README.md

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)