Die Wissenschaftler von DeepMind haben eine kuratierte Ressourcenliste mit Lehrmaterialien für diejenigen zusammengestellt, die ihr Leben mit KI und maschinellem Lernen verbinden möchten. Ich nenne diese Sammlung "ontol" - eine Liste dessen, was das Bild der Welt zu einem bestimmten Thema bildet, sortiert nach Wichtigkeit und zusammengestellt von einer lebenden Person, einem Spezialisten, der für diese Liste verantwortlich ist (so dass es kein Marketing und keinen voreingenommenen Bullshit gibt).
Wenn die zehn größten Unternehmen auf dem Gebiet der KI ihre führenden Spezialisten (jeweils) bitten, eine Auswahl der besten Materialien zu treffen, aus denen sie als Spezialisten hervorgegangen sind, erhalten wir wie geplant eine Reihe von Sammlungen (Liste der 10/100 besten Ressourcen + Name des Compilers) und basieren darauf. wird interessante Schlussfolgerungen ziehen (a) über die Qualität der Materialien, die zuallererst vermittelt werden sollten. b) über die Qualität der Spezialisten, die die Hauptsache hervorheben können. c) etwas anderes. Auf diese Weise "markieren" wir alle offenen Texte / Videos im Bereich der KI. Dann werden wir uns mit anderen Themen befassen: Essen, Vertrauen, Lebenswerk, Familie, Zusammenarbeit, kognitive Verzerrungen usw. - was bildet das Bild der Welt?
Testen Sie den Prototyp von beta.ontol.org und abonnieren Sie den @ Intel- Kanal
Inhaltsverzeichnis
Safety
Neuroscience
Natural Language Processing
Machine Learning
Deep Learning
Reinforcement Learning
Unsupervised Learning and Generative Models
21 Definitionen von Fairness und ihrer Politik (Video) - Arvind Narayanan diskutiert die verschiedenen Definitionen von Fairness und die Kompromisse, die sie für die Gesellschaft darstellen.
Buch über Fairness und maschinelles Lernen (Buch, Video) - Ein Überblick über die Gerechtigkeit bei Themen des maschinellen Lernens.
Justizkurs der Harvard University (Video) - Ausführliche und engagierte Vorträge zu Gerechtigkeit und Moralphilosophie ( Übersetzung ).
NeurIPS 2017 Tutorial zu Fairness beim maschinellen Lernen (Video) - Solon Barokaz und Moritz Hardt diskutieren ausführlich die soziotechnischen Elemente der Fairness beim maschinellen Lernen.
Das Problem mit Bias - NeurIPS 2017 (Video) - Kate Crawford diskutiert die ethnischen Konsequenzen von Voreingenommenheit in künstlichen Intelligenzsystemen.
Sicherheit
AGI Safety Literature Review (Veröffentlichung) - Eine hervorragende Überprüfung der allgemeinen AI-Sicherheitsliteratur vor 2018 mit Hunderten von Referenzen für weitere Studien.
AI Alignment Newsletter von Rohin Shah (Newsletter) - Ein wöchentlicher Newsletter, der die neuesten Arbeiten auf dem Gebiet der Sicherheit künstlicher Intelligenz zusammenfasst.
YouTube-Kanal für KI-Sicherheit von Robert MIles (Video) - Lehr- und Unterhaltungsvideos, die das Publikum mit den wichtigsten Sicherheitskonzepten für die allgemeine künstliche Intelligenz vertraut machen .
Konkrete Probleme in der KI-Sicherheit (Veröffentlichung) - Ein nützlicher Überblick über die Sicherheit der künstlichen Intelligenz, das Original und der Artikel sind bereits zu einem Klassiker auf dem Gebiet der KI-Sicherheit geworden.
Menschlich kompatibel: Künstliche Intelligenz und das Problem der Kontrolle von Stuart Russell (Buch) - Ein Buch, das die ursprüngliche KI unbedingt lesen muss.
