Для тех, кто думает о том, чтобы погрузиться в науку о данных и не хочет тратить ни копейки, но и не хочет идти на компромисс с материалом, на который можно тратить время. Что ж, вот список бесплатных ресурсов, с которых можно начать. У каждого ресурса есть свой компромисс в зависимости от вашей методики обучения.
Coursera.org:
Coursera — один из моих любимых образовательных веб-сайтов, где любой может пройти не только курсы, связанные с наукой о данных, но и по другим дисциплинам.
ПЛЮСЫ: Coursera — один из «законных» веб-сайтов, который предоставляет сертификаты от известных университетов, таких как Гарвард, Йель, Калифорнийский университет в Лос-Анджелесе и других университетов по всему миру. В среднем это стоит 50 долларов за сертификацию класса, и в зависимости от вашего использования это может оказаться очень удобным.
МИНУСЫ. У Coursera не так много недостатков, за исключением того, что занятия в значительной степени зависят от видео и проектов, которые вполне хороши, но через некоторое время просмотр видео может стать немного скучным (по крайней мере, в моем случае). Итак, каково решение? Кофе! или Nap (по крайней мере, в моем случае).
Udacity.com:
Udacity, основанный основателем Google X Себастьяном Труном, также является отличным бесплатным ресурсом с теми же плюсами и минусами, что и Coursera, с более технически ориентированными курсами.
Codecademy.com:
Codecademy занимает свою нишу в обучении концепциям и языкам программирования, а также может использоваться для компонентов набора инструментов Data Science, который включает Python, SQL и т. д.
ПЛЮСЫ. Codecademy довольно интуитивно понятен и использует практический подход к обучению программированию, где обучение может быть менее болезненным.
МИНУСЫ. Codecademy предполагает, что вы новичок в программировании и не углубляетесь в кроличью нору науки о данных.
Кодементор.ио:
Codementor предлагает учебные пособия для начинающих и профессионалов. Учащиеся могут получить доступ к ряду полезных руководств о том, как лучше всего анализировать данные. Это включает в себя введение в машинное обучение и советы по выбору правильных пакетов программного обеспечения для анализа данных.
Ну, я надеюсь, что это даст начинающему Data Scientist твердую стартовую площадку, чтобы почувствовать вкус и глубже погрузиться в дисциплину.