数据科学和机器学习的5大资源热门推荐

本文概述

• 机器学习速成课程(Google)
• CS109数据科学(哈佛大学)
• 机器学习(吴安德)
• Python应用数据科学
• 面向程序员的实用深度学习

数据是新的石油。机器学习是火。控制这两个的人将控制整个世界。

不, 以上内容并非来自反乌托邦小说中的一些浮夸的短语。

这是现实。

新的世界秩序是关于收集大量相关数据并将其处理为可采取行动的见解的一切, 这是人类历史上无法做到的。这种技术可以使一个国家领先于其他国家, 并最终统治世界。结果, 全世界的进步国家都非常非常重视它。

有利可图的职业选择

除了国际上的兴趣, 数据科学和机器学习是一个新的热门领域, 机遇无限。需求超出了图表(要说得轻描淡写), 并且周围没有足够的数据科学家。甚至没有平庸的。

就像我们突然发现了许多新的可居住星球, 而没有足够的人将它们搬到那里一样。我可以继续听下去, 听起来像是破纪录, 但是我认为这张信息图做得更好：

资料来源：insidebigdata.com

因此, 我们看到薪金起价为$ 50, 000 +, 对于经理人来说, 可以超过$ 250, 000。

不仅如此, 到2020年, 这个星球上的普通人将每秒产生1.7 MB的数据。整个生命周期中的数据超过3500 TB, 这是我们目前无法处理的数据量, 更不用说进行分析了。如果说前途一片光明, 将会损害这个宏伟的新牧场。

数据科学和机器学习难吗？

好问题！

根据我的经验, 答案既是”是”又是”否”。

如果你倾向于研究并努力前进, 那么人工智能(以及扩展的机器学习)是最难的事情。对于这样的工作, 即使是博士学位。计算机科学和数学中的每一个还不够。但是, 普通人既没有野心, 也没有时间进行这种追求。

另一方面, 我称之为应用数据科学和机器学习。

也就是说, 你可以采用现有的工具, 技术和算法, 并将其应用于解决某些实际问题。这部分需要奉献, 感知和创造性思维(以及一些简单的数学概念的知识, 这些知识可以快速学习), 但是对于真正的”技术”知识, 比软件工程师的工作要宽容得多。

换句话说, 这不是小事一桩, 但按努力回报率来衡量, 是目前最好的投资之一。

现在, 你已经坚定了要成为数据科学家和机器学习工程师的决心, 让我们开始探索最好的选择。

机器学习速成课程(Google)

没有多少人知道, 但是Google开设了广泛的, 高度实用的免费机器学习课程。该公司表示, 这是他们致力于推进AI / ML技术并保持知识公开的承诺的一部分。

关于本课程的最好的事情是没有先决条件, 但是请做好准备, 花费更多的时间自己探索统计概念。

我的意思是, 这不是必需的, 但是如果你的高级统计信息背景为零, 那么此课程中的解释可能还不够。另一个要注意的是, 本课程介绍了通过TensorFlow进行机器学习, 这是Google开发的ML实现。因此, 从某种意义上说, Google旨在推广其用于机器学习的API, 但是考虑到本课程提供的价值, 我不认为这应该成为绊脚石。

如果有的话, TensorFlow是进入ML并获得疯狂的普及的一种简便方法(有关AI框架的比较, 请参见此)。

CS109数据科学(哈佛大学)

哈佛这个名字激发了敬畏的精神, 本课程也是如此。

首先, 这不是一门让我们着急的课程, 而是通过在此处编写代码段或在此处编写脚本来介绍机器学习的技巧。这门课是一场严重的洗礼, 需要辛勤工作和大量时间。

该课程包含免费视频, 代码(托管在GitHub上)以及实验练习的解决方案, 因此, 实际上, 只要你愿意, 它就不会受到任何限制。

理想的听众？

你…我不是在开玩笑。

我要说的是, 经过专业工作的专业人员必须接受过良好的数学教育, 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)。但是, 再次提醒你：你可能会认为自己很好, 但是此课程会让你感到早餐早已硬了-练习中的挑战足以使你流泪, 但是那可能正是你所要解决的问题重新寻找！

机器学习(吴安德)

走进一个充满数据科学家的酒吧, 询问吴安德(Andrew Ng)是谁, 然后你将一生被击败。

在数据科学和机器学习领域, 吴安德鲁(Andrew Ng)凭借他在Coursera –机器学习方面的杰出课程而获得了神似的地位。

而且, 如果你对吴安德(Andrew Ng)的资历表示怀疑, 我就这样说：

这是一门付费课程, 因为它是Coursera定价计划的一部分, 但是财务承诺和决心并不是唯一的先决条件。随着安德鲁深入研究ML所有事物背后的数学并剖析流行的算法, 这是一个漫长的过程。但值得庆幸的是, 这是一门完整的课程, 你将逐步引导你进入最黑暗的深处, 并重返校园。

强烈推荐, 主要是因为标榜此课程的结业证书已成今天！

Python应用数据科学

Coursera的专业课程包括一系列旨在使你从零开始精通特定概念的课程。如果你正在寻找有关使用Python进行数据科学和机器学习的完整, 认真而友好的课程, 那么我不能推荐足够的专业知识。

在课程结束时, 你将获得证书。

面向程序员的实用深度学习

如果你是编码人员, 这门课程真是福气, 是我在此列表上最喜欢的推荐。

我再说一遍：如果你是编码员。

这是因为本课程不花时间教你编程的基础知识。课程说明非常明确地说明了这一点(重点是原始内容)：

我们假设参加本课程的每个人都具有至少一年的编码经验。该课程使用python作为教学语言, 因此, 如果你还不了解python, 那么我们假设你会花时间学习-对于有经验的编码人员, 你应该会发现python是一种非常容易学习的语言。

因此, 如果你已经了解Python(如果不能在这里学习), 或者可以很快适应, 那么这对于想要构建实际的可用系统而又无需过多担心算法的理论基础的实用主义者来说, 就是完美的选择。

我什至可以说这是给那些讨厌礼仪和单调的急躁的修补匠(像我一样！)。

哦, 我是否提到过它是100％免费的, 并且拥有一个很棒的社区？！

总结

！

这是一个很难编译的清单。不是因为没有足够的优质资源, 而是因为有太多的资源！

机器学习是一个领域, 而且确实在飞速发展, 并且可以非常优雅地解决难题, 因此, 有数百种在线课程(免费和付费), 其中大多数课程的确非常好。但这也可能引起混乱, 这就是为什么我尝试根据学习者的经验水平将其简化为五个。

希望能有所帮助！