Theorie und Grundbegriffe
3Blue1Brown Youtube-Kanal (Video) - Eine großartige Reihe von Tutorials. Besonders hilfreich sind Videos von Grund auf in linearer Algebra und neuronalen Netzen.
Eine 2020-Vision der linearen Algebra (Gilbert Strang, MIT) (Video) - Ein kurzer neuer Blickwinkel fasst den gesamten Kurs der linearen Algebra mit technischen Details kurz zusammen: Wie wird die lineare Algebra im wirklichen Leben und insbesondere im Bereich des maschinellen Lernens angewendet?
Andrew Ngs Kurs für maschinelles Lernen (Online-Kurs) - Der erste sehr praktische und umfangreiche Kurs für maschinelles Lernen. Da der Kurs auf Coursera stattfindet, können Ihre Aufgaben benotet werden und Assistenten und andere Lernende können Ihnen mit Kursmaterial helfen.
Kausale Folgerung in der Statistik: Eine Grundierung(Online-Preprint) - Eine großartige Einführung in die kausale Schlussfolgerung. Dies ist ein Vorabdruck der Vollversion des neuesten Buches.
Kausale Folgerung : Was wäre wenn (Online-Buch) - Neues Buch über kausale Folgerung.
David MacKay, Videos zum informationstheoretischen Kurs (Video) - Behandelt eine Vielzahl von Bereichen in McKays Vorlesungen im Unternehmensstil.
David MacKays Kurs über Informationstheorie, Mustererkennung und neuronale Netze (Video) - Legendär David MacKays Kurs über Informationstheorie, Datenmustererkennung und neuronale Netze.
Entscheidungstheoretische Grundlagen für statistische Kausalität (Online-Artikel) - Eine alternative Methode zur Formulierung kausaler Ableitungsoperationen.
Deep Bayes Summer School Vorlesungen und Labormaterialien(Video) - Vorlesungen und praktische Aufgaben zur probabilistischen Modellierung und zum Bayes'schen Training.
Elemente der kausalen Folgerung : Grundlagen und Lernalgorithmen (Online-Buch) - Dieses Buch führt den Leser auf einfache und kostengünstige Weise in eine kausale Schlussfolgerung ein.
Essenz der linearen Algebra (3blue1brown) (Video) - Vermittelt ein sehr gutes Verständnis der Schlüsselideen der linearen Algebra, ohne auf technische Details einzugehen . Begleitet ein traditionelles Lehrbuch für lineare Algebra oder einen College-Kurs.
Francis Bachs Blog - Nützliche Tipps und Tricks, eingehende Analyse verschiedener Konzepte des maschinellen Lernens.
Human Intelligence Enterprise-Kurs (Kursmaterialien) - Geschichte der menschlichen Intelligenz.
Ist die abstrakte Mathematik der Topologie auf die reale Welt anwendbar? (Video) - Die Einführung ist eine hervorragende Beschreibung der Grundlagen der Topologie. Der Workshop beschreibt überzeugend spezifische Anwendungen.
KhanAcademy-Kurse (Video) - Eine großartige Einführung für Anfänger in Statistik, Wahrscheinlichkeitstheorie und Mathematik, die zum Verständnis des maschinellen Lernens erforderlich sind.
Lernen aus Datenkurs - Caltech (Video) - Eine nette Einführung in das maschinelle Lernen. Eine sehr klare Erklärung der Themen.
Vorlesungsunterlagen zu Monte Carlo - Eine kurze Erläuterung der Monte-Carlo-Methode.
Mathematik für maschinelles Lernen (Buch) - Ein ausgezeichnetes Buch, das die grundlegenden mathematischen Konzepte für maschinelles Lernen behandelt.
MIT Machine Learning-Kurs (Online-Kurs) - Ein ausgezeichneter Kurs von 2006 über die Grundlagen (und jetzt die Geschichte) des maschinellen Lernens, bevor tiefes Lernen und viele Abstraktionsebenen zum Mainstream wurden.
