数据科学和机器学习的 11 大资源

数据是新的石油。 机器学习是火。 谁控制了这两个,谁就控制了世界。

不,以上不是从反乌托邦小说中摘录的一些浮夸的短语。

这是一个现实。

新的世界秩序就是收集大量相关数据并将其处理成可操作的见解——这是人类历史上无法做到的。 这种技术可以让一个国家领先于其他国家,并最终统治世界。

结果,世界上进步的国家非常非常重视它。

一个有利可图的职业选择

撇开国际阴谋不谈,数据科学和机器学习是一个充满机遇的热门新领域。 需求超出图表(委婉地说),并且周围没有足够的数据科学家。 甚至不是平庸的。

就好像我们突然发现了很多新的宜居星球,却没有足够的人把它们搬到那里去。 我可以继续说下去,听起来像是一张破唱片,但我认为这张信息图做得更好:

资料来源:insidebigdata.com

所以我们看到工资从 50,000 美元以上开始,而对于经理来说,可能会超过 250,000 美元。

不仅如此,这个星球上的普通人每秒将产生 1.7 MB 的数据。 这是整个生命周期中超过 3,500 TB 的数据——比我们现在知道如何处理的数据还要多,更不用说用于分析了。 说未来是光明的,对这片宏伟的新牧场是不利的。

数据科学和机器学习难吗?

好问题!

根据我的经验,答案是“是”和“不是”。

如果您倾向于进行研究并挑战极限,那么人工智能(以及机器学习)是最难做的事情。 对于这样的工作,即使是博士学位。 在计算机科学和数学方面是不够的。 但是,一般人既没有野心,也没有时间去追求。

另一方面是我所说的应用数据科学和机器学习。

也就是说,你采用现有的工具、技术和算法,并应用它们来解决一些现实世界的问题。 这部分需要奉献精神、洞察力和创造性思维(以及一些简单的数学概念的知识,这些知识很快就能学会),但对于真正的“技术”知识,它比软件工程师的工作要宽松得多。

换句话说,这不是小菜一碟,而是按照回报与努力的比率来衡量,是目前最好的投资之一。

现在您已经坚定了成为数据科学家和机器学习工程师的决心,让我们开始探索最佳选择。

机器学习(谷歌)

知道的人不多,但谷歌有一个广泛的、高度实用的、 机器学习免费课程. 据该公司称,这是他们致力于推进 AI/ML 技术和保持知识公开的承诺的一部分。

这门课程最好的一点是没有先决条件,但要准备好花额外的时间自己探索统计概念。

我的意思是,这不是必需的,但是如果您在高级统计方面的背景为零,那么本课程中的解释可能还不够。 另一个问题是本课程通过以下方式介绍机器学习 TensorFlow,这是由 Google 开发的 ML 实现。 因此,在某种程度上,谷歌旨在推广其用于机器学习的 API,但考虑到本课程提供的价值,我不认为这应该是一个绊脚石。

如果有的话,TensorFlow 是进入 ML 的简单方法之一,并且非常受欢迎(有关 AI 框架的比较,请参见此处)。

数据科学

哈佛这个名字让人敬畏,这门课程也是如此。

首先要做的事情是:这不是一门让我们快速学习的课程,您可以通过在此处编写代码片段或此处的脚本来踮起脚尖绕过机器学习。 这门课程是一场严峻的烈火洗礼,需要艰苦的工作和大量的时间投入。

课程 附带免费视频、代码(托管在 GitHub 上)和实验室练习的解决方案,所以实际上,如果你想接受它,你就不会被任何东西束缚。

  2021 年最佳睡眠应用程序(包括睡眠追踪器应用程序)

理想的观众?

你……我不是在开玩笑。

我想说的是受过良好数学教育的工作专业人士,即使他们可能不再喜欢数学了(推理和证明的习惯是最必要的)。 但再一次,请注意:你可能认为自己很好,但是这门课程会让你感觉就像早餐吃了硬化的指甲——练习题的挑战性足以让你哭泣,但是,这可能正是你的事情重新寻找!

机器学习

走进一个挤满了数据科学家的酒吧,问吴恩达是谁,你会受到打击。

在数据科学和机器学习的圈子里,吴恩达取得了神一般的地位,这要归功于他在 Coursera 上的出色课程—— 机器学习.

如果你怀疑 Andrew Ng 的资历,我会让这不言自明:

这是一门付费课程,因为它是 Coursera 定价计划的一部分,但财务承诺和决心并不是唯一的先决条件。 这是一个漫长的课程,因为 Andrew 深入研究了所有 ML 背后的数学并剖析了流行的算法。 但值得庆幸的是,这是一门完整的课程,您将被一步一步地引导到最黑暗的深处并被带回来。

我强烈推荐,主要是因为炫耀这门课程的结业证书已经成为今天的事情!

