- Машинное обучение в ШАД. Автор К.В. Воронцов.
- Открытый курс машинного обучения. Проект сообщества Open Data Science.
- CS231n: Convolutional Neural Networks for Visual Recognition. Один из самых популярных курсов по нейронным сетям. Перейдя по ссылке, вы помогаете авторам обучать нейронную сеть прямо в вашем браузере!
- Deep Learning Specialization. Специализация по Deep Learning от Эндрю Ына - одного из самых известных преподавателей в этой области.
- Machine Learning. Эндрю Ын читает курс на Coursera по ML.
- Лекции по ML. Один из самых известных российских преподавателей - К.В. Воронцов и его курс в ВШЭ, а вот здесь отдельно лежат видео лекций.
- Лекции по ML и DL. Автор А.Г. Дьяконов.
- Видеолекции к курсу Прикладные задачи анализа данных. Автор А.Г. Дьяконов.
- Обучающие материалы от А. Карпатого (youtube канал):
- Блог на гитхаб. Автор Е.Войта бывший сотрудник FAIR.
- Видеоразборы статей по тематике LLM от Twelve Labs.
- Обзор техник промпт инженеринга. Думаю, он скоро устареет (к 2026), но всё же.
- Учебник от Яндекса. Подойдет для начинающих.
- Deep Learning Book. Большая хорошая книга по DL от Яна Гудфеллоу с соавторами.
- Semantic scholar. Сайт посвящен кратким изложениям недавно опубликованных статей.
В этом разделе все перечисленные группы, которые были, устарели.
- ForkLog AI. Телеграм канал с новостями мира AI.
- Эй Ай ньяз - Телеграм канал в немного "пацанском" стиле, но автор Staff Research Scientist в Meta Generative AI, и понимает во многих областях DS.
- Data Secrets ещё Телеграм канал, в котором довольно много новостей, статей, разбавленных шутейками/мемами.
- Тренировки ML. YouTube-канал, на котором можно найти видео с тренировками в Москве.
- Анализ малых данных. Блог А.Г. Дьяконова, в прошлом победителя соревнований Kaggle, а сейчас преподавателя ВМК МГУ.
- Wiki по ML на русском языке. Попытка систематизировать базу знаний в этой области и сделать справочник по терминам и темам.
- Algorithms cheatsheet.
- Data Science cheatsheets.
- Море ссылок от Кати. Если есть время и желание просмотреть большее число источников, то Катин список для вас.
В первую очередь, стоит познакомиться с "Учебником от Яндекс", "Машинное обучение". Если уже есть какое-то представление об ML или хорошая математическая подготовка, то можно начать с курса CS231n. Ещё есть смысл поглядывать вот на эту дорожную карту.
