Книги
The Principles of Deep Learning Theory - книжка, очень подробно описывающая нейронные сети с точки зрения теории.
udl book - книжка с кучей ноутбуков по всем основным темам deep learning; также на домашней странице есть туева куча ссылок для чтения, ранжированных по темам. Имхо идеальное место чтоб начать.
nn.labml - много аннотированных реализаций всякого разного в коде (но далеко не всего)
uvadlc - довольно полный, но местами не очень подробный курс по dl
dive to dl - онлайн книга про dl, содержит много кода
A Survey of Geometric GNN - большая обзорная статья про Geometric GNN
Статься от Дьяконова про GNN - довольно старое, но понятное объяснение GNN
Topological Deep Learning: Going Beyond Graph Data - Очень сложная статья и учебник, которые описывают математический фреймворк посылки сообщений высшего порядка (high-order message passing). Это один из вариантов математического обобщения концепции графовых нейронных сетей, построенных на основе Message-Aggregation-Update концепции. Книга будет интересна тем, кто изучает топологию с использованием дискретных структур, тем, кто работает с вычислительной геометрией (поверхности заданные сетками, конечноэлементные заполнения пространства и т.д.), и тем, кто хочет испытать себя. (описание из тг-канала эйай фор сайенс)
How to avoid machine learning pitfalls: a guide for academic researchers - Ещё одна учебная статья про методологию приложения ML/DL. В первую очередь сосредоточена на том, как создавать новые наборы данных и применять классический ML в доменах в которых он ещё не был применён. Написана в стиле рецептов: “делайте так”, “не делайте так”. В целом всё посвящено одной проблеме — как делать модели которые действительно работают, а не кажутся работающими. (описание из тг-канала эйай фор сайенс)
Ютубчик
AntonMaltsev - канал про edge ai и CV
Лекции Дьяконова - не очень свежие, но очень подробные и полные лекции; слайды доступны тут
Industrial mathematics seminars - много записей докладов по интересным темам, часть из которых связана с ML
MSU_AI - много интересных видосов про ML и DL
NoML - много интересных выступлений об ML
NSS Lab ITMO - много интересных выступлений об ML (в целом похож на предыдущий канал)
Lars Hammastrand - интересные материалы про слияние данных с датчиков
Roman Shamin - хорошие плейлисты по достаточно необычным темам
selfedu - тут есть нелохие плейлисты для начинающих по DSP и ML
Vladimir Korolev - много материала по ТАУ
Instrumentation and control - есть лекции по ТАУ
Алексей Перегудин - утро с теорией управления
МЦМУ МИАН - куча лекций по самым задротским разделам математики
Евгений Разинков - лекции и популярные видосы по DL; подача субъективно мне не оч нравится по сравнению с Дьяконовым, но в целом контент хороший