bad-bunnyy / machine-learning-roadmap-and-projects

خطة مجانيه دراسة التعلم الالي والتعلم العميق

هذه محاولة لوضع خطة لمجال التعلم الالي والتعلم العميق لترشد المبتدئ لأفضل طريق من وجهة نظري للوصول للفهم الجيد للأساسيات

كيف تستخدم الخطة :

• للنظري حاول كتابة الملاحظات للتذكر والأشياء المهمه وحدد وقتا ثابتا
• للدورات التطبيقيه حاول التفاعل معها واتعب قليلا في حلول الاختبارتات لا تقم باستسهالها والبحث على جوجل عن حلولها أو صاحب خبره افعلها بنفسك
• لتدريبات الأكواد كود على طول ، وبعد الفيديو حاول ترميزه بنفسك مرة أخرى.
• الخطوة 3 حاسمة! إن معرفتك النظرية لا قيمة لها إذا كنت لا تعرف كيفية تطبيقها على مشاكل العالم الحقيقي! قم بأكبر عدد ممكن من المشاريع والمسابقات الشخصية! ليس عليك الانتظار مع الخطوة 3 حتى تنتهي من الأجزاء الأخرى ، أوصي بالبدء بمشروع جانبي أو مسابقة kaggle بعد الانتهاء من الجزء 1.1 (دورة Andrew Ng).

The Plan

0. Prerequisites

• Linear Algebra and Multivariate Calculus

  • Khan Academy - Multivariable Calculus
  • Khan Academy - Differential Equations
  • Khan Academy - Linear Algebra
  • 3Blue1Brown - Essence of Linear Algebra

• Statistics

  • Khan Academy - Statistics Probability

• Python

  • Python Full Course 4 Hours - FreeCodeCamp on YouTube
  • Advanced Python - Playlist on YouTube (Python Engineer)
  • Numpy - Free Udemy Course
  • Matplotlib
    • sentdex - Playlist on YouTube or
    • Corey Schafer - Playlist on Youtube
  • Pandas Tutorial - Playlist on Youtube (Corey Schafer)

1. Basics Machine Learning

• Coursera Free Course by Andrew Ng
• Machine Learning Stanford Full Course on YouTube
• Udacity - Introduction to Machine Learning
• Machine Learning From Scratch - Playlist on YouTube (Python Engineer)
• Books (Optional and not free, but I recommend at least the first one):
  • Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow - Aurélien Géron
  • Python Machine Learning - Sebastian Raschka
  • Introduction to Machine Learning with Python - Andreas Müller

2. Deep Learning

• Stanford Lecture - Convolutional Neural Networks for Visual Recognition
• Learn PyTorch (or Tensorflow)
  • pytorch.org official Tutorials
  • PyTorch Free Course on YouTube (Python Engineer)
• fast.ai - Free Courses
  • Practical Deep Learning for Coders Part 1
  • Part 2

Optional:

• Stanford Lecture - Natural Language Processing with Deep Learning
• Stanford Lecture- Reinforcement Learning

3. Competitions and Own Projects

• Kaggle
  • Datasets (develop own projects)
  • Competitions (start with Getting started section)
• 8 Fun Machine Learning Projects For Beginners

4. Prep for Interviews

• https://github.com/alexeygrigorev/data-science-interviews

الخطوة التالية

• اصنع مشاريعك الخاصة لإظهار ما تعلمته
• أعد إنتاج الأبحاث العلميه ونفذ الخوارزميات
• اكتب مدونة لشرح ما تعلمته.
• المساهمة في المشاريع مفتوحة المصدر المتعلقة بـ ML / DL (sklearn، pytorch، fastai، ...).
• شارك في مسابقات Kaggle.

Further readings

• The cold start problem: how to break into machine learning (Towardsdatascience)
• How to Start Learning Machine Learning? (GeekforGeeks)
• How to get started in machine learning - best books and sites for machine learning (YouTube)
• How you can get a world-class machine learning education for free (Elite Data Science)
• Get started with AI and machine learning in 3 months (Aleksa Gordić)
• https://towardsdatascience.com/beginners-guide-to-machine-learning-with-python-b9ff35bc9c51
• One year of deep learning (Fast.ai)
• Getting Started with Applied Machine Learning (Machine Learning Mastery)

GitHub:

• https://github.com/ZuzooVn/machine-learning-for-software-engineers
• https://github.com/Avik-Jain/100-Days-Of-ML-Code
• https://github.com/yanshengjia/ml-road

Further resources

Contributions are welcome! If you can recommend any other resources, feel free to open a pull request :)

• Book: Automate The Boring Stuff with Python (Till Chapter 6 for Python Basics, the remaining chapters include the applications of Python)
• Book: Python Crash Course by Erric Matthes
• Book: Learning Python by Mark Lutz
• Basics of Neural Networks, how they learn and some of the involved Mathematics(3Blue1Brown series)
• Article on Beginner Level Datasets
• Article on Life Cycle of a Data Science Project
• Book: Grokking Algorithms: An Illustrated Guide for Programmers and Other Curious People
• Book: Mathematics for Machine Learning (with tutorials - FREE)
• Book: An Introduction to Statistical Learning (- FREE)
• Essentials of Statistics by Monica Wahi (YouTube)