Nando de Freitas Kurs über maschinelles Lernen (Video) - Nützlicher Kurs und Präsentation über maschinelles Lernen.
Princeton Companion to Mathematics (Buch) - Die wahrscheinlich verblüffendste mathematische Quelle, die es gibt. Das Buch bietet einen detaillierten Überblick über die wichtigsten Konzepte der modernen Mathematik ohne Hintergrundinformationen zum selbsternannten Format der Gutenachtgeschichte - unterhaltsam, leicht verständlich und intuitiv.
Projekt Euler(Problem Solving Community) - Eine Reihe komplexer mathematischer Probleme und Probleme aus der Informatik zur Aktivierung des Gehirns. Es ist sehr interessant, sie zu lösen, und das erworbene Wissen wird Ihnen in Ihrer Karriere im Bereich des tiefen Lernens helfen.
Kurs zur Theorie des statistischen Lernens (Online-Kurs) - Ein kostenloser Kurs zu den Grundlagen des maschinellen Lernens, der sich an Personen mit mathematischer Ausbildung richtet, wird von den Professoren Hasti und Tibshirani unterrichtet.
Alle wichtigen Ideen der linearen Algebra in 1 Lektion (Video) - lakonisch, umfassend.
Das Buch des Warum (Kapitel aus dem Buch) - Eine einfache Einführung in die kausale Folgerung und ein historischer Exkurs in seine Entwicklung.
Neurowissenschaften
Brain Inspired Podcast - Ein Podcast, der Neurowissenschaften und künstliche Intelligenz miteinander verbindet.
Center for Brains Minds + Machines Summer School-Vorlesungen (Video) - Vorlesungen der berühmten Woods Hole Summer School über computergestützte * kognitive * Neurobiologie (mehr zu Kognition, Verhalten und Verbindungen zum maschinellen Lernen auf hohem Niveau).
Computational Cognitive Modeling @ NYU (Folien und Texte) - Ein Überblick über rechnergestützte Ansätze zur Modellierung der menschlichen Kognition, die eng mit künstlicher Intelligenz und maschinellem Lernen verbunden sind.
Computermodelle des Neokortex (Klassennotizen) - Interdisziplinär und innovativ.
Vorlesungen aus Methoden der Computational Neuroscience Woods Hole Summer School(Video) - Vorlesungen der berühmten Woods Hole Summer School über das rechnerische * System * der Neurobiologie (mehr zu den Zyklen und Systemeigenschaften des Gehirns)
Marrs Analyseebenen (Vision, 1982, Kapitel 1) (Kapitel aus dem Buch) - Erklärt anhand von Beispielen perfekt Nützliche Algorithmen wie EM. Dient als großartige Ergänzung zu Bishops Buch.
MIT Brains, Minds and Machines Sommerkurs (Video) - Abschlusskurs an der Schnittstelle von Kognitionswissenschaft, Neurobiologie und künstlicher Intelligenz.
Probabilistische Erkenntnismodelle (interaktives Tutorial) - Ein interaktives Tutorial, das die Verwendung eines probabilistischen Modells zum Erstellen und Modellieren von menschenähnlichem Verhalten beschreibt.
Die Herausforderung, das Gehirn zu verstehen: Wo stehen wir 2015?(Veröffentlichung) - Ein guter Überblick über die Neurobiologie in Bezug auf die Biologie.
Theoretische Neurowissenschaften (Online-Buch) - Eine beliebte Einführung in die theoretischen Neurowissenschaften.
Verarbeitung natürlicher Sprache
Eine Code-first-Einführung in die Verarbeitung natürlicher Sprache (Video) - Eine Einführung in die Verarbeitung natürlicher Sprache für Personen mit technischem Hintergrund.
