⚡️ Нереальный список ресурсов по Machine Learning

Здесь приведена масса полезных ссылок для изучения NLP, computer vision, SVM и других ML-алгоритмов
Если кто искал и никак не мог найти объяснение нужной темы ML — скорее всего оно есть тут

📎 Список ресурсов

@machinelearning_interview

🌟 Идея для пет-проекта — ML-приложение, прогнозирующее задержки полётов

Чтобы разобраться в ML, нужно...
В общем, в этом репозитории приведены все необходимые шаги для реализации ML-приложения, предсказывающего задержки рейсов в стокгольмском аэропорту Арланда.
Очень подробно объясняется архитектура этого приложения, и даже реализуется графический интерфейс на Gradio

🖥 GitHub
🟡 Презентация проекта на Hugging Face

@machinelearning_interview

🌟 Interpretable Machine Learning with LIME for Image Classification

Отличный Colab, который поможет разобраться, как работает алгоритм LIME для классификации изображений
Параллельно затрагиваются особенности CV-алгоритмов и почему они не всегда работают, как нужно

🟡 Google Colab

@machinelearning_interview

📌Отличная шпаргалка по разным распределениям

Здесь приведено подробное описание таких распределений как β-распределение, биномиальное, 𝛘-квадрат, нормальное, Пуассона
К каждому из распределений приведена реализация на Python и примеры использования

📎 Распределения

@machinelearning_interview

⚡️ Большая подборка из 210 реализованных проектов, связанных с ML и Deep Learning

Здесь собраны ссылки на репозитории этих проектов с датасетами и готовыми моделями
А вот некоторые из этих проектов:
— определение надёжности клиентов для банка
— расшифровка CAPTCHA
— определение: кот или собака на изображении
— определение наличия/отсутствия диабета

🟡 210 ML-проектов

@machinelearning_interview

🌟 Материалы по Deep Learning — ноутбуки и лекции от Парижского университета

— git clone https://github.com/m2dsupsdlclass/lectures-labs

Можно использовать, чтобы освежить теорию перед собеседованием;
здесь подробно разбираются такие темы как:
— рекомендательные системы
— свёрточные нейросети (CNN) и классификация изображений
— рекуррентные нейросети и NLP
— работа с последовательностями
— механизмы внимания и памяти

📎 Лекции и ноутбуки

@machinelearning_interview