Непрерывное обучение в области науки о данных продолжается онлайн

Первым шагом на пути к науке о данных является получение глубоких знаний в области фундаментальных концепций науки о данных. Независимо от того, являетесь ли вы новичком или опытным практиком в области науки о данных, одно можно сказать наверняка: обучение на протяжении всей жизни в области науки о данных неизбежно. Ресурсы, обсуждаемые ниже, полезны для изучения основных понятий или для расширения ваших знаний за счет того, что вы будете в курсе последних событий в этой области.

1. Массовые открытые онлайн-курсы (МООК)

Растущий спрос на специалистов по науке о данных привел к быстрому распространению массовых открытых онлайн-курсов (МООК). К наиболее популярным провайдерам МООК можно отнести следующие:

Если вы собираетесь пройти один из этих курсов, имейте в виду, что некоторые MOOC на 100% бесплатны, в то время как некоторые требуют, чтобы вы вносили плату за подписку (которая может варьироваться от 50 до 200 долларов за курс или более, в зависимости от платформы. к платформам). Имейте в виду, что получение опыта в любой дисциплине требует огромного количества времени и энергии. Так что не спешите. Убедитесь, что если вы решите записаться на курс, вы должны быть готовы пройти весь курс, включая все задания и домашние задания. Некоторые викторины и домашние задания будут довольно сложными. Однако имейте в виду, что если вы не бросите вызов самому себе, вы не сможете расти в своих знаниях и навыках.

Я сам прошел так много МООК по науке о данных, поэтому ниже представлены 3 моих любимых специализации в области науки о данных.

Профессиональный сертификат в области науки о данных (HarvardX, через edX)

Включает в себя следующие курсы, все из которых преподаются с использованием R (вы можете бесплатно пройти аудит или приобрести подтвержденный сертификат):

  • Наука о данных: основы R;
  • Data Science: визуализация;
  • Наука о данных: вероятность;
  • Наука о данных: вывод и моделирование;
  • Наука о данных: инструменты повышения производительности;
  • Наука о данных: борьба;
  • Наука о данных: линейная регрессия;
  • Наука о данных: машинное обучение;
  • Наука о данных: Capstone

Аналитика: основные инструменты и методы (Georgia TechX, через edX)

Включает следующие курсы, все из которых преподаются с использованием R, Python и SQL (вы можете провести аудит бесплатно или приобрести подтвержденный сертификат):

  • Введение в аналитическое моделирование;
  • Введение в вычисления для анализа данных;
  • Аналитика данных для бизнеса.

Прикладная наука о данных со специализацией на Python (Мичиганский университет, через Coursera)

Включает в себя следующие курсы, все из которых преподаются с использованием Python (вы можете проверять большинство курсов бесплатно, для некоторых требуется покупка подтвержденного сертификата):

  • Введение в науку о данных в Python;
  • Прикладное построение графиков, диаграмм и представление данных на Python;
  • Прикладное машинное обучение на Python;
  • Прикладной интеллектуальный анализ текста в Python;
  • Прикладной анализ социальных сетей на Python

2. Обучение по учебнику

Обучение по учебнику дает более совершенные и глубокие знания, выходящие за рамки того, что вы получаете на онлайн-курсах. Эта книга представляет собой отличное введение в науку о данных и машинное обучение, включая код: Машинное обучение Python Себастьяна Рашки. Https://github.com/rasbt/python-machine-learning-book-3rd-edition

Автор объясняет фундаментальные концепции машинного обучения в простой форме. Кроме того, включен код, поэтому вы можете использовать предоставленный код для практики и создания собственных моделей. Я лично считаю эту книгу очень полезной в моем путешествии в качестве специалиста по данным. Я бы порекомендовал эту книгу любому соискателю науки о данных. Все, что вам нужно, - это базовая линейная алгебра и навыки программирования, чтобы понять книгу.

Есть много других отличных учебников по науке о данных, таких как Python для анализа данных Уэса МакКинни, Прикладное прогнозное моделирование от Kuhn & Johnson и Интеллектуальный анализ данных: практические инструменты и методы машинного обучения. »Яна Х. Виттена, Эйбе Франк и Марка А. Холла.

3. YouTube

YouTube содержит несколько обучающих видео и руководств, которые могут научить вас основным навыкам математики и программирования, необходимым в науке о данных, а также несколько руководств по науке о данных для начинающих. Простой поиск приведет к появлению нескольких видеоуроков и лекций. Три моих любимых курса на YouTube:

4. Ханская академия

Khan academy - также отличный веб-сайт для изучения основ математики, статистики, исчисления и линейной алгебры, необходимых в науке о данных. Это должен быть отличный ресурс для людей, которые интересуются наукой о данных, но не имеют необходимого количественного опыта.

5. Средний

Medium сейчас считается одной из самых быстрорастущих платформ для изучения науки о данных и сетевых технологий. Если вы заинтересованы в использовании этой платформы для самостоятельного изучения науки о данных, первым шагом будет создание учетной записи среднего размера. Вы можете создать бесплатную учетную запись или членскую учетную запись. В бесплатной учетной записи есть ограничения на количество статей для участников, к которым вы можете получить доступ в месяц. Для членского аккаунта требуется ежемесячная абонентская плата в размере 5 или 50 долларов в год. Узнайте больше о том, как стать средним участником, здесь: https://medium.com/membership.

Имея учетную запись участника, вы получите неограниченный доступ к статьям и публикациям на среднем уровне. Medium имеет несколько публикаций по науке о данных, которые могут помочь вам узнать о новых разработках в этой области, а также пообщаться с другими специалистами по данным или соискателями. Две самые популярные публикации в области науки о данных на этом носителе: На пути к науке о данных и На пути к искусственному интеллекту. Каждый день на носителе публикуются новые статьи, охватывающие такие темы, как наука о данных, машинное обучение, визуализация данных, программирование, искусственный интеллект и т. Д. Используя инструмент поиска на веб-сайте среды, вы можете получить доступ к такому количеству статей и руководств, охватывающих широкий спектр по темам в области науки о данных, от базовых до продвинутых.

6. LinkedIn

LinkedIn - отличная платформа для нетворкинга. В LinkedIn есть несколько групп и организаций по науке о данных, к которым можно присоединиться, например, Towards AI, DataScienceHub, Towards data science, KDnuggets и т. Д. Вы также можете следить за ведущими лидерами в этой области на этой платформе.

7. KDnuggets

KDnuggets - ведущий сайт, посвященный искусственному интеллекту, аналитике, большим данным, интеллектуальному анализу данных, науке о данных и машинному обучению. На этом веб-сайте вы можете найти важные образовательные инструменты и ресурсы по науке о данных, а также инструменты для профессионального развития.

Таким образом, мы обсудили некоторые из множества ресурсов для изучения основ науки о данных. Как область, которая постоянно развивается, обучение на протяжении всей жизни в науке о данных неизбежно.

Прочтите все истории Бенджамина Оби Тайо, доктора философии. (и тысячи других авторов на Medium). Ваш членский взнос напрямую поддерживает доктора философии Бенджамина Оби Тайо. и других писателей, которых вы читаете. Вы также получите полный доступ ко всем историям на Medium . Нажмите на следующую ссылку, чтобы стать участником: https://benjaminobi.medium.com/membership