应用数据科学

Coursera 的专业化课程包括一系列课程,旨在让您从零开始精通特定概念。 如果你正在寻找一门完整、严肃而友好的 Python 数据科学和机器学习课程,我不推荐这个 专业化 足够的。

在课程结束时,您将获得证书。

数据营

数据营 提供大量数据科学课程,其中还包括多种技能和职业轨迹。 从数据操作到机器学习,您将获得 Python 和 R 方面的职业建设数据科学家技能,这将帮助您在数据科学领域取得成功。

使用 DataCamp 的字节大小的内容,您可以按照自己的节奏学习。 这些课程为您提供实践经验,通过这些经验您将提高您的数据科学技能。

您可以从免费版本开始,并查看第一章来评估课程。

edX

向 MITx、Harvardx、IBM、RICEx、UCSanDiegox 和 GTx 学习 edX平台.

他们都有一个全面的课程,可以帮助你掌握数据科学家的技能。 这些程序最适合那些有统计学或计算机科学背景的人。

如果您不是在寻找程序,您可以选择单点菜单。 在 edX 上,您将找到 200 多门与数据科学相关的课程,涵盖 Python、R、Excel、概率、统计学、机器学习、数据可视化等。

码学院

Codecademy 是另一个平台,它是帮助您学习编码的最佳系统之一。 他们相信“边做边学”,并在他们的平台上有大量的实践项目和测试。

数据科学课程 Codecademy 提供的包括 SQL、Python 3、NumPy、Pandas、Matplotlib、Scikit-learn 和更多库。

整个职业道路包含 26 门课程,足以帮助您成为一名成功的数据科学家。

本次数据课程:

  • 让您深入了解数据科学
  • 提供易于遵循的路线图
  • 通过帮助您获得足够的实践经验,让您为工作做好准备

乌迪米

Udemy 不需要任何介绍。

用于数据科学和机器学习训练营的 Python on Udemy 是最受欢迎的课程之一,评分超过 85K+,评分为 4.6,已被全球 370K+ 学生选修。

以下是本课程涵盖的主题:

  如何在 Minecraft 中制作酿造台

以下是本课程的特点/可交付成果:

  • 25 小时点播视频
  • 终身访问
  • 13 篇文章和 5 个可下载资源
  • 在手机和电视上访问
  • 结业证书
  • 30天退款保证

因此,如果您更喜欢预算课程,这将最适合您入门。

谷歌人工智能

您是否有兴趣向 Google 的 ML 专家学习机器学习?

那么,您需要查看以下课程 谷歌人工智能.

该平台为学生、软件工程师、数据科学家甚至研究人员提供机器学习和数据科学课程和内容。 这些课程是免费的。

首先, 机器学习速成课程 Google AI 应该是您的首选课程。 这是一门快节奏的课程,包含使用 TensorFlow API 的实用介绍。 以下是本课程的详细信息:

该平台还提供有关重要机器学习主题的特定课程,例如 聚类, 推荐系统, 机器学习中的测试和调试, 机器学习中的数据分离和特征工程. 如果您已经了解机器学习的基础知识,这些课程将具有附加值。

优达学城

Udacity 也是一个非常受欢迎的电子学习平台,提供大量关于趋势技术的课程。 它拥有多个行业领先的程序,并得到全球顶级公司的认可,例如 AT&T、AWS、Google、IBM。

Udacity 的其中一个项目是数据科学—— 数据科学学院. 该计划可帮助您完成数据分析师、数据科学家、数据工程师和业务分析师的工作。 该计划中的数据科学家课程是涵盖机器学习、深度学习和软件工程概念的关键课程。 您需要具备机器学习的基本知识才能选择本课程。

如果你知道 Python 编程但对机器学习不熟悉,那么 Udacity 上还有另一个程序—— 人工智能学院. 该计划的课程从机器学习基础开始。

深度学习

这个课程 如果您是编码员,这是一种祝福,并且是我在此列表中最喜欢的推荐。

我再说一遍:如果你是一名编码员。

那是因为本课程没有花时间教您编程的基础知识。 课程描述非常清楚地说明了(重点是原创的):

我们假设参加本课程的每个人都至少有一年的编码经验。 本课程使用 python 作为教学语言,所以如果你还不了解 python,那么我们假设你会花时间学习——对于一个有经验的程序员来说,你应该会发现 python 是一门很容易学习的语言。

所以如果你已经知道 Python(如果没有 在这里学习),或者可以很快适应,对于想要构建真实、可用的系统而不必过多担心算法的理论基础的实用主义者来说,这是一个完美的课程。

我什至可以说这是为那些讨厌仪式和单调的不耐烦的修补匠(像我一样!)。

哦,我有没有提到它是 100% 免费的并且有一个很棒的社区?!

结论

呸!

这是一个很难编译的列表。 不是因为没有足够好的资源,而是因为太多了!

机器学习是一个真正爆炸式增长的领域,并且正在优雅地解决难题,因此有数百个在线课程,免费和付费,其中大多数都非常非常好。 但这也可能是一个混乱的根源,这就是为什么我试图根据不同类型的学习者的经验水平将其归结为 11 个。

我希望它有帮助!