دسته‌بندی نشده

منابع خارجی (انگلیسی) برای یادگیری هوش مصنوعی و ماشین لرنینگ

منابع-آموزشی-هوش-مصنوعی

در این مطلب یک مجموعه نسبتا کامل از بهترین منابع جهان برای آموزش در مورد هوش مصنوعی ، یادگیری ماشین و یادگیری عمیق جمع آوری شده است؛

اگر زبان انگلیسی خوبی داشته باشید، برای یادگیری سخت‌ترین مباحث هم بهترین آموزش ها از بهترین اساتید دانشگاه های جهان به راحتی و رایگان در اختیار شما قرار دارد.

برای یادگیری مباحثی مانند دیتاساینس، هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و… که جزو مباحث جدید و به روز دنیا می‌باشند هم، منابع و آموزش های فوق العاده کاربردی ای در بستر اینترنت وجود دارد!

1. ابتدا مباحث پایه هوش مصنوعی را یادبگیرید!

اگر مانند من در ابتدای راه هستید، نمیتوان به طور مستقیم وارد تمام مباحث هوش مصنوعی شد! چون این علم بسیار گسترده است و به سرعت هم درحال بزرگ تر شدن است؛

بهتر است ابتدا با مباحث پایه ای شروع کنیم😊 در این مسیر احتمالا با زمینه های مختلف هوش مصنوعی آشنا میشود (مانند پردازش زبان طبیعی، دیتاساینس، بینایی ماشین، متن کاوی، رباتیک و… ) پس از یادگیری مباحث پایه و زمینه ای، حالا وقت تمرکز کردن بر روی رشته ی مورد نظر است.

2. نوبت یادگرفتن مباحث‌تخصصی و جذاب است!

بدون تعارف -با اینکه آموزش های بسیار خوبی وجود دارد- یادگرفتن هر زمینه ای از هوش مصنوعی، نیازمند تمرین زیاد و خسته کننده است🤦

پس باید حوزه ای که برای تان جذاب است را دنبال کنید که مسیر یادگیری لذت بخشی داشته باشید!

خب بعد از مقدمه، نوبت معرفی منابع آموزشی است:

مبانی پایه ای و پیش‌زمینه هوش‌مصنوعی

منابع یادگیری برنامه نویسی

  1. مفاهیم اساسی: Google’s Python Class, Learn Python the Hard Way
  2. تمرین: Coderbyte, Codewars, HackerRank

منابع یادگیری جبر خطی

  1. فصل دوم کتاب یادگیری عمیق (مرور مختصر بر مبانی جبرخطی مرتبط با ماشین لرنینگ)
  2. تئوری مدل خطی

آمار و احتمالات

  1. Introduction to Probability and Statistics این دوره که متعلق به دانشگاه MIT است، یک دید کلی را نسبت به استدلال احتمالی و استنباط آماری فراهم میکند، که برای درک چگونگی تفکر، برنامه ریزی و تصمیم گیری ماشین ها بسیار ارزشمند است.
  2. All of Statistics: A Concise Course in Statistical Inference

حسابان

  1. Differential Calculus و یا هر دوره ی دیگری که به مباحث حساب دیفرانسیل میپردازد.
  2. Derivatives, Backpropagation, and Vectorization دانشگاه استنفورد

دوره‌های تخصصی هوش مصنوعی

منابع آموزشی یادگیری ماشین

  1. دوره Machine Learning از استاد دانشگاه استنفورد(Andrew Ng) در سایت Coursera
  2. کمپ های آنلاین یادگیری دیتاساینس Galvanize , Thinkful
  3. کتاب An Introduction to Statistical Learning

منابع آموزشی یادگیری عمیق

  1. Deeplearning.ai
  2. Convolutional Neural Networks for Visual Recognition
  3. Fast.ai
  4. MNIST handwritten digit classification with TensorFlow
  5. Kaggle competition
  6. Deep Learning Book
  7. Neural Networks and Deep Learning
  8. Deep Learning Papers Reading Roadmap

منابع آموزشی یادگیری تقویتی

  1. Deep Reinforcement Learning
  2. Reinforcement Learning
  3. Deep RL Bootcamp
  4. Pong from Pixels
  5. Simple Reinforcement Learning with Tensorflow
  6. کتاب Reinforcement Learning: An Introduction

هوش مصنوعی

  1. Artificial Intelligence: A Modern Approach
  2. Intro to Artificial Intelligence
  3. Insight AI Fellows Program, Google Brain Residency Program

خبرنامه‌ها

  1. Import AI
  2. Machine Learnings
  3. Nathan.ai
  4. The Wild Week in AI

امیدوارم که منابع و دوره های معرفی شده در این مطلب برای شما کاربردی باشد، همانطور که ابتدا گفتم نیاز به یادگیری و گذراندن تمام این مباحث نیست. ابتدا مقداری برنامه نویسی و کلیات آمار و احتمالات را یادبگیرید و سپس در زمینه ای که مورد علاقه تان است آموزش های مرتبط را بگذرانید.

البته خود من به علت زبان انگلیسی ضعیف اکثرا از ویدیو ها و مطالب فارسی استفاده میکنم که حتما در یک مطلب جداگانه آن‌ها را معرفی خواهم کرد!

medium.com/machine-learning-for-humans/how-to-learn-machine-learning

 

author-avatar

درباره محمد اسماعیلی

علاقه مند به مفاهیم هوش مصنوعی، دیتاساینس و سئو؛ مطالبی که برام جالب باشه رو اینجا می نویسم، و این دلیل بر متخصص بودن من در اون حوزه ها نمیشه😊

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *