Jos olet lukittu COVID-19-pandemian takia, sinulla saattaa olla vain ylimääräistä aikaa käsissäsi. Binging Netflix on kaikki hyvin, mutta ehkä olet kyllästynyt siihen ja haluaisit oppia jotain uutta.
Yksi tuottoisimmista aloista parin viime vuoden aikana on datatiede. Seuraavassa luetellut resurssit auttavat teknisiä ihmisiä ymmärtämään matematiikkaa tilastojen ja differentiaalilaskelmien tasolla sisällyttämään koneoppimisen taitojoukkoonsa. Ne voivat jopa auttaa sinua aloittamaan uuden uran datatieteilijänä.
Jos pystyt jo ohjelmoimaan Pythonissa tai R: ssä, tämä taito antaa sinulle jalansijan sovelletulle tieteelle. Toisaalta ohjelmointi ei ole kovin osa useimmille ihmisille - se on numeerisia menetelmiä.
Coursera tarjoaa monia seuraavista kursseista. Voit tarkastaa ne ilmaiseksi, mutta jos haluat luottoa, sinun on maksettava niistä.
Suosittelen aloittamista kirjasta Tilastollisen oppimisen elementit jotta voit oppia matematiikan ja käsitteet ennen koodin kirjoittamisen aloittamista.
Haluan myös huomata, että Udemyssa on useita hyviä kursseja, vaikka ne eivät ole ilmaisia. Ne maksavat yleensä noin 200 dollaria kukin käyttöikästä, mutta olen nähnyt monet niistä alennetuiksi alle 20 dollariin viime päivinä.
Jeff Prosise Wintellectnow'sta kertoo minulle, että hän aikoo tehdä muutaman kurssinsa ilmaiseksi, joten pysy kuulolla.
Tilastollisen oppimisen elementit, toinen painos
Kirjoittanut Trevor Hastie, Robert Tibshirani ja Jerome Friedman, Springer
//web.stanford.edu/~hastie/Papers/ESLII.pdf
Tämä ilmainen 764-sivuinen e-kirja on yksi tietotekniikan aloittelijoiden suosituimmista kirjoista. Siinä selitetään koneoppimisen perusteet ja miten kaikki toimii kulissien takana, mutta ei sisällä koodia. Jos haluat mieluummin kirjan version, jossa on sovelluksia R-kirjaimella, voit ostaa tai vuokrata sen Amazonin kautta.
Sovellettu tietojenkäsittely ja Python-erikoistuminen
Kirjoittanut Christopher Brooks, Kevyn Collins-Thompson, V.G.Vinod Vydiswaran ja Daniel Romero, Michiganin yliopisto / Coursera
//www.coursera.org/specializations/data-science-python
Tämän Michiganin yliopiston erikoistumisen viisi kurssia (89 tuntia) tutustuttavat sinut tietojenkäsittelyyn Python-ohjelmointikielen kautta. Tämä erikoistuminen on tarkoitettu oppijoille, joilla on perustason Python- tai ohjelmointitausta ja jotka haluavat soveltaa tilastollisia, koneoppimisen, tiedon visualisoinnin, tekstianalyysin ja sosiaalisten verkostojen analysointitekniikoita suosittujen Python-työkalusarjojen, kuten Pandas, Matplotlib, Scikit-learn, avulla. NLTK ja NetworkX saadakseen käsityksen datastaan.
Datatiede: R-erikoistumista käyttävät säätiöt
Kirjoittanut Jeff Leek, Brian Caffo ja Roger Peng, Johns Hopkins / Coursera
//www.coursera.org/specializations/data-science-foundations-r
Tämä 68 tunnin erikoistuminen (viisi kurssia) kattaa perustietotekniikan työkalut ja tekniikat, mukaan lukien tietojen hankkiminen, puhdistaminen ja tutkiminen, R-ohjelmointi ja toistettavissa olevan tutkimuksen suorittaminen.
Syvä oppiminen
Andrew Ng, Kian Katanforoosh ja Younes Bensouda Mourri, Stanford / deeplearning.ai / Coursera
//www.coursera.org/specializations/deep-learning
Tämä sarja opettaa 77 tunnissa (viisi kurssia) syvällisen oppimisen perustan, kuinka rakentaa hermoverkkoja ja kuinka johtaa onnistuneita koneoppimisprojekteja. Opit konvoluutioverkoista (CNN), toistuvista hermoverkoista (RNN), pitkäaikaismuistiverkoista (LSTM), Adamista, Dropoutista, BatchNormista, Xavier / He-alustuksesta ja muusta. Työskentelet tapaustutkimuksissa terveydenhuollosta, itsenäisestä ajamisesta, viittomakielen lukemisesta, musiikin luomisesta ja luonnollisen kielen prosessoinnista. Teorian lisäksi opit kuinka sitä käytetään teollisuudessa käyttämällä myös Pythonia ja TensorFlow'ta, joita he myös opettavat.
Koneoppimisen perusteet
Kirjailija: Jeff Prosise, Wintellectnow
//www.wintellectnow.com/Videos/Watch?videoId=fundamentals-of-machine-learning
Tässä ilmaisessa kahden tunnin esittelyvideokurssissa Prosise opastaa sinut regressioon, luokitteluun, tukivektorikoneisiin, pääkomponenttianalyysiin ja muuhun käyttämällä Scikit-learnia, joka on suosittu Python-kirjasto koneoppimiseen.
Koneoppiminen
Kirjoittaja: Andrew Ng, Stanford / Coursera
//www.coursera.org/learn/machine-learning
Tämä 56 tunnin videokurssi tarjoaa laajan johdannon koneoppimiseen, tiedonlouhintaan ja tilastolliseen mallintunnistukseen. Aiheet sisältävät valvotun oppimisen (parametriset / ei-parametriset algoritmit, tukivektorikoneet, ytimet, hermoverkot), valvomattoman oppimisen (klusterointi, ulottuvuuden pienentäminen, suositussysteemit, syvällinen oppiminen) sekä koneoppimisen ja tekoälyn parhaista käytännöistä (bias / varianssiteoria) innovaatioprosessi). Opit myös käyttämään oppimisalgoritmeja älykkäiden robottien rakentamiseen, verkkohakuun, roskapostin estoon, tietokonenäön, lääketieteellisen informatiikan, äänen, tietokantojen louhintaan ja muille alueille.
Koneoppiminen
Kirjoittaja Carlos Guestrin ja Emily Fox, Washingtonin yliopisto / Coursera
//www.coursera.org/specializations/machine-learning
Tämä Washingtonin yliopiston johtavien tutkijoiden 143 tunnin (neljän kurssin) erikoistuminen tutustuttaa sinut koneoppimisen jännittävään, erittäin kysyttyyn alaan. Useiden käytännön tapaustutkimusten avulla saat käyttökokemuksen koneoppimisen pääalueilta, mukaan lukien ennakointi, luokittelu, klusterointi ja tiedonhaku. Opit analysoimaan suuria ja monimutkaisia aineistoja, luomaan järjestelmiä, jotka mukautuvat ja parantuvat ajan myötä, ja rakentamaan älykkäitä sovelluksia, jotka voivat tehdä ennusteita tiedoista.
