Где и что почитать и посмотреть про машинное обучение?

Введение

Данная статья направлена на людей, начинающих заниматься анализом данных и машинным обучением и желающих получить дополнительные знания. Здесь представлена подборка самых интересных и популярных курсов, книг или подкастов, зависящая от субъективного восприятия автора.

Что посмотреть?

На данный момент, во многом благодаря пандемии, большинство курсов перешли в онлайн формат и практически любой человек может изучить новое. Получить те знания, о которых он не мог и подумать еще год назад. Поэтому стоит обратить внимание в том числе и на академические курсы. В данной подборке представлены бесплатные варианты изучения направления машинного обучения.

• Курс Andrew Ng от Stamford на Coursera о машинном обучении, ставший классическим. Его знают практически все и при этом курс все еще не потярял в актуальности, отличная возможность дополнить свои знания (курс во многом расчитан на уже имеющиеся некоторые познания). Ссылка: https://www.coursera.org/learn/machine-learning
• Курс лекций ШАД К. В. Воронцова по Машинному обучению. Если предыдущий курс был классическим курсом для международного сообщества, то этот - для соощества СНГ. Лекции также предполагают наличие определенной математической подготовки. Ссылка: https://www.youtube.com/playlist?list=PLJOzdkh8T5k...
• В ВШЭ есть несколько клевых курсов, которые я сам прозодил, первый - майнор (блок из нескольких курсов, связанных одной тематикой) ИАД, эти занятия можно смотреть новичкам, которые только собираются покорять вершины ML. Названия курсов - Введение в анализ данных, Современные методы машинного обучения и Прикладные задачи анализа данных. Также есть курсы Машинное обучение 1 и 2, которые проходят на ФКН, данные курсы вполне реально освоить, однако, здесь уже требуется определенная математическая подготовка. Эти два блока курсов можно смотреть параллельно, как делают многие студенты, так как они хорошо дополняют друг друга. Все курсы ведет Соколов Е. А. и записи публикуются на одном канале. Ссылка: https://www.youtube.com/channel/UCV56iySuhfRQ1qSjX...
• Существует курс под названием Deep Learning School, его проводит МФТИ и это полноценный онлайн курс с домашками, лекциями, семинарами и проектами. Он бесплатный и идет год, есть осенний и весенний набор и два потока: базовый и продвинутый. Это интересная возможность освоить глубинное обучение, если уже немного ориентируешься в сфере классического машинного обучения. Ссылка: https://www.dlschool.org

Кроме данных курсов и циклов лекций существет еще масса популярных и информативных занятий, которые тяжело уместить в один список, далее будет приведено несколько ссылок с кратким описанием:
YouTube-каналы с лекциями

• Лекции центра когнитивного моделирования МФТИ. Ссылка: https://www.youtube.com/channel/UC8UsNfjhqJW1d0ryv...
• Лекции Computer Science Center. Ссылка: https://www.youtube.com/channel/UC0YHNueF-3Nh3uQT0...
• Лекции Deep Learning School. Ссылка: https://www.youtube.com/channel/UCFTNoZYjkg-3LZTHr...
• Занятия Karpov.Courses, которые часто рекламируются в сотсетях последнее время (из интересного, там некоторые лекции читает Валерий Бабушкин). Ссылка: https://www.youtube.com/c/KarpovCourses
• Канал с лекциями по машинному обучению, сейчас на нем выходят занятия К. В. Воронцова. Ссылка: https://www.youtube.com/channel/UC90B3Y_FbBRrRQk5T...
• Канал с лекциями ФКН ВШЭ. Ссылка: https://www.youtube.com/channel/UCV56iySuhfRQ1qSjX...
• Лекции программы Ozon Masters. Ссылка: https://www.youtube.com/channel/UCZVlQ5ChwOYRnqUaa...
• Лекции ШАД. Ссылка: https://www.youtube.com/channel/UCKFojzto0n4Ab3CRQ...
• Лекции и семинары матфака ВШЭ по машинному обучению. Ссылка: https://www.youtube.com/playlist?list=PLxmbPEg7mwp..

Что почитать?

Здесь список будет куда меньше, так как основную информацию все же удобно получать из занятий с реальными людьми, так и осваивается гораздо проще. А что касается более глубоких познаний, то никак не обойтись без научных статей, перечислить которые крайне тяжело. Поэтому предлагаю топ-2 моих личных фаворита, это книги, которые помогут освоить многие моменты. Они часто встречаются как базовая литература на многих курсах, а также обе книги переведены на русский и продаются на OZON (черно-белые, правда, но перевод хороший):

• The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Second Edition. Trevor Hastie, Robert Tibshirani, Jerome Friedman. 2009. URL: https://web.stanford.edu/~hastie/Papers/ESLII.pdf
• Pattern Recognition and Machine Learning. Christopher M. Bishop. 2006. URL: http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf

Что послушать?

Чтобы развиваться в конкретной сфере, стоит не только смотреть лекции и читать книги, также важным становится и быть в курсе событий, узнавать о новых моделях, методах и подходах. Таким образом, просмотр публичных выступоений разработчиков успешных компаний становится не только развлечением, но и практичным занятием наряду с чтением статей. Поэтому посоветую несколько источников, где можно находить интересный материал в неформальном стиле:

• Видео канал крупнейшего сообщества Data Science-разработчиков в СНГ - ODS. Ссылки: https://www.youtube.com/channel/UCeq6ZIlvC9SVsfhfK...; https://www.youtube.com/c/ODSAIGlobal/featured
• Видео Яндекса. Ссылка: https://www.youtube.com/c/%D0%90%D0%BA%D0%B0%D0%B4...
• Подкаст "Неопознанный искусственный интеллект". Ссылка: https://music.yandex.ru/album/12967722?from=iframe

Заключение

Сейчас у нас есть уникальная возможность черпать информацию откуда угодно. Это неоценимая возможность, которой стоит пользоваться, поэтому в пространстве данных важно делиться самым полезным, чтобы развивать друг друга.
Удачного развития!