数据新时代：机器学习的崛起
有人说，数据是当代的石油，而机器学习则是点燃它的火焰。 掌握这两者的人，仿佛就拥有了驾驭世界的力量。
这不是科幻小说中虚构的场景，而是一个正在发生的现实。
如今，新的世界秩序正在形成，它建立在对海量数据的收集和处理之上，并将数据转化为可操作的洞见。这是人类历史上前所未有的能力。 这种技术赋予一个国家超越其他国家的优势，甚至最终可能主导全球。
因此，世界各地的先进国家都对此给予了前所未有的重视。
炙手可热的职业选择
抛开地缘政治的考量，数据科学和机器学习正成为一个充满机遇的蓬勃发展的新兴领域。 市场需求之大令人难以置信，而合格的数据科学家却严重短缺。 即使是水平一般的从业者，也供不应求。
这就像我们突然发现了许多适宜居住的新行星，却没有足够的人去探索和开拓它们。 我们可以一直谈论下去，但这幅信息图也许能更清楚地说明情况：
数据来源：insidebigdata.com
正如我们所见，这个行业的起薪就已超过 5 万美元，而管理人员的年薪甚至可以达到 25 万美元以上。
更令人惊讶的是，地球上平均每人每秒产生 1.7 MB 的数据。 这意味着，每个人在一生中将产生超过 3500 TB 的数据。这个数据量远远超过我们目前所能处理的范围，更不用说分析了。 因此，说未来充满光明，这片广阔的新领域前途无量，绝不为过。
数据科学和机器学习难吗？
这是一个非常好的问题！
以我的经验来看，答案是“既是又不是”。
如果你热衷于研究，并渴望挑战极限，那么人工智能（包括机器学习）无疑是一项极具挑战性的工作。 即使是计算机科学和数学领域的博士学位，在应对这类工作时也可能捉襟见肘。 然而，大多数人并没有这样的野心，也没有足够的时间去追求如此深入的钻研。
另一方面，还有一种我称之为“应用数据科学和机器学习”的领域。
它指的是利用现有的工具、技术和算法来解决实际问题。 这部分工作需要投入、洞察力和创造性思维（以及一些基本数学概念的理解，这些概念通常可以很快掌握）。但是，与软件工程师相比，它对“硬核”技术知识的要求相对较低。
换句话说，这绝非易事，但从回报与付出的比例来看，它无疑是目前最值得投资的领域之一。
既然你已经下定决心成为一名数据科学家或机器学习工程师，那么让我们开始探索最佳的学习途径吧！
机器学习（谷歌）
可能很多人都不知道，谷歌提供了一个广泛且高度实用的 机器学习免费课程。 据谷歌称，这是他们致力于推动人工智能和机器学习技术发展，并保持知识公开的承诺的一部分。
这门课程最大的优点是它没有先决条件，但你可能需要花费一些额外的时间来学习统计学概念。
当然，这不是硬性要求，但如果你在高级统计学方面毫无基础，那么课程中的讲解可能还不够深入。 此外，该课程通过 TensorFlow 来介绍机器学习，这是一款由谷歌开发的机器学习实现工具。 因此，从某种程度上来说，谷歌的目的是推广其用于机器学习的API。 但考虑到这门课程提供的价值，我认为这不应该成为学习的障碍。
事实上，TensorFlow 是进入机器学习领域的一种较为简单的方式，而且非常受欢迎（关于人工智能框架的比较，请参阅相关资料）。
数据科学
哈佛大学的名声令人敬畏，这门课程也是如此。
首先需要明确的是：这并非一门速成课程，你可以通过编写一些代码片段或脚本来浅尝辄止地了解机器学习。 这门课程是一场严峻的考验，需要艰苦的努力和大量的时间投入。
该课程 配有免费视频、代码（托管在GitHub上）以及实验练习的解决方案。 实际上，如果你想全身心地投入学习，没有任何东西可以束缚你。
理想的受众是谁呢？
就是你，我不是在开玩笑。
我想说的是那些受过良好数学教育的在职专业人士，即使他们可能不再热爱数学（拥有严密的推理和证明习惯至关重要）。 但请再次注意：你或许认为自己很优秀，但这门课程会让你感觉像在吃硬化的指甲——练习题的难度足以让你抓狂。 但这也可能正是你重新找回学习乐趣的方式！
机器学习
如果你走进一个挤满了数据科学家的酒吧，问他们谁是吴恩达，你很可能会被大家围住。
在数据科学和机器学习领域，吴恩达是一位受人尊敬的传奇人物，这主要归功于他在 Coursera 上开设的精彩课程—— 机器学习。
如果你对吴恩达的资质有所怀疑，那么以下信息足以说明问题：
这是一门付费课程，属于 Coursera 的定价计划。 但金钱和决心并非唯一的先决条件。 这门课程内容十分深入，吴恩达将深入探讨机器学习背后的所有数学原理，并剖析流行的算法。 但幸运的是，这是一门全面的课程，你会一步步地被引导深入到最深奥的领域，然后再被带回来。
我强烈推荐这门课程，主要是因为能够炫耀这门课程的结业证书已成为当今的一种潮流！
应用数据科学
Coursera 的专业化课程包含一系列课程，旨在让你从零基础精通特定概念。 如果你正在寻找一门完整、严谨且友好的 Python 数据科学和机器学习课程，那么我极力推荐这门 专业课程 。
完成课程后，你将获得一份证书。
数据营