Eine Einführung in neuronale Netzwerkmodelle für die Verarbeitung natürlicher Sprache (Veröffentlichung) - Ein klarer Überblick darüber, wie neuronale Netzwerke in der Verarbeitung natürlicher Sprache verwendet werden.
CS224n: Verarbeitung natürlicher Sprache mit tiefem Lernen (Video) - Stanford-Kurs über moderne Verarbeitung natürlicher Sprache .
NLP-Fortschritt (Liste der Datensätze und Ergebnisse) - Eine Community-gesteuerte Website, die eine große Anzahl von Aufgaben, Datensätzen und aktuellen Ergebnissen in der Verarbeitung natürlicher Sprache auflistet.
Oxford / DM NLP Kurs 2017(Kurs der Vorlesungen) - Vorlesungskurs für fortgeschrittene Textverarbeitung in natürlicher Sprache, gehalten von DeepMinders in Oxford.
Sprach- und Sprachverarbeitung (Buch) - Ein maßgeblicher Verweis auf die Verarbeitung natürlicher Sprache - jetzt in 3D und online verfügbar.
The Annotated Transformer (Blogbeitrag) - Großartige Einführung in das vorherrschende Modell der Verarbeitung natürlicher Sprache.
Maschinelles Lernen
Amii Coursera Maschinelles Lernen: Algorithmen in der realen Welt Spezialisierung (Online-Kurs) - Hervorragender Überblick über die Entstehung und Identifizierung von Problemen des maschinellen Lernens und deren Lösungen.
Bayesianisches Denken und maschinelles Lernen (Online-Buch) - Die Grundlagen des probabilistischen Denkens und Modellierens.
David MacKay, Grundlagen des Gaußschen Prozesses (Video) - Die zugänglichste und intuitivste Einführung in den Gaußschen Prozess.
David MacKays Buch "Informationstheorie , Inferenz und Lernalgorithmen " (Buch) - David MacKay bietet eine einzigartige Perspektive auf die Beziehung zwischen Informationstheorie, Inferenz und Lernen. Sein Schreibstil ist einzigartig, ebenso wie der Humor im Buch.
Einstieg in das maschinelle Lernen (Blog) - Ein Blog für diejenigen, die maschinelles Lernen betreiben möchten.
Vorlesungsunterlagen zum maschinellen Lernen (Kompendium) - Zusammenfassung aus Herbert Jagers Vorlesungen zum maschinellen Lernen. Beschreiben Sie die vielen Grundlagen und Standards von Themen des maschinellen Lernens. Sehr gut geschrieben (fast wie ein Buch).
Maschinelles Lernen an der UBC 2012 (Video) - 2012 maschinelles Lernen an der University of British Columbia.
Maschinelles Lernen, Wahrscheinlichkeit und grafische Modelle (Sam Roweis) (Video) - Hervorragende Erklärung grafischer Modelle durch den legendären Sam Roweis.
Ranking der ML-Online-Kurse (Liste der Ressourcen) - Ein ziemlich umfassender Überblick über die Top-Online-Kurse für maschinelles Lernen.
Stanfords Kurs für maschinelles Lernen (Video) - Einführung in den Kurs für maschinelles Lernen.
Sonntagsklassiker(Liste der Ressourcen) - Eine Sammlung klassischer Werke zu allen Themen des maschinellen Lernens, der Kognitionswissenschaft, der Statistik, der Informationstheorie, der Neurobiologie, der künstlichen Intelligenz, der Signalverarbeitung, der Operationsforschung, der Ökonometrie usw.
WEKA: eine Werkbank für maschinelles Lernen (Online-Ressourcen) - Eine große Auswahl an kostenlosen Softwaretools für die Einarbeitung in Daten, Datenvisualisierung, Klassifizierung, Regression, Funktionsauswahl und Data Science Foundation. Ich benutze diese Ressourcen ständig, um anderen beizubringen, Muster in den Daten zu sehen und zu schätzen, wie viel das System diese und komplexere Muster sehen und verwenden kann.
