Giters

luongdolong / ComputerScience

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

ComputerScience

  1. Reinforcement Learning: Bạn search google thì sẽ ra recommend: http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html Book: http://incompleteideas.net/sutton/book/bookdraft2017june.pdf Nếu bạn chưa biết gì mà học và đọc sách này, bạn trụ được 1 tuần, tôi phục bạn.

Recommend của tôi: bạn nên bắt đầu từ khoá: https://classroom.udacity.com/courses/ud600

Cần thiết muốn xem cụ thể hơn, có code chạy nhìn thấy kết quả luôn: https://www.youtube.com/watch?v=A5eihauRQvo

Cần biết thêm kiến thức về Markov Decision Process thì xem phần cuối của khoá stat110 và cuốn sách đi kèm: https://projects.iq.harvard.edu/stat110/home

  1. Data Science: Bạn muốn bắt đầu mà chưa biết nhiều về Python hay xử lý dữ liệu thì nên bắt đầu với khoá CS109 của Harvard:http://cs109.github.io/2015/ (chú ý tìm lecture của 2015, homework của 2013). Họ sẽ dạy bạn từ collect dữ liệu, làm sạch dữ liệu và xử lý dữ liệu.

Bạn cần thêm kiến thức về xác suất: Học khoá Stat110 như bên trên tôi đề cập. Học xong khoá này bạn sẽ thấy sự diệu kì của xác suất: https://projects.iq.harvard.edu/stat110/home

Bạn muốn có 1 chứng chỉ free liên quan đến Data Science: học khoá Stat Learning của Stanford ( tiện thể học thêm ít về ngôn ngữ R luôn), sách đi kèm free nhé: https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/courseware/995220423fd14a4588d8e47920f1b5df/99faa3a82fca4fc19adc577ce9f75afd/

  1. Game Theory: Bạn học khoá này của Stanford: https://www.coursera.org/learn/game-theory-1 Nhưng đọc thêm quyển sách Game Theory 101, và giải thích của tác giả trên youtube ( vì quyển đi kèm với khoá Stanford cũng toàn lý thuyết).

  2. Deep Learning - Tensorflow Bạn có thể bắt đầu với khoá của IBM, có chứng chỉ free cho bạn, có code cho bạn chạy: trên trang này có nhiều khoá khác, thích thì bạn có thể học. https://cognitiveclass.ai/courses/deep-learning-tensorflow/ or https://classroom.udacity.com/courses/ud730

Sau đó nghe thêm video: Tensorflow and deep learning - without a Phd https://www.youtube.com/watch?v=vq2nnJ4g6N0

Tiếp đó để hiểu sâu hơn, tham khảo khoá CS231 của Stanford: http://cs231n.stanford.edu/2016/syllabus.html Nhớ xem github của thánh Andrej Karpathy

  1. Chatbot with Tensorflow Bạn cần học Natural Language Processing (CS224D), Deep Learning (CS231) trước, sau đó down code của Huyền Chip về tham khảo ( nhớ tìm đúng version của Tensorflow để chạy): Thực ra có thể down code luôn về chạy nhìn kết quả cũng okie. https://github.com/chiphuyen/stanford-tensorflow-tutorials/tree/master/assignments/chatbot

  2. Bigdata Bạn nào muốn tìm hiểu về Spark, có thể học 3 khoá này, có thể giờ không mở nhưng bạn vẫn xem được video và lấy bài lab về chạy bình thường, cần solution tôi có thể gửi. Học xong bạn sẽ biết Spark, Map Reduce, Machine Learning,...: https://courses.edx.org/dashboard/programs/a06a1f8b-21e6-49c8-887e-1016d3639de3/

Bạn muốn biết thực sự xử lý Big Data phức tạp như nào, bạn học khoá này, học xong có chứng chỉ nhé, khoá này nặng nhưng hay lắm: http://online.stanford.edu/course/mining-massive-datasets-self-paced

  1. AI chung ( Algorithms, Machine Learning, Reinforcement Learning) Bạn học khoá này: https://courses.edx.org/courses/course-v1:ColumbiaX+CSMM.101x+2T2017/course/ Và cuốn sách kinh điển đi cùng: Artificial Intelligence A Modern Approach, Third Edition

