Как быть в курсе последних достижений в области машинного обучения
В связи с огромным количеством исследований и разработок, происходящих каждый день в области машинного обучения, профессионалам отрасли, решающим реальные сценарии использования, и ученым-исследователям может быть сложно идти в ногу со всеми последними инновациями в их конкретной области интересов.
После долгой борьбы, после серии исследований, я наконец наткнулся на несколько ресурсов, которыми хочу поделиться в этом посте. Список, который я предлагаю здесь, не является исчерпывающим. Тем не менее, я уверен, что их будет достаточно, чтобы держать вас в курсе, избавляя вас от тяжелой работы по самостоятельному просмотру списка опубликованных статей.
Ресурсы, которые я буду обсуждать в этом посте, охватывают форматы видео, информационных бюллетеней и подкастов. В зависимости от ваших личных предпочтений и интересов, вы можете решить, какие из них вы хотите следовать. Более того, я не хочу ошеломлять вас многочисленными вариантами действий. Поэтому я максимально сократил список.
Каналы YouTube для популярных исследовательских работ
Для многих из нас видео являются наиболее предпочтительным способом получения знаний о новых темах. Каналы, за которыми я активно слежу, перечислены ниже:
Яник Килчер №1
Янник Килчер, доктор философии. из ETH Zurich снимает видеоролики, посвященные обсуждению популярных научных работ в области глубокого обучения, в основном в области обработки естественного языка (NLP) и компьютерного зрения (CV). Кроме того, мне лично нравится его подход к объяснению статей. Он часто предоставляет необходимые детали, необходимые для понимания концепции, обсуждаемой в статье. Его видео обычно отмечены ноткой юмора, что делает просмотр и обучение невероятным опытом.
Один или иногда два раза в месяц он также загружает видео с тегом «ML News», в которых рассказывает о заметных событиях и прорывах, произошедших за последний месяц.
#2 AI Кофе-брейк с Летицией
Как и Янник Килчер, Летиция Паркалабеску также публикует видеоролики (часто раз в две недели) о последних обновлениях, в основном в области обработки естественного языка (NLP) и компьютерного зрения (CV). Ее видео, в отличие от Янника, отличаются плавным и визуально привлекательным монтажом (личное мнение), что позволяет довольно легко следить за ее объяснениями и хорошо понимать их. Ее видео, опять же, в отличие от видео Янника, не очень длинные, но, по моему опыту, она подробно освещает все, что обсуждается в выбранной статье, чтобы зрители могли понять.
Более того, вы увидите, как она постоянно взаимодействует со своей аудиторией, публикуя вопросы для опросов на YouTube, в которых мне нравится участвовать. Она публикует один вопрос для опроса каждый день, например, показанный ниже:
# 3 Двухминутные статьи
В то время как два канала YouTube, упомянутые выше, подробно рассказывают о технических деталях, двухминутные статьи от Карой Жолнай-Фехер предназначены для всех. Сюда входят и люди без какого-либо технического образования. Все видео посвящено в первую очередь результатам обсуждаемой статьи, а не конкретным техническим деталям и проведенным исследованиям. Это хорошо, потому что видео дает вам обзор всей статьи в течение нескольких минут. В зависимости от ваших интересов, вы можете решить, продолжать ли читать газету.
Кроме того, просмотр видео перед чтением статьи даст вам фору. У вас больше шансов быстро понять всю статью, если вы знаете ее обзор.
Примечание. Теперь, несмотря на то, что упомянутые выше каналы являются отличными и подробно обсуждают выбранную статью, маловероятно, что вы увидите, как они обсуждают статьи в вашей нише на своих каналах. Документы, выбранные и обсуждаемые в их видеороликах, предназначены для того, чтобы вызвать отклик у широкой аудитории и обсудить только крупные прорывы, которые могут иметь или не иметь существенную техническую новизну как таковую.
Информационные бюллетени
Если вы больше любите читать, информационные бюллетени — еще один отличный источник, чтобы быть в курсе последних исследований. Из множества информационных бюллетеней я активно слежу за двумя:
#1 в группе
«Пакет | Глубокое обучение.ИИ | AI News & Insights
Специальный выпуск! Основополагающие алгоритмы, откуда они взялись и куда идут
The Batch — это официальный еженедельный информационный бюллетень Deeplearning.ai. Последние новости, прорывы и идеи в области искусственного интеллекта еженедельно доставляются на ваш почтовый ящик вместе с заметкой самого доктора Эндрю Нг.
№2 в еженедельнике Data Science
Это второй информационный бюллетень, за которым я активно следил в последнее время. Основные моменты включают статьи, видео, книги, вакансии и учебные пособия в области науки о данных. По моему опыту, этот информационный бюллетень также является отличной отправной точкой для начинающих специалистов по данным или новичков, которые все еще изучают необъятность ИИ и его приложений. Вы можете решить, подходит ли вам это, обратившись к их архиву информационных бюллетеней здесь.
P.S. Изучите нижний колонтитул здесь для курсов, учебных пособий и других ресурсов, связанных с наукой о данных.
Подкасты
Подкаст Лекса Фридмана №1
Доктор Лекс Фридман, ранее известный как подкаст AI, общается с некоторыми из самых известных личностей, таких как лауреаты Нобелевской премии, лидеры отрасли, известные исследователи в области ученых, предприниматели, спортсмены и творческие люди. Всегда приятно слышать, как люди размышляют о своих новаторских работах и проблемах, с которыми они столкнулись, — о чем вы никогда не узнаете, читая их статьи.
#2 TWIML: машинное обучение на этой неделе
Как следует из названия, подкаст TWIML AI представляет идеи из мира машинного обучения и искусственного интеллекта широкому сообществу людей, включающему исследователей машинного обучения и искусственного интеллекта, специалистов по данным, инженеров и ИТ-лидеров. Темы, обсуждаемые ведущим Сэмом Чаррингтоном, включают машинное обучение, искусственный интеллект, глубокое обучение, обработку естественного языка, нейронные сети, аналитику, информатику, науку о данных и многое другое.
Дополнительные ресурсы
Ниже перечислены еще несколько ресурсов, на которые я часто ссылаюсь, чтобы получать последние обновления по мере необходимости.
Документы №1 с кодом
Прогресс №2 в НЛП
#3 Блог Google AI
Мастерство машинного обучения №4
#5 Исследовательская группа искусственного интеллекта Беркли
#6 Arxiv-здравомыслие
#7 Информационный бюллетень Себастьяна Рудера
#8 Блог DeepMind
#9 Блог OpenAI
Вот и все. Я намеренно включил в этот пост несколько ресурсов из каждой категории. Моя цель — предоставить отправную точку для людей, которые борются или чувствуют себя подавленными, увидев множество вариантов. Для начала я бы рекомендовал начинать медленно, но последовательно. Помните, что обучение — это всегда непрерывный процесс, который никогда не остановится. Активно взаимодействуйте с контентом, который они публикуют, чтобы заинтересовать вас. Как только вы выработаете привычку читать, добавьте больше ресурсов в соответствии с вашими требованиями или связанными с вашей нишей.
Кроме того, Twitter и LinkedIn — отличные места, где можно узнать о последних исследованиях. Среда тоже невероятна. Следите за лучшими авторами, популярными публикациями и лучшими публикациями в сфере искусственного интеллекта и науки о данных, а также подписывайтесь на людей/публикации, которые соответствуют вашим интересам.
Пожалуйста, поделитесь со мной (и другими читателями), если у вас есть какие-либо ресурсы, чтобы порекомендовать. Я бы хотел пополнить свой список для чтения новыми учебными ресурсами.
