5 منبع برتر برای علوم داده و یادگیری ماشین

داده ها روغن جدید است. و یادگیری ماشینی آتش است. هر کس این دو را کنترل کند ، جهان را کنترل خواهد کرد.


نه ، مطالب فوق چند جمله بی پروا نیست که از رمان دیستوپیایی گرفته شده است.

این واقعیت است.

نظم نوین جهانی درمورد جمع آوری مقادیر زیادی از داده های مرتبط و پردازش آن به بینش های عملی – کاری که نسل بشر نتوانسته است در تاریخ انجام دهد. این نوع فناوری است که به یک کشور امکان می دهد جلو بروید از دیگران ، و سرانجام ، بر جهان حاکم شود. در نتیجه ، این کشورها بسیار جدی توسط ملل مترقی جهان گرفته می شوند.

یک انتخاب شغلی پرسود

گذشته از فتنه بین المللی ، علم داده و یادگیری ماشین زمینه جدید و داغ با یک فرصت باورنکردنی است. تقاضا نمودار نیست (به بیان ساده آن) ، و دانشمندان اطلاعات کافی در اطراف ندارند. حتی آنهایی که متوسط ​​نیستند.

مثل این است که ما به طور ناگهانی بسیاری از سیارات مسکونی جدید را کشف کردیم و افراد کافی برای انتقال آنها وجود ندارند. من می توانم به کار خود ادامه دهم و مثل یک رکورد شکسته صدا کنم ، اما فکر می کنم این اینفوگرافیک کار را خیلی بهتر انجام می دهد:

منبع: hundbigdata.com

بنابراین می بینیم که حقوق از + 50،000 دلار شروع می شود و برای مدیران می تواند 250 هزار دلار گذشته باشد.

و نه فقط این ، تا سال 2020 میانگین افراد در این سیاره 1.7 مگابایت داده در هر ثانیه تولید می کنند. این 3500+ سل سل داده در کل طول عمر است – داده های بیشتری از ما می دانیم که چگونه باید از الان کنترل کنیم ، چه رسد به تجزیه و تحلیل. این که بگوییم آینده روشن است ، می تواند به این مراتع با شکوه جدید بی ثمر باشد.

آیا علم داده و یادگیری ماشین سخت است?

سؤال خوبی بود!

از تجربه من ، پاسخ “بله” و “نه” است.

هوش مصنوعی (و با گسترش ، یادگیری ماشینی) ، اگر تمایل به تحقیق و تحقیق و فشار بر روی پاکت ندارید ، سخت ترین کاری است که باید انجام دهید. برای چنین کارهایی حتی دکتری. هر یک در علوم کامپیوتر و ریاضیات کافی نیست. اما در این صورت ، یک فرد متوسط ​​نه جاه طلبی دارد و نه وقت چنین تعقیباتی را دارد.

از طرف دیگر ، چیزی است که من به علوم داده کاربردی و یادگیری ماشین می گویم.

یعنی شما از ابزارها ، تکنیکها و الگوریتم های موجود استفاده می کنید و آنها را برای حل برخی از مشکلات در دنیای واقعی به کار می گیرید. این بخش نیاز به فداکاری ، درک و تفکر خلاق دارد (و دانش برخی از مفاهیم ساده ریاضی ، که به سرعت یاد می گیرند) ، اما در مورد دانش “فنی” واقعی ، بسیار ملموس تر از آن چیزی است که شغل یک مهندس نرم افزار می نامد..

به عبارت دیگر ، این یک خزانه داری نیست ، بلکه در کنار آن است نسبت پاداش به تلاش, یکی از بهترین سرمایه گذاری ها در آنجا است.

اکنون که عزم خود را برای تبدیل شدن به یک دانشمند داده و مهندس یادگیری ماشین سخت کرده اید ، اجازه می دهیم بهترین گزینه ها را در آنجا جستجو کنیم.

دوره آموزش تصادف ماشین (Google)

افراد زیادی آگاه نیستند ، اما گوگل گسترده ، بسیار کاربردی و کاربردی دارد دوره رایگان در آموزش ماشین. طبق گفته این شرکت ، این بخشی از تعهد آنها برای پیشبرد فناوری های AI / ML و باز نگه داشتن دانش است.

بهترین چیز در مورد این دوره این است که هیچ پیش نیاز وجود ندارد ، اما برای صرف وقت اضافی در جستجوی مفاهیم آماری به تنهایی ، وسایل لازم را انجام دهید..

منظورم این است که نیازی نیست ، اما اگر شما در آمار پیشرفته پیشینه صفر دارید ، توضیحات در این دوره ممکن است کافی نباشد. نکته دیگر این است که این دوره از طریق Machine Learning معرفی می کند TensorFlow, که یک پیاده سازی ML است که توسط Google ایجاد شده است. بنابراین ، به طریقی ، Google قصد دارد تا API های خود را برای یادگیری ماشین تبلیغ کند ، اما با توجه به ارزش ارائه شده توسط این دوره ، من نمی بینم که چگونه این باید یک مانع باشد.

در هر صورت ، TensorFlow یکی از راه های آسان برای ورود به ML است و از محبوبیت هاری برخوردار است (برای مقایسه چارچوب های AI ، این را ببینید).

