Эти ресурсы пользуются большим спросом и находятся в свободном доступе.
Последние полдесятилетия я работаю в области науки о данных. За последние пять лет я сослался на более чем сотни ресурсов, доступных в Интернете. Одна вещь, которую я заметил во всех этих ресурсах по науке о данных, - большинство из них следовали схожей схеме обучения. Наконец, я узнал о корневом учебном ресурсе.
Исходя из моих выводов, большинство доступных учебных ресурсов соответствует курсам, доступным на Coursera. Таким образом, они пытаются легче представить одно и то же обучение. Но я обнаружил, что большинство этих курсов пропускают сложную часть алгоритмов.
Обычно они пропускают, потому что знают, что их аудитории не понравятся глубокие знания. Но, судя по моему опыту, глубокие знания необходимы, чтобы максимально эффективно использовать алгоритмы машинного обучения.
В большинстве собеседований по науке о данных комиссия не оценивает, насколько хорошо вы можете импортировать библиотеку и обучить модель. Но они будут тщательно проверять работу алгоритмов.
В большинстве случаев использования в реальном времени для получения желаемого результата используется комбинация алгоритмов. И иногда нам нужно глубже изучить алгоритмы, чтобы сделать их подходящими для наших данных.
Я курирую некоторые из отраслевых курсов, к которым вам обязательно стоит обратиться в рамках вашего нынешнего / предстоящего путешествия по науке о данных.
1. Математика для специализации машинного обучения
В этом курсе вы узнаете о программировании на Python и другой базовой математике, необходимой любому энтузиасту науки о данных, чтобы начать свою карьеру в области науки о данных.
Этот курс будет охватывать подробные знания о линейной алгебре, градиентном спуске, темах расчетов и других связанных темах науки о данных.
Этот курс представляет собой специализацию из трех курсов. Три курса специализации:
- Математика для машинного обучения: линейная алгебра
- Математика для машинного обучения: многомерное исчисление
- Математика для машинного обучения: PCA
Уровень курса: начальный
Продолжительность курса: около 64 часов, включая задания
Доступность: бесплатно
URL курса: Нажмите здесь
2. Специализация по обработке естественного языка
Тем, кто заинтересован в создании чат-ботов, предсказании следующего предстоящего слова, обнаружении фальшивых новостей, суммировании текста и многих других интересных случаях использования, связанных с текстом - это тот, на который вам обязательно стоит обратиться.
Вот, вы узнаете все, от классификации текста до предсказания следующего предстоящего слова, используя механизм внимания.
Этот курс представляет собой специализацию из четырех курсов. Четыре курса специализации:
- Обработка естественного языка с классификацией и векторными пространствами
- Обработка естественного языка с помощью вероятностных моделей
- Обработка естественного языка с помощью моделей последовательностей
- Обработка естественного языка с моделями внимания
Уровень курса: средний
Продолжительность курса: около 110 часов, включая задания
Доступность: бесплатно
URL курса: Нажмите здесь
3. Специализация на глубоком обучении
Каждый энтузиаст науки о данных должен выбрать этот курс. Этот курс посвящен использованию нейронной сети для получения лучших результатов. Этот курс будет работать со сверточной нейронной сетью (CNN) для изображений и долгой краткосрочной памятью (LSTM) для последовательных данных.
Вы узнаете, как можно оптимизировать результат нейронной сети, применяя различные методы улучшения.
Этот курс представляет собой специализацию из пяти курсов. Пять курсов по специализации:
- Нейронные сети и глубокое обучение
- Улучшение глубоких нейронных сетей
- Структурирование проектов машинного обучения
- Сверточные нейронные сети
- Последовательные модели
Уровень курса: средний
Продолжительность курса: около 130 часов, включая задания
Доступность: бесплатно
URL курса: Нажмите здесь
4. Расширенное компьютерное зрение с TensorFlow
Тем, кто заинтересован в создании моделей компьютерного зрения, таких как обнаружение объектов, сегментация изображений, классификация изображений и многие другие варианты использования, связанные с изображениями, обязательно стоит обратиться к этому курсу.
Этот курс охватывает все продвинутые подходы, такие как CNN, UNET, R-CNN, Resnet-50 и гораздо более привлекательные модели для ваших задач с изображениями.
Уровень курса: средний
Продолжительность курса: около 24 часов, включая задания
Доступность: бесплатно
URL курса: Нажмите здесь
5. Машинное обучение с Python
Все новички в области науки о данных должны обратиться к этому курсу. Этот курс охватывает все основные подходы к машинному обучению, такие как регрессия, классификация, кластеризация и классификация.
Было бы лучше, если бы у вас были основы математики и язык программирования Python для начала этого курса.
Уровень курса: начальный
Продолжительность курса: около 21 часа, включая задания
Доступность: бесплатно
URL курса: Нажмите здесь
Заключительный совет
Наука о данных - это большая область, требующая бесконечного обучения. Вы сможете сузить свою кривую обучения, определив интересующую вас область. В противном случае вы никогда не почувствуете себя уверенно в этой области.
В этой области вы найдете множество областей, таких как аналитика, обработка естественного языка, компьютерное зрение. Хорошо знать все эти поля, но постарайтесь получить команду в любом конкретном поле. В будущем все эти области будут расширены.
Что ж, это все, что нужно для этой статьи. Надеюсь, вам понравилось. Следите за появлением новых статей.
Спасибо за внимание!
Ищете карьерную консультацию в области науки о данных? Забронируйте свой слот здесь. Если вы хотите больше таких интересных статей о науке о данных и технологиях, вот мой информационный бюллетень.