  2. Book để đi phỏng vấn xin việc: Cracking the Coding Interview 6 Elements of Programming Interviews in Java (Python, C++) Introduction to Algorithms 3

[#Resources] Một số nguồn tham khảo miễn phí về Deep Learning (DL) và Machine Learning (ML) (Phần 1) Dưới đây là các nguồn tham khảo dành cho các bạn vẫn chưa biết ML và DL là gì cũng như các bạn muốn hiểu cơ bản về các khái niệm cũng như thuật toán, mô hình dùng trong các ngành này. 1. Blog: 1.1 Blog tiếng Việt:

  • Blog Khanh's little things: Đây là trang blog của bạn Nguyễn Xuân Khánh, nghiên cứu sinh ngành Machine Learning and Natural Language Processing (Học máy và Xử lý ngôn ngữ tự nhiên) tại University of Maryland at College Park, Mỹ. Các bài viết giới thiệu những khái niệm cơ bản trong ML như Over fitting, Loss function, ... và có giới thiệu sơ qua về cách thức hoạt động cũng như những thách thức khi học Deep Learning.
  • Blog Machine Learning Cơ bản: Đây là trang blog của bạn Vũ Hữu Tiệp, là nghiên cứu sinh ngành Machine Learning and Computer Vision (Học máy và Thị giác máy tính) tại Pennsylvania State University, Mỹ. Đây là một blog rất chi tiết về các thuật toán cơ bản của ML như Linear Regression, K-Means, Decision Tree, SVM... và có cả ví dụ viết bằng Python để các bạn có thể hình dung dễ hơn về cách các thuật toán được chuyển thành code như thế nào. Các ví dụ ứng dụng các thuật toán cũng rất dễ hiểu và nếu các bạn đã học qua Toán Đại cương thì các bạn hoàn toàn có thể nắm được phần công thức Toán.
  • Blog của Ông Xuân Hồng: Đây là blog của bạn Ông Xuân Hồng, tốt nghiệp Ths tại Japan Advanced Institute of Science and Technology (JAIST), Nhật Bản và hiện đang là một data scientist. Các bài viết thiên về các ứng dụng thực tế và bao gồm nhiều đề tài như ML, DL, xử lý ngôn ngữ, các framework thường dùng trong xử lý big data, ... 1.2 Blog tiếng Anh:
  • Blog của Andrej Karpathy: Đây là blog của Andrej Karpathy, hiện là Director of Artificial Intelligent and Autopilot Vision tại hãng xe Tesla, Mỹ. Trước đó anh này tốt nghiệp Phd tại Stanford University và có một khóa dạy về Convolutional Neural Network rất nổi tiếng cũng ở trường ĐH này. Các bài blog về Deep Reinforcement Learning và Reccurent Neural Network được viết rất hay và dễ hiểu.
  • Blog của Colah: Đây là trang blog của Christopher Olah, đang là Research Scientist tại Google Brain (bộ phận R&D về AI của Google). Bài về Long Short-term Memory hay LSTM (một mô hình Recurrent Neural Network) là một trong những bài giải thích trực quan và dễ hiểu nhất về mô hình này.
  • Blog của Adit Deshpande Adit Desshpande hiện đang là sinh viên năm 3 ngành Computer Science (khoa học máy tính) tại University of California, Los Angeles. Trang này có nhiều bài tổng hợp dành cho người mới bắt đầu về các mô hình DL. 2. Video Series (Tiếng Anh):
  • Facebook’s Field Guide to Machine Learning video series – Facebook Research
  • AI Innovators – Meet the World’s Brightest Minds
  • Artificial Intelligence, Revealed | Facebook Code | Facebook

Set of illustrated Machine Learning cheatsheets covering the content of Stanford's CS 229 class:

Deep Learning: https://stanford.edu/~shervine/teaching/cs-229/cheatsheet-deep-learning.html Supervised Learning: https://stanford.edu/~shervine/teaching/cs-229/cheatsheet-supervised-learning.html Unsupervised Learning: https://stanford.edu/~shervine/teaching/cs-229/cheatsheet-unsupervised-learning.html Tips and tricks: https://stanford.edu/~shervine/teaching/cs-229/cheatsheet-machine-learning-tips-and-tricks.html

About