علوم داده CS109 (دانشگاه هاروارد)

نام هاروارد الهام بخش و ترسناک است ،.

اول چیزها: این یک دوره سریع کثیف و سریع نیست که در آن شما با نوشتن یک قطعه قطعه قطعه در اینجا یا یک اسکریپت در اطراف Machine Learning به آن آموزش دهید. این دوره تعمید آتش شدید است که نیاز به تلاش و سرمایه گذاری چشمگیر در زمان دارد.

دوره همراه با فیلم های رایگان ، کد (میزبان در GitHub) و راه حل هایی برای تمرینات آزمایشگاهی است ، بنابراین به طور عملی ، اگر می خواهید آن را انجام دهید ، هیچ محدودیتی ندارید.

مخاطب ایده آل?

شما … من شوخی نمی کنم.

من می گویم متخصصان شاغل و دارای آموزش ریاضی مناسب و معقول ، حتی اگر آنها ممکن است دیگر در ریاضیات نگیرند (عادت های استنباط و اثبات ضروری ترین چیز است). اما یک بار دیگر ، لطفاً هشدار دهید: ممکن است فکر کنید خوب هستید ، اما این دوره احساس می کند که میخ های سخت شده را برای صبحانه سخت می کنید – مشکلات تمرین به اندازه کافی چالش برانگیز است که شما را گریه کند ، اما پس از آن ، این ممکن است دقیقاً همان چیزی باشد که شما هستید دوباره به دنبال!

یادگیری ماشین (Andrew Ng)

به یک نوار پر از دانشمندان داده بروید و سؤال کنید که اندرو نگ کیست ، و شما یک ضرب و شتم از زندگی خود خواهید گرفت.

در محافل علم داده و یادگیری ماشین ، اندرو نگ به لطف دوره استثنایی خود در دوره Coursera – فراگیری ماشین.

و اگر به اعتبار اندرو نگ شک دارید ، اجازه می دهم این موضوع برای خودش صحبت کند:

این یک دوره پرداختی است ، زیرا بخشی از برنامه قیمت گذاری Coursera است ، اما تعهد و اراده مالی تنها پیش شرط ها نیست. این یک دوره طولانی است که اندرو در پشت همه چیز ML در ریاضی فرو می رود و الگوریتم های محبوب را جدا می کند. اما خوشبختانه ، این یک دوره کامل است ، و شما قدم به قدم به تاریکی ترین اعماق هدایت می شوید و بازگردانده می شوید.

بسیار توصیه می شود ، عمدتاً به دلیل این که جعل گواهینامه تکمیل این دوره امروزه به یک موضوع تبدیل شده است!

علوم داده کاربردی با پایتون

تخصص های مربوط به دوره Coursera شامل یک سری دوره ها است که هدف شما این است که شما را از صفر به مهارت در یک مفهوم خاص ببرد. اگر به دنبال یک دوره کامل ، جدی و در عین حال دوستانه در زمینه علوم داده و یادگیری ماشین با پایتون هستید ، نمی توانم این را توصیه کنم تخصص کافی.

در پایان دوره ، گواهی کسب می کنید.

یادگیری عمیق عمیق برای رمزگذارها

این دوره اگر رمزگزار باشید ، نعمت است و محبوب ترین توصیه من در این لیست است.

من این را دوباره می گویم: اگر شما یک رمزگذار هستید.

به این دلیل است که این دوره هیچ وقت را صرف آموزش اصول برنامه نویسی نمی کند. شرح دوره به صورت واضح و روشن بیان شده است (تأکید اصلی است):

ما فرض می کنیم که هر کس این دوره را طی می کند حداقل یک سال تجربه برنامه نویسی. در این دوره از پایتون به عنوان زبان تدریس استفاده می شود ، بنابراین اگر شما پایتون را نمی شناسید ، فرض می کنیم که شما وقت خود را برای یادگیری می گذرانید..

بنابراین اگر قبلاً پایتون را می شناسید (اگر اینطور نیست) اینجا یاد بگیر) ، یا می توانید به سرعت راحت شوید ، این دوره مناسب برای عملگراانی است که می خواهند سیستم های واقعی و قابل استفاده بسازند بدون اینکه زیاد نگران زیربناهای نظری الگوریتم ها باشند.

من حتی می توانم بگویم این برای ناظران بی تاب (مثل من!) است که از مراسم و یکنواخت نفرت دارند.

و اوه ، آیا من اشاره کردم که این 100٪ رایگان است و اجتماع خوبی دارد?!

نتیجه

پسر!

این یک لیست سخت برای تهیه بود. نه به دلیل وجود منابع خوب کافی ، بلکه به دلیل راه های زیادی وجود دارد!

یادگیری ماشینی دامنه ای است که به معنای واقعی کلمه منفجر شده است و مشکلات سخت را با ظرافت حل می کند ، و به همین ترتیب وجود دارد صدها دوره آنلاین, رایگان و پرداخت شده ، بیشتر آنها واقعاً خوب هستند. اما این همچنین می تواند باعث سردرگمی شود ، به همین دلیل من سعی کردم با توجه به سطح تجربه خود ، آن را برای انواع مختلف زبان آموزان به 5 کاهش دهم.

امیدوارم کمک کرد!

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