حجم منابع ارزشمند و به‌روزی که توی کامیونیتی
machine learning به رایگان ارائه میشه باورکردنی نیست. به نظر من، یکی از علل پیشرفت سریع این حوزه (در حدی که حتی یه ماه دور بودن ازش باعث میشه حس غربت داشته باشی وقتی برمی‌گردی!) دقیقا همین share کردن بی‌حدوحصر منابع با هم دیگه‌اس.
حالا
Pranav Rajpurkar که قبلا دانشجوی
Andew Ng توی لب هوش‌مصنوعی
Stanford بود و الان خودش استاد شده و لب خودشو توی
هاروارد داره، اومده این کتاب (تقریبا ۲۵۰ ص) ای رو شیر کرده از تجربه‌هاش در
زمینه‌ی ریسرچ AI (که البته احتمالا به فیلدهای دیگه هم بشه تعمیمش داد).
سکشن‌های مختلف کتاب رو که نگاه می‌کنم، اکثرش این‌طوریه که یه بخش مربوط به خود ریسرچ و اسکیل‌های مربوط به اون داره و بعدش میاد راجع به hard skill های کدزنی و پیشرفت‌های اخیر AI صحبت می‌کنه؛ فکر می‌کنم این حالت این منبع رو برای قشر بزرگتری میتونه ارزشمند کنه چون صرفا تمرکزش روی یه حیطه نیست.
توی صفحه‌ی اول یه خلاصه از مباحثی که بهشون اشاره می‌کنه گذاشته و خود همین لیست یه منبع خیلی مهمه برای کسایی که میخوان وارد این حیطه بشن و سوال دارن که ما چی باید یاد بگیریم؛ یه چندتا از این تاپیک‌هایی که نام برده رو مثال میزنم این‌جا:
Large Language Models, VSCode, Reading AI papers, HuggingFace, Transformer, W&B, Paper Writing, AWS, Statistical Testing, PyTorch, GPU Training, ...
(ترتیب خاصی نداره، صرفا همینجوری چندتاش که به چشمم خورد رو انتخاب کردم.)
من از دیروز شروع کردم خوندنشو و امیدوارم شما هم شروع کنین به زودی و لذت ببرین.
https://docs.google.com/document/d/1uvAbEhbgS_M-uDMTzmOWRlYxqCkogKRXdbKYYT98ooc/edit#@farhangemoein
