Топ 5 ресурса за науку о подацима и машинско учење

Подаци су ново уље. А машинско учење је ватра. Ко год контролише ово двоје, тај ће контролирати и свијет.


Не, горе наведено није нека помпозна фраза преузета из дистопијског романа.

То је стварност.

Нови светски поредак састоји се у прикупљању огромне количине релевантних података и њиховој обради у увидљиве увиде – нешто што људски род није могао да уради у историји. То је врста технологије која земљи омогућава напредовати од осталих, и на крају влада светом. Као резултат тога, напредне нације света су је узеле врло, врло озбиљно.

Доносан избор каријере

На страну међународна сплетка, наука о подацима и машинско учење је ново вруће поље са невероватном шансом. Потражња није на љествици (благо речено), а нема довољно научника за податке. Чак ни осредњи.

Као да смо одједном открили многе нове насељене планете и нема довољно људи да их преселе. Могао бих наставити и даље и звучати као сломљена плоча, али мислим да ова инфографика посао чини много боље:

Извор: инсидебигдата.цом

Дакле, видимо да плате почињу од 50 000 УСД +, а за менаџере могу достићи скоро 250 000 УСД.

И не само то, до 2020. године просечан човек на овој планети ће генерисати 1,7 МБ података у секунди. То је 3.500 ТБ података током целог животног века – више података него што знамо до сада, а камоли да их користимо за анализу. Рећи да је будућност светла било би лоше решење за ову величанствену нову пашу.

Да ли су наука о подацима и машинско учење напорни?

Добро питање!

Из мог искуства, одговор је и „да“ и „не“.

Вештачка интелигенција (и екстензија, машинско учење) најтежа је ствар ако сте склони истраживању и гурању коверти. За такав рад чак је и доктор наука. сваки из рачунарске науке и математике није довољан. Али тада, просечна особа нема ни амбицију, ни време за такву потрагу.

На другом крају је оно што бих назвао Апликативна наука о подацима и машинско учење.

Односно, узимате постојеће алате, технике и алгоритме и примењујете их да бисте решили неки стварни проблем. Овај део захтева посвећеност, перцепцију и креативно размишљање (и познавање неких једноставних математичких концепата, који се брзо уче), али што се тиче истинског „техничког“ знања, много је блажи од онога што посао софтверског инжењера назива.

Другим речима, то није пешачка кола, већ пролазак поред однос награде и труда, је једна од најбољих инвестиција тамо.

Сада када сте учврстили своју одлучност да постанете научник података и инжењер машинског учења, покренимо истраживање најбољих опција тамо.

Машински курс рушења (Гоогле)

Нису многи људи свесни, али Гоогле има опсежну, веома практичну и бесплатан курс за машинско учење. Према компанији, то је део њихове посвећености унапређењу АИ / МЛ технологија и одржавању знања на отвореном.

Најбоља ствар овог курса је да не постоје предуслови, али направите више времена за самостално истраживање статистичких концепата.

Мислим, то није потребно, али ако имате напредне позадине у напредним статистикама, објашњења у овом курсу можда неће бити довољна. Још једна замисао је да овај курс уводи Машинско учење путем ТенсорФлов, која је имплементација МЛ-а, коју је развио Гоогле. Дакле, на неки начин, Гоогле има за циљ да промовише своје АПИ-је за машинско учење, али с обзиром на вредност коју нуди овај курс, не видим како би то требало да буде камен спотицања.

Ако ништа друго, ТенсорФлов је један од једноставних начина за улазак у МЛ и ужива велику популарност (за поређење АИ оквира погледајте ово).

ЦС109 наука о подацима (Универзитет Харвард)

Име Харвард изазива страхопоштовање, као и овај курс.

Прво ствари: то није брз брзи курс на коме се спремате за машинско учење пишући исјечак овде или скрипту овде. Овај курс је тешко крштење ватром које захтева напоран рад и значајна улагања времена.

Курс долази са бесплатним видео записима, кодом (који се налази на ГитХуб-у) и решењима за вежбе у лабораторији, тако да практично, ништа вас не омета ако желите да га снимите.

Идеална публика?

Ти … Не шалим се.

Рекао бих да раде професионалци са пристојним математичким образовањем, иако више не могу да се баве математиком (навике закључивања и доказивања су најпотребнија ствар). Али још једном вас упозорите: можда ћете помислити да сте добри, али овај курс ће вам се чинити као да очврснете нокте за доручак – проблеми са вежбањем су довољно изазовни да плачете, али тада би то тачно могла бити ствар “ тражите!

Машинско учење (Андрев Нг)

Уђите у бар напуњен научницима података и питајте ко је Андрев Нг, и добићете батине свог живота.

У круговима науке о подацима и машинском учењу, Андрев Нг је постигао статус сличан богу, захваљујући свом изузетном курсу на Цоурсера – Машинско учење.

А ако сумњате у поверљивости Андрева Нг-а, дозволићу да то говори само за себе:

То је плаћени курс, јер је део Цоурсера-иног плана цена, али финансијска посвећеност и одлучност нису једини предуслови. То је дугачак курс јер се Андрев урања дубоко у математику иза свега што се налази у МЛ-у и сецира популарне алгоритме. Али на срећу, то је комплетан курс, и водиће вас корак по корак у најмрачнијим дубинама и враћати натраг.

Топло препоручљиво, углавном због тога што је постављање цертификата о завршеном курсу данас постало ствар!

Примењена наука података са Питхон-ом

Специјализације на Цоурсери састоје се од низа курсева који имају за циљ да вас одвоје од нуле до стицања одређеног концепта. Ако тражите комплетан, озбиљан, али истовремено пријатељски курс о науци о подацима и машинском учењу са Питхон-ом, не могу вам ово препоручити специјализација довољно.

На крају курса, добијате сертификат.

Практично дубоко учење за кодисте

Овај курс је благослов и моја је најдража препорука на овој листи ако сте кодер.

Рекао бих то још једном: ако сте кодер.

То је зато што овај курс не троши време да вас научи основама програмирања. Опис курса каже тако врло јасно (нагласак је оригиналан):

Претпостављамо да сви који похађају овај курс имају најмање годину дана искуства с кодирањем. Курс користи питхон као језик подучавања, тако да ако већ не знате питхон, претпостављамо да ћете потрошити време за учење – за искусног цодер-а треба да откријете да је питхон прилично једноставан језик за научити.

Дакле, ако већ знате Питхон (ако не) научите овде), или се брзо могу опустити, ово је савршен курс за прагматичаре који желе да направе праве, употребљиве системе не бринући превише о теоријским основама алгоритама.

Чак бих могао рећи да су то за нестрпљиве шљокице (попут мене!) Које мрзе церемонију и монотонију.

И ох, јесам ли споменуо да је 100% бесплатно и да има сјајну заједницу?!

Закључак

Пхев!

Ово је била једна тешка листа за састављање. Не зато што није било довољно добрих извора, већ зато што их је било превише!

Машинско учење је домен који је буквално експлодирао и решава тешке проблеме заиста елегантно, па тако и постоје стотине курсева на мрежи, бесплатно и плаћено, а већина њих је стварно, заиста добра. Али ово такође може бити извор збрке, због чега сам покушао да га сведем на пет за различите типове ученика, у складу са њиховим искуством.

Надам се да је 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