Resurse

Notebook-urile de la ședințele clubului: regresie, rețele, CNN.

Cel mai rapid mod să prinzi sintaxa Python.

Tutoriale clare pe structuri de date, kNN, k-means.

Broadcasting și operațiile pe axe.

groupby, merge și pivot_table, folosite în orice problemă tabelară.

NumPy, Pandas, Matplotlib și scikit-learn într-un loc, cu cod care rulează.

Cum arăți datele: axe, legende, subploturi, într-un tutorial scurt.

Grafice statistice peste matplotlib, direct din DataFrame.

Punctul de plecare pentru metrici, regresie și praguri.

Explicații scurte: loss, matrice de confuzie, feature engineering, fine-tuning.

Articole scurte pe orice temă din programă, cu cod.

Micro-cursuri practice: feature engineering, intro ML, pandas.

Scalare, encoding, imputare, cu exemple scurte.

Cross-validation, metrici, curbe de învățare.

Fiecare concept de statistică sau ML, explicat vizual, pas cu pas.

Probabilități și statistică, cu grafice pe care le miști cu mâna ta.

PDF gratuit, cea mai accesibilă intrare în modelele supervizate clasice.

Notele lui Andrew Ng: matematica din spatele regresiei logistice și SVM.

API-ul pe care îl folosești în concurs, cu teorie pe fiecare pagină.

Arbori de decizie și random forest, explicați vizual.

Cursul de unde vine jumătate din materia de search.

Varianta mai densă a ISL, cu matematica din spatele fiecărei metode.

K-Means, DBSCAN, ierarhic, cu o comparație vizuală când folosești fiecare.

K-means de la zero în Python: alegerea lui k și scorul siluetă.

PCA, LDA, UMAP la nivel de intuiție, fără matematică grea.

Random Forest, gradient boosting și voting, cu hiperparametrii explicați.

Verifică regulamentul: nu e permis la orice etapă.

Cartea de NLP, gratuită: embeddings și n-grame acoperă modulele de text.

Word2Vec, RNN, LSTM, cu slide-uri și teme pe embeddings și secvențe.

TF-IDF plus un clasificator, pas cu pas: pipeline-ul de NLP clasic.

O hartă curată a NLP-ului modern, bună înainte să sapi.

De la tokenizare la fine-tuning, cu transformers, gratuit și fără cont.

Cel mai bun curs public de viziune; notele de convoluții și backprop merită integral.

Filtre, praguri, morfologie: vezi ce face un kernel înainte să-l scrii.

Feature extraction față de fine-tuning, cu cod pe torchvision.

Intro blând în viziune, cu audit gratuit.

Clasificare, detecție, segmentare, cu notebook-uri Colab la fiecare unitate.

Construiește backprop și o rețea de la zero, în cod.

Intuiția vizuală din spatele rețelelor și a gradientului.

Începe cu „Learn the Basics”. La națională lucrezi în PyTorch.

Referința teoretică; capitolele de optimizare și regularizare ajută cel mai mult.

Cum depanezi o rețea care nu învață.

Deep learning de sus în jos: antrenezi modele reale din prima lecție.

Carte interactivă: teoria lângă codul care o implementează, în PyTorch.

Cartea de RL, gratuită: MDP, Bellman și Q-learning acoperă modulul.

Sursele de bias și metricele de corectitudine, pentru partea de etică.

Cursul clasic de la UCL/DeepMind: MDP, Bellman, control, în zece prelegeri.

Partea practică: antrenezi agenți reali cu Stable Baselines3.

Soluții explicate de la ONIA Winter Warmup 2025.

Platforma oficială: trimiți submisii și vezi leaderboard-ul.

Judge-ul pe care se evaluează submisiile. Fă-ți cont din timp.

Prima ta submisie, de la citirea datelor până la fișierul trimis.

Site-ul oficial: regulament, calendar, rezultate, resurse.

Ce se cere la fiecare etapă, cu linkuri per temă.

Hackathon de NLP pe română, în echipe.

Problemele de la olimpiada internațională.

Problemele reale de la locală. Rezolvă-le în condiții de timp.

Problemele de la județeană, pentru calibrare.