Do podzielenia się wiedzą na łamach naszego bloga zaprosiliśmy
Mirosława Mamczura z bloga: miroslawmamczur.pl.
Mirek stworzył to miejsce, aby dzielić się wiedzą w zakresie szeroko pojętego data science, uczenia maszynowego i wizualizacji danych. Znajdziecie tam mnóstwo inspiracji! W dzisiejszym wpisie zebrał najbardziej wartościowe (jego zdaniem) źródła wiedzy o data science, uczeniu maszynowym i wizualizacji danych. Jak napisał: „są to miejsca, z których czerpię wiedzę, które mnie inspirują oraz które pobudzają moją kreatywność. Wybór jest subiektywny, a kolejność przypadkowa”. Sprawdźcie sami!
–Tato, skąd Ty masz tyle pomysłów? – zapytała Jagoda.
– Odnośnie czego Kochanie?
– Wszystkiego! Codziennie wymyślasz dla mnie nowe zabawy.
– Jak zauważyłaś sporo czytam i obserwuję. A obserwując innych można sporo się nauczyć oraz wykorzystać ich doświadczenie i wiedzę do swoich potrzeb.
– A poobserwujemy razem innych, którzy układają cudowne zamki z klocków?
Poniżej zebrałem najbardziej wartościowe dla mnie źródła wiedzy o data science, uczeniu maszynowym i wizualizacji danych. Są to miejsca, z których czerpię wiedzę, które mnie inspirują oraz które pobudzają moją kreatywność. Wybór jest subiektywny, a kolejność przypadkowa 🙂
1. Papers with Code
Misją „Papers With Code” jest stworzenie darmowego i otwartego zasobu z dokumentami Machine Learning, kodem i tabelami oceny. Najpiękniejsze jest to, że każdy może dołączyć i dodać swoją implementację do danego papieru.
Również znajdziecie tam zestawienie modeli „State of the Art” z danej dziedziny. Dla przykładu TUTAJ możecie zobaczyć najlepsze modele dla zbioru danych ImageNet.
2. GitHub Awesome Machine Learning
Po prostu WOW! Tutaj w jednym miejscu znajdziesz zbiór najważniejszych parkietów wykorzystywanych do projektów data science i uczenia maszynowego dla różnych języków programowania (Python, R, Java, Javascript, Julia, .Net, itd.)! Wachlarz bibliotek jest tak szeroki jak liczba ofert pracy w Polsce dla data scientistów 🙂
Czytając same opisy możesz wpaść na dziesiątki pomysłów, jak można niektóre pakiety wykorzystać. Jeśli mam być szczery, to jest tutaj duża ilość pakietów, które wykorzystałem do większości moich projektów data science.
3. Kaggle Glossary
Sama platforma Kaggle jest dla mnie bardzo inspirująca. Po pierwsze, możesz spojrzeć na popularne zbiory danych i wymyślić nowe ciekawe sposoby wykorzystania tych informacji. Po drugie możesz wziąć udział w konkursach, które super rozwijają umiejętności, a społeczność dzieli się wiedzą. Ponadto możesz poszukać tutoriali, gdzie autorzy przeprowadzą Ciebie przez algorytmy czy metody wizualizacji danych.
Natomiast w powyższym linku są zebrane w jednym miejscu algorytmy uczenia maszynowego do wykorzystania w projektach data science. Jak poznasz je wszystkie, to śmiało mogę powiedzieć, że masz już olbrzymią wiedzę!
4. Visual Capitalist
Na tej stronie możesz poznać ciekawe sposoby wizualizacji danych. Każdego dnia generowane są oszałamiające 2.5 eksabajtów danych przez ludzi! Natomiast celem Visual Capitalist jest jak najprostsza wizualizacja tych danych :).
5. Towards Data Science
Jest to miejsce, gdzie znajdziesz wiele bardzo ciekawych artykułów z zakresu data science, uczenia maszynowego, wizualizacji i programowania. Współpracują z ponad 10 redakcjami, aby przygotować najbardziej ekscytujące treści dla ich odbiorców. Przeglądanie najnowszych historii przyniesie Ci więcej niż kilka interesujących pomysłów na projekt każdego dnia.
6. Machine Learning Mastery
Jest to blog prowadzony przez prawdziwego mistrza uczenia maszynowego – Jasona Brownlee. Znajdziesz tam mnóstwo inspirujących artykułów, dzięki którym zgłębisz tajniki uczenia maszynowego. Również osoby nietechniczne znajdą coś dla siebie. Chociażby Brownlee zamieścił kilka artykułów prosto wyjaśniających, jak działają algorytmy uczenia maszynowego.
7. Raport Manceps
Manceps zebrał 50 przykładów sztucznej inteligencji i uczenia maszynowego z pierwszych 50 firm z listy Fortune 500! Masz tam wprost pokazane, jak światowi giganci wykorzystują obecnie sztuczną inteligencję w swoich organizacjach.
8. Becoming Human
Kolejny blog zawierający informacje i tutoriale (jakoś nie lubię nazwy „samouczki”:)) dotyczące sztucznej inteligencji i uczenia maszynowego. Dodatkowo można tutaj znaleźć informacje o najnowszych osiągnięciach AI i korzyściach z rozwoju sztucznej inteligencji dla ludzi.
