Хабр опубликовал подборку бесплатных ресурсов для изучения машинного обучения и ИИ — от базового уровня до продвинутого. Материалы сгруппированы по форматам (курсы, книги, туториалы, видео) и помогут собрать личный учебный план: от Python и линейной алгебры до Deep Learning, NLP и практики в узких нишах (включая кейсы на стыке ИИ и искусства, а также работу с ИИ-агентами).

Ключевые точки подборки — крупные «сборники» и роадмапы, которые регулярно пополняются: коллекция учебных материалов TensorFlow (с автоадаптацией интерфейса на русский при англоязычном контенте) и отдельный роадмап по ML/AI для самостоятельного обучения. Дополнительно выделены редкие туториалы и проекты, которые не всегда попадают в большие агрегаторы (вплоть до обучения моделей через Excel).

• Курсы: Elements of AI (2 части: для новичков и для тех, кто уже в теме), русскоязычное «Введение в Data Science и машинное обучение», Practical Deep Learning for Coders (9 уроков по ~90 минут с упором на код и прикладные кейсы: CV, NLP, рекомендации), а также подборка Selectel по построению ML-процессов и MLOps.
• Видео: канал StatQuest with Josh Starmer с объяснением математики и методов (деревья/леса, логистическая регрессия, статистические тесты и др.).
• Книги по матбазе: Курош (общая алгебра), Головина (линейная алгебра и приложения), Пантаев (матанализ «с человеческим лицом»).

В финале авторы предлагают читателям дополнить список своими источниками. Отдельным блоком в тексте также упомянут промо-адвент Selectel со скидками на IT-инфраструктуру до 100% (15–23 декабря).