🔛 Par où commencer en ML #MLSTART

Quand on commence tout juste à s'y mettre en machine learning, le plus dur est de ne pas se noyer dans la multitude de cours et tutoriels.

Je suis passé par là. Au final, j'ai compris que le mieux est de prendre un bon cours systématique, où théorie et pratique vont de pair.

🎓 Le cours de Yuri Kashnitsky - mlcourse.ai - c'est un classique. Il m'a beaucoup aidé. Il explique calmement et clairement les bases : de la régression et classification aux boosting et ensembles.

Il y a des devoirs — ils aident à mieux comprendre le sujet et à consolider la matière. En plus, les supports sont en russe et en anglais (sur Habr et sur YouTube), donc si ça vous intéresse, vous pouvez le suivre directement en anglais.

Je le revise parfois avant les entretiens — ça aide à rafraîchir les connaissances.

💡 Et un autre conseil : jetez un œil à ODS.ai
C'est une communauté ML connue où se déroulent des cours, des défis et où on peut simplement rencontrer d'autres apprenants.

Ainsi, grâce au travail collaboratif sur des projets lors de cours en ligne, vous pourrez créer des liens utiles et intégrer la communauté.

💬 Bref, si vous débutez, mieux vaut ne pas vous disperser - prenez une seule chose, allez jusqu'au bout, faites les devoirs et posez vos questions dans la communauté.

Avec ça, vous pouvez avancer sereinement.

P.S.
Si vous connaissez d'autres super cours et ressources utiles pour débuter, partagez-les en commentaires !

Retour à la table des matières

👩‍💻 Data Flow