9. KDnuggets
KDnuggets to internetowa platforma do analiz biznesowych, big data, eksploracji danych oraz uczenia maszynowego. Możesz tam znaleźć dodatkowo oferty pracy, spotkania, kursy, dane, edukację i seminaria internetowe.
10. Zbiór polskich blogów
Karol na łamach swojego bloga Deepdrive dotyczącego głównie tematyki autonomicznych samochodów i uczenia głębokiego zebrał listę polskich blogów o sztucznej inteligencji i analizie danych. Jest ich naprawdę sporo. Polecam zobaczyć, jak rośnie nasza polska blogosfera!
11. Grupa Data Science PL
Szukasz inspiracji albo rozwiązania trudnego problemu? Dla mnie ta grupa jest miejscem z największą liczbą naprawdę doświadczonych osób z dziedziny data science i uczenia maszynowego. Polecam przede wszystkim komentarze użytkowników pod artykułami, ponieważ potrafią czasami otworzyć oczy, albo pokazać całkiem inny punkt widzenia.
Przy okazji olbrzymie gratulacje dla Piotrka za utworzenie takiego miejsca! Brawa dla administratorów za dobrą robotę, a członkom za dzielenie się wiedzą i pomaganie nawzajem – tak byśmy stali się lepszą wersją siebie 🙂
12. arXiv
arXiv to bezpłatne ogólnodostępne archiwum dla artykułów naukowych z dziedziny fizyki, matematyki, informatyki, finansów, statystyki, elektrotechniki i nauki o systemach oraz ekonomii.
Gdybyś nawet czytał 1 artykuł przez 1 minutę, to przeczytanie wszystkiego zajęłoby Ci bez spania aż 3 i pół roku! Aktualnie jest tam około 1.7 mln artykułów!
13.AI Trends
AI Trends to blog związany z branżą AI, który koncentruje się na biznesie, pracy i technologii AI. Znajdziesz tam sporo artykułów związanych z wykorzystaniem AI w korporacjach oraz informacje o konferencjach.
14. Blog Open AI
Open AI to blog, za pomocą którego można uzyskać dostęp do prac badawczych nad sztuczną inteligencją. Ten blog koncentruje się na badaniach długoterminowych, w których prace badawcze są zawsze dostępne dla ogółu społeczeństwa.
15. Rządowe konkursy AI!
Jak znalazłem to miejsce, to byłem pozytywnie mocno zdziwiony. Nie wiedziałem, że było zorganizowanych tyle ciekawych konkursów na rządowej platformie. Moim zdaniem warto obserwować. Jak tylko coś nowego się pojawi, to rozumiem, że będziesz gotów do wzięcia udziału!
16. AWS Machine Learning Blog
Na tym blogu Amazon dzieli się najnowszymi wiadomościami i aktualizacjami w dziedzinie sztucznej inteligencji.
17. Blog Analytics Vidhya
Na Analytics Vidhya znajdziesz sporo materiałów edukacyjnych na temat sztucznej inteligencji, uczenia maszynowego i głębokiego uczenia się. Zespół przedstawia szczegółowe i wysokiej jakości tutoriale na tematy związane z sieciami neuronowymi.
18. Data Is Beautiful
Jestem przekonany, że nawet jeśli nie przepadasz za wizualizacją danych, to zainteresują Cię unikatowe pomysły na przedstawienie niektórych danych. Tylko uważaj – to miejsce może wciągnąć na długie godziny – prawie jak TikTok!
Gratis :), czyli 90 blogów o data science
A jakby było Ci mało, to możesz wejść na feedspot i zobaczyć 90 najpopularniejszych blogów!
Autoreklama – MiroslawMamczur.pl
I na koniec serdecznie zapraszam, by blog, na którym jesteś również znalazł się na Twojej liście miejsc związanych z uczeniem maszynowym, data science i AI, który warto czasami odwiedzić!
Pozdrawiam!
📣📣 Trwa emisja akcji Tech Hire S.A., właściciela platformy IT-Leaders. Dołącz i zostań akcjonariuszem. Sprawdź: www.emisja-itleaders.pl
Mirosław Mamczur – Zawodowo od ponad 10 lat zajmuję się analizą danych, pisaniem i wymyślaniem różnych algorytmów oraz modelowaniem.
Od początku swojej zawodowej kariery pracuję w Santander Bank Polska. A jako data scientist mniej więcej od marca 2018. Wykorzystuję uczenie maszynowe do zamiany danych w pieniądze. Głównie działałem w ryzyku kredytowym, a ostatnio wspieram naszych ekspertów cyberbezpieczeństwa wykorzystując AI.
W trakcie swojej kariery w Banku zahaczyłem o wszystkie etapy procesu kredytowego dla klientów indywidualnych: pozyskanie klientów, udzielanie kredytów, budowę algorytmów zdolności kredytowej, modelowanie ryzyka, monitorowanie wdrożonych modeli, przygotowanie indywidualnej polityki cenowej, tworzenie nowego procesu kredytowego w internecie, przygotowanie kampanii CRM oraz kampanii restrukturyzacyjnych.