David MacKay, alle Videolectures (Video) - David McKays Name ist auf diesem Gebiet bekannt, insbesondere in der Statistik und im probabilistischen maschinellen Lernen.
Tiefes Lernen
Andrej Karpathy Blog / Hacker-Leitfaden (Blog-Beitrag) - Eine sehr leicht zugängliche Einführung in neuronale Netze. Auch in seinem Blog finden Sie praktische Tipps, die für das Leben gelten.
Ein Überblick über Algorithmen zur Optimierung des Gradientenabstiegs (Blog-Beitrag) - Ein ausführlicher Beitrag, in dem die wichtigsten Optionen für den Gradientenabstieg zur Optimierung neuronaler Netze untersucht werden.
Chris Olah-Blog (Blog) - Chris Olas Ansatz kann als sehr lehrreich für die Erforschung von Schlüsselkonzepten (z. B. das Verstehen von Konzepten) bezeichnet werden und Elemente) beim maschinellen Lernen auf einer tiefen Ebene. Chris ist begeistert von Bildung und exzellentem Schreiben.
Crashkurs AI (Video) - Hilfreiche, gut vorbereitete Einführungsserie. Es ist wahrscheinlich das Beste für Studenten und Anfänger.
CS231: Faltungsneurale Netze für die visuelle Erkennung (Stanford) (Video) - Großartige Hinweise zum Link: cs231n.github.io Eine schöne Fortsetzung von Andrew Euns Kurs, der uns viel tiefer in Faltungsneurale Netze eintaucht (dies wurde am Ende des vorherigen Kurses kurz erwähnt). und führt fortgeschrittenere Konzepte wie generative Modelle und Tiefenverstärkung ein.
CS231n: Faltungs-Neuronale Netze für die visuelle Erkennung (Stanfords legendäre CNN-Vorlesungen) (Video) - Ein hervorragender Überblick über klassische und früheste Faltungs-Neuronale Netze, die die Grundlage für die meisten Arbeiten mit visuellen Daten aus
Deep Learning in Oxford 2005 bilden (Video) ) - Der Oxford Deep Learning Kurs 2015.
Deep Learning Book (Buch) - Eine ausführliche Einführung in die Grundlagen des Deep Learning durch einige Entdecker auf diesem Gebiet.
Deep Learning Indaba Practicals (Colabs) - Es gibt Tutorials, die seit vielen Jahren an Menschen entwickelt und getestet werden, um Deep Learning von Grundprinzipien bis zu fortgeschrittenen Themen wie dem Aufbau eines automatischen Differenzierungsrahmens oder der Generierung eines generativen kontradiktorischen Netzwerks zu vermitteln.
Tauchen Sie ein in Deep Learning (Buch) - Ein hervorragendes Format, das das Studium der Schlüsselkonzepte des maschinellen Lernens zu einer unterhaltsamen und interaktiven Lektion macht.
DL + RL Kurs mit UCL(Video) - Dieser Kurs behandelte viele Themen im Zusammenhang mit Deep Learning und Bestärkungslernen. Es bestand aus zwei, meist getrennten Pfaden, einem im Tiefenlernen und einem im Bestärkungslernen, die getrennt studiert werden konnten.
EEML ( erste / zweite Ausgabe ) Labormaterialien (Colabs) - Vorlesungen und Workshops zu probabilistischer Modellierung und Bayes'schem Lernen.
EEML-Folien aus Vorlesungen (Folien) - Folien für die EEML-Vorlesungen des letzten Jahres (es gibt leider keine Einträge). Sie decken eine große Menge an Material ab, von der Einführung bis hin zu komplexeren Präsentationen.
