Топ 5 ресурси за наука за данни и машинно обучение

Данните са новото масло. А машинното обучение е огънят. Който контролира тези двама, той ще контролира света.


Не, горното не е някаква помпозна фраза, взета от дистопичен роман.

Това е реалността.

Новият световен ред се състои в събирането на огромни количества подходящи данни и обработването им в действителни прозрения – нещо, което човешката раса не е успяла да направи в историята. Това е видът технология, който позволява на дадена страна да напред от другите и в крайна сметка управляват света. В резултат на това прогресивните държави по света се приемат много, много сериозно.

Доходоносен избор на кариера

Освен международните интриги, науката за данни и машинното обучение е горещо ново поле с невероятна възможност. Търсенето е извън класациите (меко казано) и наоколо няма достатъчно учени за данни. Дори и посредствени.

Сякаш изведнъж открихме много нови обитаеми планети и няма достатъчно хора, за да ги преместим. Бих могъл да продължа напред и да звуча като счупен запис, но мисля, че тази инфографика върши работата много по-добре:

Източник: insidebigdata.com

Така виждаме, че заплатите започват от 50 000 долара +, а за мениджърите могат да достигнат значително над $ 250 000.

И не само това, до 2020 г. средният човек на тази планета ще генерира 1,7 MB данни в секунда. Това е 3 500+ TB данни през целия живот – повече данни, отколкото ние знаем как да обработим досега, камо ли да използваме за анализ. Да се ​​каже, че бъдещето е светло, би било лошо обслужване на това великолепно ново пасище.

Трудни ли са науката за данни и машинното обучение?

Добър въпрос!

От моя опит отговорът е и „да“ и „не“.

Изкуственият интелект (и чрез разширение, машинно обучение) е най-трудното нещо, ако сте склонни да влезете в изследвания и да натиснете плика. За подобна работа дори доктор на науките. всеки по компютърни науки и математика не е достатъчен. Но тогава средният човек няма нито амбицията, нито времето за такова преследване.

От друга страна е това, което бих нарекъл Приложна наука за данни и машинно обучение.

Тоест, вземате съществуващи инструменти, техники и алгоритми и ги прилагате за решаване на някакъв проблем в реалния свят. Тази част изисква всеотдайност, възприятие и креативно мислене (и познаване на някои прости математически понятия, които бързо се научават), но по отношение на истинските „технически“ знания е много по-снизходителна от това, което нарича работата на софтуерен инженер.

С други думи, това не е въртележка, а преминаване през съотношение награда към усилие, е една от най-добрите инвестиции там.

Сега, когато сте втвърдили решимостта си да станете учен по данни и инженер за машинно обучение, нека започнем да проучваме най-добрите опции там.

Курс за машинно обучение за срив (Google)

Не много хора са наясно, но Google има обширни, много практични и безплатен курс по машинно обучение. Според компанията това е част от техния ангажимент за усъвършенстване на AI / ML технологиите и поддържане на знанието на открито.

Най-хубавото в този курс е, че няма предпоставки, но се пригответе, за да отделите допълнително време самостоятелно за проучване на концепциите за статистика..

Искам да кажа, че не е необходимо, но ако имате нулев опит в напредналата статистика, обясненията в този курс може да не са достатъчни. Друга уловка е, че този курс въвежда машинно обучение чрез TensorFlow, което е внедряване на ML, разработено от Google. Така че по някакъв начин Google има за цел да популяризира своите API за машинно обучение, но като се има предвид стойността, предлагана от този курс, не виждам как това трябва да бъде спънка.

Ако не друго, TensorFlow е един от лесните начини да влезете в ML и се радва на бърза популярност (за сравнение на AI рамки, вижте това).

CS109 Data Science (Харвардски университет)

Името Харвард вдъхва страхопочитание, както и този курс.

Първи неща първо: това не е бърз курс за пускане в мръсотия, където вървите с пръсти около машинното обучение, като напишете фрагмент тук или скрипт тук. Този курс е тежко огнено кръщение, което изисква упорит труд и значителна инвестиция на време.

Курса идва с безплатни видеоклипове, код (хостван в GitHub) и решения за лабораторни упражнения, така че практически не сте ограничени от нищо, ако искате да го направите.

Идеална публика?

Ти … не се шегувам.

Бих казал работещи професионалисти с прилично математическо образование, въпреки че може би вече не се занимават с математика (навиците за извод и доказателство са най-необходимото нещо). Но още веднъж, моля, бъдете предупредени: може да мислите, че сте добър, но този курс ще се почувства като втвърдени нокти за закуска – проблемите с практиката са достатъчно предизвикателни, за да ви плачат, но тогава точно това може да е нещото търся!

Машинно обучение (Andrew Ng)

Влезте в бар, пълен с учени за данни и попитайте кой е Andrew Ng, и ще получите побой от живота си.

В кръговете на науката за данни и машинното обучение Андрю Нг е постигнал богоподобен статус, благодарение на изключителния си курс по Coursera – Машинно обучение.

И ако се съмнявате в пълномощията на Andrew Ng, ще оставя това да говори само за себе си:

Това е платен курс, тъй като е част от ценовия план на Coursera, но финансовата ангажираност и решителност не са единствените предпоставки. Това е дълъг курс, тъй като Андрю се гмурка дълбоко в математиката зад всички неща, ML и дисектира популярни алгоритми. Но за щастие, това е пълен курс и ще бъдете ръководени стъпка по стъпка в най-тъмните дълбочини и върнати обратно.

Силно препоръчително, главно защото парадирането със сертификата за завършване на този курс се превърна в нещо днес!

Приложна наука за данни с Python

Специализациите по Coursera се състоят от поредица от курсове, чиято цел е да ви отведе от нула до специалисти в определена концепция. Ако търсите пълен, сериозен, но все пак приятелски курс за наука за данни и машинно обучение с Python, не мога да препоръчам това специализация достатъчно.

В края на курса печелите сертификат.

Практическо задълбочено обучение за кодери

Този курс е благословия и е най-любимата ми препоръка в този списък, ако сте кодер.

Бих казал това отново: ако сте кодер.

Това е така, защото този курс не ви отделя време за преподаване на основите на програмирането. В описанието на курса се казва много ясно (акцентът е оригинален):

Предполагаме, че всеки, който участва в този курс, има поне една година опит в кодирането. Курсът използва python като език за преподаване, така че ако вече не знаете python, предполагаме, че ще отделите време за учене – за опитен кодер трябва да откриете, че python е доста лесен за изучаване език.

Така че, ако вече знаете Python (ако не научете тук), или може да ви бъде удобно бързо, това е идеалният курс за прагматиците, които искат да изграждат реални, използваеми системи, без да се притесняват твърде много за теоретичните основи на алгоритмите.

Мога дори да кажа, че е за нетърпеливите калайджии (като мен!), Които мразят церемонията и монотонността.

И о, споменах ли, че е 100% безплатно и има страхотна общност?!

заключение

Пфу!

Това беше един труден списък за съставяне. Не защото нямаше достатъчно добри източници, а защото имаше твърде много!

Машинното обучение е домейн, който буквално е избухнал и решава трудно елегантните проблеми наистина елегантно и затова има такива стотици курсове онлайн, безплатни и платени, като повечето от тях са наистина, наистина добри. Но това също може да бъде източник на объркване, поради което се опитах да го намаля до пет за различни видове учащи се според нивото на опит.

Дано помогна!

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