DataCamp 提供了大量数据科学课程，其中包括多种技能和职业发展路径。 从数据处理到机器学习，你将学习使用 Python 和 R 语言，掌握成为一名成功的数据科学家所需要的技能。
DataCamp 的课程内容以短小精悍的形式呈现，你可以按照自己的节奏进行学习。 这些课程为你提供实践经验，让你逐步提高数据科学技能。
你可以从免费版本开始，并通过查看第一章来评估课程。
edX
你可以通过 edX 平台向 MITx、Harvardx、IBM、RICEx、UCSanDiegox 和 GTx 等知名机构学习。
这些机构都提供了全面的课程，可以帮助你掌握成为数据科学家所需的技能。 这些课程最适合那些拥有统计学或计算机科学背景的人。
如果你不想参加完整的课程项目，可以选择单项课程。 在 edX 上，你可以找到 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、数据可视化等主题。
码学院
Codecademy 是另一个优秀的平台，它提供了最好的在线编程学习系统之一。 他们秉持“边做边学”的理念，在平台上提供了大量的实践项目和测试。
Codecademy 提供的 数据科学课程 包括 SQL、Python 3、NumPy、Pandas、Matplotlib、Scikit-learn 等多种库。
整个职业发展路径包含 26 门课程，足以帮助你成为一名成功的数据科学家。
该数据课程：
- 让你深入了解数据科学
- 提供易于遵循的学习路线图
- 通过提供足够的实践经验，让你为工作做好准备
优达学城
Udemy 无需过多介绍。
Udemy 上的 “Python数据科学和机器学习训练营” 是最受欢迎的课程之一，评分超过 85000+，平均评分为 4.6 分，全球已有超过 370000 名学生报名参加。
以下是该课程涵盖的主题：
以下是本课程的特点/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
- 可在手机和电视上访问
- 结业证书
- 30 天退款保证
因此，如果你更喜欢价格实惠的课程，这门课最适合你入门。
谷歌人工智能
你有兴趣向谷歌的机器学习专家学习吗？
那么，你需要关注 谷歌人工智能的课程。
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资源。 这些课程都是免费的。
首先， 机器学习速成课程 应该作为你的首选课程。 这是一门快节奏的课程，包含了使用 TensorFlow API 的实用介绍。 以下是本课程的详细信息：
该平台还提供关于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、机器学习中的数据准备和特征工程。 如果你已经掌握了机器学习的基础知识，这些课程将为你提供额外的价值。
优达学城
Udacity 也是一个非常受欢迎的在线学习平台，提供大量关于热门技术的课程。 它拥有多个业界领先的项目，并获得了全球顶级公司的认可，例如 AT&T、AWS、Google、IBM 等。
Udacity 的其中一个项目是数据科学—— 数据科学学院。 该项目旨在帮助你胜任数据分析师、数据科学家、数据工程师和商业分析师等工作。 该项目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。 你需要具备机器学习的基本知识才能选择本课程。
如果你已经掌握了 Python 编程但对机器学习并不熟悉，Udacity 还提供了另一个项目——人工智能学院。 该项目中的课程从机器学习基础知识开始。
深度学习
这门课程 对于程序员来说绝对是一份厚礼，也是我在此列表中最喜欢的推荐。
我再说一遍：如果你是一名程序员。
因为这门课程不会花时间教你编程的基础知识。 课程描述非常明确地指出（重点是原有的）：
我们假设所有参加这门课程的人都至少有一年的编程经验。 本课程使用 Python 作为教学语言，因此如果你还不了解 Python，我们假设你会花时间学习——对于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。
因此，如果你已经掌握了 Python 知识（如果没有，请在此学习），或者可以很快适应，那么对于那些想要构建真实、可用的系统，而不是过多担心算法的理论基础的实用主义者来说，这门课程是完美的。
我甚至可以说，这门课程是为那些讨厌繁文缛节和单调的、不耐烦的修补匠们准备的（就像我一样！）。
哦，我有没有提到它是 100% 免费的，并且拥有一个很棒的社区？！
结论
哎呀！
这是一个很难整理的列表。 不是因为没有足够好的资源，而是因为资源太多了！
机器学习是一个真正蓬勃发展的领域，它正在优雅地解决难题。 因此，有数百个在线课程，免费的和付费的，其中大多数都非常好。 但这也可能造成混乱，所以我试图根据不同类型学习者的经验水平将其总结为 11 个。
我希望这能对你有所帮助！