DataSciencegx | #книги

Два сапога — пара, а три — уже community: как алгоритмы на графах помогают собирать группы товаров

📖 Читать: ссылка

👉 @DataSciencegx | #cтатья

Репозиторий, в котором перечислены потенциальные источники, которые помогут вам в подготовке к собеседованию по Data Science/Machine Learning. Часто добавляются новые ресурсы

⛓ Ссылка: тык

👉 @DataSciencegx | #ресурсы

Машинное обучение для абсолютных новичков. Вводный курс, изложенный простым языком

Автор: Оливер Теобальд
Год: 2024

📂 Скачать книгу

👉 @DataSciencegx | #книги

Что не так с вашим кодом, сгенерированным большими языковыми моделями?

📖 Читать: ссылка

👉 @DataSciencegx | #cтатья

Полезный открытый учебник по Machine Learning

Здесь собрана коллекция задачек о нейросетях, параллельно даётся необходимая теория с объяснением
Очень годно, рекомендую

Что внутри?
├╼ всего лишь функция
├╼ градиентный спуск
├╼ алгоритм обратного распространения ошибки
├╼ что выплёвывает нейросеть
├╼ свёрточные сети
├╼ нейросети – конструктор LEGO
├╼ рекуррентные сети
╰╼ матричное дифференцирование

⛓ Ссылка: тык

👉 @DataSciencegx | #ресурсы

Введение в автоматизированное машинное обучение

Автор: Хуттер Ф., Коттхофф Л., Ваншорен Х.
Год: 2023

📂 Скачать книгу

👉 @DataSciencegx | #книги

Как устроен рекомендательный сервис, который выдерживает 700 тысяч запросов в секунду. Доклад Яндекса

📖 Читать: ссылка

👉 @DataSciencegx | #cтатья

Follow-Your-Emoji — метод, позволяющий тонко контролировать движения головы и лица

Причём этот метод позволяет управлять движениями произвольных лиц, в том числе нарисованных в разных стилях, а также скульптур и т.д.
Даже движения морды животных можно так анимировать

Метод основан на недавнем исследовании Yue Ma, Hongyu Liu, Hongfa Wang и их команды из Гонконгского университета

⛓ Ссылка: тык

👉 @DataSciencegx | #ресурсы

Машинное обучение с использованием Python. Сборник рецептов: практические решения от предобработки до глубокого обучения, 2 изд

Автор: Кайл Галлатин, Крис Элбон
Год: 2024

📂 Скачать книгу

👉 @DataSciencegx | #книги

Очень подробный гайд по созданию LLaMa-3 с нуля!

Крутой репозиторий, в котором реализована llama 3 с нуля - умножение матриц с помощью multiple heads, позиционное кодирование (способ кодирования позиции слова внутри эмбеддинга), реализация механизма внимания и все остальное, здесь тщательно описано и объяснено

⛓ Ссылка: тык

👉 @DataSciencegx | #ресурсы

Maestro — это инструмент искусственного интеллекта, который использует возможности передовых нейронных сетей для выполнения ваших задач.

Этот Python-скрипт задействует до трех моделей ИИ для решения задач: Мощная связка из GPT-4o, Claude-3.5 и LlaMa 3, работающих вместе для решения ваших задач.

Роли моделей следующие:
🟡 ORCHESTRATOR MODEL — управляет всем процессом.Модель принимает ваш промпт, разбивает её на более мелкие задачи и передает их следующей модели.

🟡 SUB AGENT MODEL — выполняет ключевые функции проекта, такие как написание кода, генерация текста и многое другое.

🟡 REFINER MODEL — оптимизирует и улучшает результаты предыдущхи моделей, исправляет ошибки, делает текст более естественным и многое другое.

⛓ Ссылка: тык

👉 @DataSciencegx | #ресурсы

Открытый курс по ML с видео и лекциями от Амстердамского университета

Этот курс покрывает множество тем ML, вот некоторые из них:
— Gaussian Mixture Models
— PCA (Principal Component Analysis)
— SVM (Support Vector Machines)
— Bootstrapping, Feature Bagging

К каждой теме приводится pdf с основными формулами и видео с подробным объяснением, в целом очень годный курс

⛓ Ссылка: тык

👉 @DataSciencegx | #ресурсы