Топ 5 ресурсов для науки о данных и машинного обучения

Данные это новое масло. А машинное обучение – это огонь. Кто бы ни управлял этими двумя, будет управлять миром.


Нет, выше не какая-то напыщенная фраза, взятая из антиутопического романа.

Это реальность.

Новый мировой порядок – это сбор огромного количества релевантных данных и их обработка в действенные идеи – то, что человечество не могло сделать в истории. Это технология, которая позволяет стране опередить других и, в конечном итоге, правят миром. В результате этого прогрессивные страны мира воспринимают его очень и очень серьезно.

Прибыльный выбор профессии

Помимо международной интриги, наука о данных и машинное обучение – это новая горячая область с невероятной возможностью. Спрос находится вне чартов (мягко говоря), и вокруг не хватает исследователей данных. Даже посредственные.

Как будто мы внезапно обнаружили много новых обитаемых планет, и не хватает людей, чтобы перевезти их. Я мог бы продолжать и звучать как неработающая пластинка, но я думаю, что эта инфографика делает работу намного лучше:

Источник: insidebigdata.com

Таким образом, мы видим, что зарплаты начинаются с $ 50 000 и выше, а для менеджеров, они могут значительно превысить $ 250 000.

И не только это, к 2020 году средний человек на этой планете будет генерировать 1,7 МБ данных в секунду. Это более 3500 ТБ данных за все время жизни – больше данных, чем мы знаем, как обращаться с ними, не говоря уже о том, чтобы использовать их для анализа. Сказать, что будущее светлое, будет вредить этому великолепному новому пастбищу..

Являются ли данные науки и машинного обучения трудно?

Хороший вопрос!

По моему опыту, ответом является «да» и «нет».

Искусственный интеллект (и, соответственно, машинное обучение) – самое сложное, если вы склонны заниматься исследованиями и выходить за рамки. За такую ​​работу даже к.т.н. каждого в информатике и математике недостаточно. Но тогда у обычного человека нет ни амбиций, ни времени для такой погони.

С другой стороны – это то, что я бы назвал прикладной наукой о данных и машинным обучением..

То есть вы берете существующие инструменты, методы и алгоритмы и применяете их для решения какой-то реальной проблемы. Эта часть требует преданности, восприятия и творческого мышления (и знания некоторых простых математических понятий, которые быстро усваиваются), но в отношении истинных «технических» знаний гораздо мягче, чем то, что называет работа инженера-программиста..

Другими словами, это не легкая прогулка, а прохождение соотношение вознаграждения к усилию, это одна из лучших инвестиций там.

Теперь, когда вы укрепили свою решимость стать специалистом по данным и инженеру по машинному обучению, давайте начнем изучать лучшие варианты там..

Ускоренный курс машинного обучения (Google)

Не многие знают, но у Google есть обширный, очень практичный и бесплатный курс по машинному обучению. По словам компании, это часть их приверженности развитию технологий AI / ML и хранению знаний в открытом доступе..

Лучшее в этом курсе – отсутствие предварительных условий, но готовьтесь потратить дополнительное время на самостоятельное изучение концепций статистики..

Я имею в виду, что это не нужно, но если у вас нулевой опыт в продвинутой статистике, объяснений в этом курсе может быть недостаточно. Другой уловкой является то, что этот курс знакомит с машинным обучением через TensorFlow, которая является реализацией ML, разработанной Google. Таким образом, в некотором роде Google стремится продвигать свои API-интерфейсы для машинного обучения, но, учитывая ценность этого курса, я не понимаю, каким образом это должно стать камнем преткновения..

Во всяком случае, TensorFlow является одним из простых способов проникновения в ML и пользуется бешеной популярностью (для сравнения AI-систем см. Это).

CS109 Data Science (Гарвардский университет)

Название Harvard внушает благоговение, как и этот курс.

Перво-наперво: это не простой курс, в котором вы быстро осмотрите машинное обучение, написав здесь фрагмент или скрипт. Этот курс – серьезное огненное крещение, которое требует тяжелой работы и значительных затрат времени..

Курс поставляется с бесплатными видео, кодом (размещенным на GitHub) и решениями для лабораторных упражнений, так что практически вы ничем не ограничены, если хотите взять его.

Идеальная аудитория?

Вы … я не шучу.

Я бы сказал, работающие профессионалы с достойным образованием по математике, даже если они больше не увлекаются математикой (привычки умозаключений и доказательств – самое необходимое). Но еще раз, пожалуйста, будьте осторожны: вы можете подумать, что вы хороши, но этот курс будет выглядеть так, как будто вы заточили ногти на завтрак – практические проблемы достаточно сложны, чтобы заставить вас плакать, но тогда это может быть именно то, что вам нужно » ищет!

Машинное обучение (Эндрю Нг)

Зайдите в бар, заполненный учеными, работающими с данными, и спросите, кто такой Эндрю Нг, и вы получите поражение в своей жизни.

В кругах науки о данных и машинного обучения Эндрю Нг достиг божественного статуса благодаря своему исключительному курсу на Coursera – Машинное обучение.

И если вы сомневаетесь в полномочиях Эндрю Нга, я позволю этому говорить само за себя:

Это платный курс, поскольку он входит в тарифный план Coursera, но финансовые обязательства и решимость не являются единственными предпосылками. Это долгий путь, поскольку Эндрю углубляется в математику, стоящую за всеми вещами ML, и разбирает популярные алгоритмы. Но, к счастью, это полный курс, и вы будете шаг за шагом направляться в самые темные глубины и возвращаться.

Настоятельно рекомендуется, главным образом потому, что выставление сертификата об окончании этого курса стало делом сегодня!

Прикладная наука о данных с Python

Специализации на Coursera состоят из серии курсов, которые направлены на то, чтобы поднять вас с нуля до специалиста в конкретной концепции. Если вы ищете полный, серьезный, но дружественный курс по науке о данных и машинному обучению на Python, я не могу порекомендовать этот специализация достаточно.

По окончании курса вы получаете сертификат.

Практическое глубокое обучение для программистов

Этот курс это благословение и моя самая любимая рекомендация в этом списке, если вы программист.

Я бы сказал это снова: если вы кодер.

Это потому, что этот курс не тратит время на обучение основам программирования. Описание курса говорит об этом в очень ясных терминах (выделение оригинально):

Мы предполагаем, что каждый, кто проходит этот курс, имеет не менее одного года опыта программирования. Курс использует Python в качестве языка обучения, поэтому, если вы еще не знаете Python, тогда мы предполагаем, что вы потратите время на изучение – для опытного программиста вы должны найти, что Python является довольно простым языком для изучения..

Так что если вы уже знаете Python (если нет узнать здесь), или может быстро освоиться, это идеальный курс для прагматиков, которые хотят создавать реальные, полезные системы, не слишком заботясь о теоретических основах алгоритмов.

Я мог бы даже сказать, что это нетерпеливые повозки (как я!), Которые ненавидят церемонию и однообразие.

И о, я упоминал, что это на 100% бесплатно и имеет большое сообщество?!

Вывод

фу!

Это был один сложный список для составления. Не потому что не было достаточно хороших источников, а потому что их было слишком много!

Машинное обучение – это область, которая буквально взорвалась и решает сложные проблемы действительно элегантно, и поэтому есть сотни курсов онлайн, бесплатные и платные, большинство из них очень, очень хорошие. Но это также может привести к путанице, поэтому я попытался свести ее к пяти для разных типов учащихся в зависимости от уровня их опыта..

Надеюсь, это помогло!

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map