Full Stack Deep Learning(Online-Kurs) - Deep-Learning-Modelle existieren nicht im luftleeren Raum. Dieser Kurs behandelt die praktischen Aspekte des Deep Learning wie das Implementierungsmodell, die Infrastruktur, das Debuggen und sogar die Vorbereitung auf Deep Learning-Interviews. Einführung in das maschinelle Lernen
im Lviv Workshop ( eins , zwei ) (Vorlesungen) - Einführung in das maschinelle Lernen. Es wird die Theorie vorgestellt, auf der eine Deep-Learning-Engine aufgebaut werden kann.
Khipu Videos und Praktika + Github (Video + Folien) - Materialien von Khipu - Videos und Praktika für Schüler zum Bestehen.
Lilian Wengs Blog(Blog) - Lillians Blog enthält Beiträge zu verschiedenen Themen, darunter Lehrplan, Selbstkontrolllernen, Meta-Lernen und mehr. Die Beiträge selbst sind nicht zu detailliert und gehen manchmal zu tief in die Spezialisierung ein. Oft werden sie jedoch mit neuen Informationen aktualisiert, die nach der Veröffentlichung des ursprünglichen Beitrags veröffentlicht wurden.
MIT 6.S191 Einführung in Deep Learning (Videos und Tutorials) - Ein MIT-Einführungskurs zu Deep Learning und Informationssystemen.
Online-Journal (Journal) - Ein von Experten begutachtetes Online-Journal, mit dem Sie informative Visualisierungen und Code erstellen können, um das Verständnis von Forschungsarbeiten zu erleichtern und die Transparenz und Reproduzierbarkeit zu erhöhen.
Parallele verteilte Verarbeitung(Online-Buch) - Ein Klassiker für alle, die die Wurzeln des tiefen Lernens verstehen wollen, als es "Konnektionismus" war.
Praktisches Deep Learning für Programmierer (Online-Kurs) - Empfohlen von Freunden anderer technischer Fachgebiete (wie Physik und Mathematik) als großartige Einführung in das Deep Learning.
Stanfords NLP mit Deep Learning-Kurs (Online-Kurs) - Nützlich für alle, die mit dem Erlernen der Verarbeitung natürlicher Sprachen beginnen möchten.
Sutton und Bartos Reinforcement Learning (Lehrbuch) - Dies ist das Lehrbuch aller Lehrbücher für verstärktes Lernen. Es ist von sehr einfachen Dingen bis zu fortgeschrittenen Themen aufgebaut. Begleitend zu den Vorträgen von David Silver.
Verstärkungslernen
Alberta RL 4-Gänge-Spezialisierung (Online-Kurs) - Vier aufeinanderfolgende Verstärkungstrainings, beginnend mit Banditen und endend mit Function Approximation (NNs), Gradientenmethode und durchschnittlicher Belohnung.
CS330: Metalearning und Multitasking (Video) - Bietet einen Überblick über aktuelle Arbeiten im Bereich Meta-Training und Multitasking. Ein inspirierendes und sehr nützliches Video, um mit den aktuellen Ideen auf dem Gebiet Schritt zu halten.
David Silver, Einführung in das Reinforcement Learning (Video) - Gut geeignet, um Ideen aus Sutton & Bartos Lehrbuch aufzugreifen: Warum sollten wir über diese Themen nachdenken? In welcher Beziehung stehen die von uns diskutierten Ideen? usw.
David Silvers RL-Kurs von der UCL(Video) - Nützlich für alle, die etwas über Verstärkungstraining lernen möchten.
Emma Brunskill RL-Kurs (Video) - Videovorträge zum Thema Verstärkung Lernen aus Emma Brunskills Stanford-Kurs.
OpenAI-Blog (Blog) - Erschwingliche Präsentationen grundlegender und fortgeschrittener Algorithmen zum Lernen von Verstärkung.
Reinforcement Learning: eine Einführung (Ausgabe 2018) (Buch) - Dies ist das gleiche Einführungsbuch zum Reinforcement Learning. Rich ist hervorragend darin, die grundlegenden Konzepte des verstärkenden Lernens zu erklären, und er führt den Leser bis zu fortgeschrittenen offenen Forschungsproblemen.
