Куда податься, если вы собрались изучать машинное обучение и ИИ?

Я думаю, что машинное обучение/ИИ — это более правильный выбор для молодого человека, чем блокчейн. Сегодня машинное обучение является сферой, которая испытывает серьёзный дефицит кадров. И я подозреваю, что радикально ситуация не изменится ещё долгое время. С blockchain ситуация сложная — многие специалисты считают, что интерес к этой сфере сравнительно кратковременный, большая мода на blockchain-решения пока что мало подкреплена реальными успехами применения в областях, не связанных с криптовалютами. Машинное обучение, напротив, это набор технологий, востребованных в широком спектре областей применения — от банковской сферы до хемоинформатики и биотехнологий.

Начиная обучение нужно понимать, что один курс (даже хороший) или одна прочитанная книжка (даже отличная) не сделает из вас квалифицированного специалиста, даже при наличии у вас некоторой ИТ-шной базы. Но это не должно вас отпугивать, даже выпитая литровая кружка начинается всего с одного глотка. Если вы уже посмотрели обзорно-болтологические лекции типа моих (https://www.youtube.com/playlist…) или хотите сразу приступить к чему-то сугубо практическому, что первое, что приходит в голову посоветовать облигатно русскоязычному ученику, это курсы, которые готовит «Яндекс» совместно с ГУ-ВШЭ и МФТИ.

https://www.coursera.org/sp…/machine-learning-data-analysis…
https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie…

Но в целом, конечно, не стоит надеяться на то, что предмет удастся освоить на хорошем уровне без знания английского языка, хотя бы его ИТ-шного диалекта. Из англоязычных курсов неплохо взять Стэнфордский от Эндрю Ына (Andrew Ng) — http://cs229.stanford.edu/ и курс по нейронным сетям Джеффри Хинтона (https://www.coursera.org/learn/neural-networks) — это
живые классики в нашей области.

Технический английский всё-таки более прост, чем общеупотребительный или литературный язык, так что возможно это может стать заодно и способом подтянуть язык, т.к. он очень пригодится в будущем — для того, чтобы искать информацию на stackoverflow или читать ключевые исследовательские работы, которые выходят довольно часто — машинное обучение быстро развивается, и лучше всего читать первоисточники, особенно учитывая то, что на русский переводится лишь часть материалов.

Также традиционно хочу порекомендовать книгу от MIT Press «Глубокое обучение», написанную Яном Гудфеллоу, Джошуа Беньо и Аароном Курвиллем (http://dmkpress.com/catalog/computer/data/978-5-97060-554-7/), вот тут можно посмотреть фрагменты: https://aldebaran.ru/…/gudfellou_…/kniga_glubokoe_obuchenie/).
На rutracker.org есть электронная версия свежей (2018) книги «Глубокое обучение: погружение в мир нейронных сетей» за авторством Николенко С. И., Кадурина А. А. и Архангельской Е. О., это некоторая альтернатива, делающая особый акцент именно на нейронках.

Также есть список литературы от Яна Лекуна (создателя свёрточных нейронных сетей): https://proglib.io/p/machine-learning-ai/ и близкая к исчерпывающей подборка материалов на русском языке, собранная пользователями stackoverflow: https://ru.stackoverflow.com/…/Книги-и-учебные-ресу…/683632….

Если говорить о технологическом стеке, то, как это ни прискорбно, стандартом в области машинного обучения стал язык Python, а стандартным фреймворком для нейронных сетей — Tensorflow. Впрочем, в зависимости от решаемых задач, вам могут понадобиться и CNTK или Caffe или кроссфреймворочная обёртка вроде Keras. Так что если вы ещё не знаете Python, то лучше его освоить — курсов по нему много и разных, как и литературы.

Если возникнут какие-то вопросы, пишите в комментах, постараюсь оперативно отвечать)