UofA / Amii Coursera RL-Spezilisierung durch Weiß und Weiß(Online-Kurs) - Projekt der University of Alberta - Zentrum für Forschung im Bereich des verstärkten Lernens. Adam White ist mit Deep Mind verbunden; Eine ganzheitliche und gut gestaltete Kursreihe, die die wichtigsten Grundlagen für das verstärkte Lernen bietet.
Hochfahren in Deep RL (Code) - Eine von OpenAI erstellte Bildungsressource, die das Erlernen von Deep-Reinforcement-Lernen erleichtert.
Unüberwachtes Lernen und generative Modelle
Ermons Kurs über grafische Modelle in Stanford (Kompendium) - Deckt eine Vielzahl probabilistischer Methoden ab.
Effektive Verwendung von t-SNE (interaktives Lernprogramm) - Bietet eine interaktive und ausführliche Einführung in alle Fallstricke der Verwendung von tSNE und ist zu einem der am häufigsten verwendeten Datenanhänge mit geringer Größe geworden.
Mathematicalmonk Youtube-Videos (Video) - Tolle Erklärung anhand von Beispielen für nützliche Algorithmen wie EM. Eine großartige Ergänzung zu Bishops Buch.
Monte-Carlo-Gradientenschätzung beim maschinellen Lernen (Veröffentlichung) - Nützlich für diejenigen, die verstärkendes Lernen oder generative Modellierung durchführen.
Reproduzieren von Kernel-Hilbert-Räumen im maschinellen Lernen(Kursmaterialien) - Geeignet für alle, die sich für generative Modellierung interessieren und nicht nur.
Variationsinferenz eine Ansicht für Statistiker von David Blei (post) - Die beste Erklärung für Variationsmethoden im Kontext der generativen Modellierung.
Andere
Metaobuchenie
der Chelsea von Finns Multi-the-Task und der Meta-the-Learning-Kurs dann (Video) - Videovorträge für Multitasking und Meta-Learning.
Die
Goodman- Philosophie (1955). Das neue Rätsel der Induktion. (Kapitel aus dem Buch) Philosophische Prämissen der induktiven Voreingenommenheit und warum es schwierig ist, Schlussfolgerungen und eine Einführung zu ziehen.
Wissenschaft
Lex Fridmans KI-Podcast (Video) - Gespräche mit verschiedenen und beeindruckenden Gastrednern.
Stanford Physics Lecture Series von Leonard Susskind (Video) - Eine hervorragende Quelle, um viele wichtige Bereiche der modernen Physik kennenzulernen, einschließlich klassischer, statistischer und Quantenmechanik. Diese Vorträge beinhalten nicht viel Hintergrundwissen, Leonard kann komplexe Ideen auf zugängliche und ansprechende Weise einführen und erklären.
Informatik
Mike Bostock interaktive Visualisierungen - Mike Bostocks interaktive Visualisierungen .
Wahrscheinlichkeit in hohen Dimensionen - Ein verständliches Buch über „Ideen an der Schnittstelle von Wahrscheinlichkeitstheorie, Analyse und Geometrie, die in einer Vielzahl zeitgenössischer Probleme in verschiedenen Bereichen auftreten“.
Robotics
Strogatz nichtlinearer Dynamikkurs (Video) - Videokurs über nichtlineare Dynamik.
Vielen Dank an Ale Blankmer für die Hilfe bei der Übersetzung.
In den kostenpflichtigen Online-Kursen von SkillFactory erfahren Sie, wie Sie einen hochkarätigen Beruf von Grund auf neu aufbauen oder Ihre Fähigkeiten und Ihr Gehalt verbessern können:
- Kurs für maschinelles Lernen (12 Wochen)
- Data Science von Grund auf lernen (12 Monate)
- (9 )
- «Python -» (9 )