Ja esat ieslodzīts COVID-19 pandēmijas dēļ, jums vienkārši var būt kāds papildu laiks uz rokām. Binging Netflix ir labi un labi, taču, iespējams, jums tas ir apnicis un jūs vēlētos uzzināt kaut ko jaunu.
Viena no ienesīgākajām jomām, kas pavērusies pēdējo pāris gadu laikā, ir datu zinātne. Resursi, kurus es uzskaitīšu zemāk, palīdzēs tiem, kuri ir pietiekami tehniski, lai izprastu matemātiku statistikas un diferenciālrēķina līmenī, lai mašīnmācīšanos iekļautu viņu prasmju kopās. Viņi pat var palīdzēt jums sākt jaunu datu zinātnieka karjeru.
Ja jūs jau varat programmēt Python vai R, šī prasme ļaus jums izmantot lietišķo datu zinātni. No otras puses, programmēšana lielākajai daļai cilvēku nav grūtā daļa - tās ir skaitliskās metodes.
Coursera piedāvā daudzus no šiem kursiem. Jūs varat tos pārbaudīt bez maksas, bet, ja vēlaties kredītu, jums par tiem jāmaksā.
Iesaku sākt ar grāmatu Statistiskās mācīšanās elementi lai jūs varētu iemācīties matemātiku un jēdzienus, pirms sākat rakstīt kodu.
Man arī jāatzīmē, ka Udemy ir vairāki labi kursi, lai gan tie nav bezmaksas. Par mūža piekļuvi tie parasti maksā aptuveni 200 ASV dolāru, taču pēdējās dienās esmu redzējis, ka daudzi no viņiem ir mazāki par 20 ASV dolāriem.
Džefs Prozise no Wintellectnow man saka, ka viņš plāno padarīt vēl dažus savus kursus bezmaksas, tāpēc sekojiet līdzi.
Statistiskās mācīšanās elementi, otrais izdevums
Autori Trevors Hastijs, Roberts Tibširani un Džeroms Frīdmans, Springers
//web.stanford.edu/~hastie/Papers/ESLII.pdf
Šī bezmaksas 764 lappušu lielā e-grāmata ir viena no visplašāk ieteiktajām grāmatām datu zinātnes iesācējiem. Tas izskaidro mašīnmācīšanās pamatus un to, kā viss darbojas aiz ainas, bet nesatur kodu. Ja vēlaties izvēlēties grāmatas versiju ar lietojumprogrammām R, varat to iegādāties vai iznomāt, izmantojot Amazon.
Lietišķā datu zinātne ar Python specializāciju
Autori Kristofers Brūks, Kevins Kolinss-Tompsons, V. G. Vinods Vidisvarans un Daniels Romero, Mičiganas Universitāte / Kursera
//www.coursera.org/specializations/data-science-python
Pieci kursi (89 stundas) šajā Mičiganas universitātes specializācijā iepazīstina jūs ar datu zinātni, izmantojot Python programmēšanas valodu. Šī specializācija ir paredzēta izglītojamiem, kuriem ir pamata Python vai programmēšanas fons un kuri vēlas izmantot statistikas, mašīnmācīšanās, informācijas vizualizācijas, teksta analīzes un sociālo tīklu analīzes paņēmienus, izmantojot populārus Python rīku komplektus, piemēram, Pandas, Matplotlib, Scikit-learn, NLTK un NetworkX, lai gūtu ieskatu par saviem datiem.
Datu zinātne: fondi, kas izmanto R specializāciju
Džefs Lēks, Braiens Kaffo un Rodžers Pengs, Džons Hopkinss / Kursera
//www.coursera.org/specializations/data-science-foundations-r
Šī 68 stundu specializācija (pieci kursi) aptver fundamentālus datu zinātnes rīkus un paņēmienus, tostarp datu iegūšanu, tīrīšanu un izpēti, programmēšanu R un reproducējamu pētījumu veikšanu.
Dziļa mācīšanās
Autori Andrew Ng, Kian Katanforoosh un Younes Bensouda Mourri, Stanford / deeplearning.ai / Coursera
//www.coursera.org/specializations/deep-learning
77 stundu laikā (piecos kursos) šī sērija māca padziļinātas mācīšanās pamatus, kā veidot neironu tīklus un kā vadīt veiksmīgus mašīnmācīšanās projektus. Jūs uzzināsiet par konvolucionālajiem tīkliem (CNN), atkārtotajiem neironu tīkliem (RNN), ilgtermiņa īslaicīgās atmiņas tīkliem (LSTM), Adam, Dropout, BatchNorm, Xavier / He inicializēšanu un daudz ko citu. Jūs strādājat ar gadījumu izpēti no veselības aprūpes, autonomas braukšanas, zīmju valodas lasīšanas, mūzikas ģenerēšanas un dabiskās valodas apstrādes. Papildus teorijai jūs uzzināsiet, kā tā tiek izmantota rūpniecībā, izmantojot Python un TensorFlow, kuras viņi arī māca.
Mašīnmācīšanās pamati
Autors Jeff Prosise, Wintellectnow
//www.wintellectnow.com/Videos/Watch?videoId=fundamentals-of-machine-learning
Šajā bezmaksas divu stundu ievadvideo kursā Prosise iepazīstina jūs ar regresiju, klasifikāciju, atbalsta vektoru mašīnām, galveno komponentu analīzi un daudz ko citu, izmantojot mašīnmācībai populāro Python bibliotēku Scikit-learn.
Mašīnmācība
Autors Endrjū Ng, Stenforda / Kursera
//www.coursera.org/learn/machine-learning
Šis 56 stundu video kurss sniedz plašu ievadu mašīnmācībās, datu ieguvē un statistikas modeļu atpazīšanā. Tēmas ietver uzraudzītu mācīšanos (parametru / neparametriski algoritmi, atbalsta vektoru mašīnas, kodoli, neironu tīkli), bez uzraudzības mācīšanos (kopu veidošana, dimensiju samazināšana, ieteikumu sistēmas, padziļināta mācīšanās), kā arī mašīnmācīšanās un AI labāko praksi (neobjektivitātes / dispersijas teorija). un inovāciju process). Jūs arī uzzināsiet, kā izmantot mācību algoritmus viedo robotu veidošanā, meklēšanā tīmeklī, surogātpasta novēršanai, datorizācijai, medicīnas informātikai, audio, datubāzu ieguvei un citās jomās.
Mašīnmācība
Autori Karloss Guestrins un Emīlija Foksa, Vašingtonas Universitāte / Kursera
//www.coursera.org/specializations/machine-learning
Šī Vašingtonas universitātes vadošo pētnieku 143 stundu (četru kursu) specializācija iepazīstina jūs ar aizraujošo, ļoti pieprasīto mašīnmācīšanās jomu. Veicot praktisku gadījumu izpēti, jūs iegūsiet lietišķu pieredzi galvenajās mašīnmācīšanās jomās, tostarp prognozēšanā, klasifikācijā, kopu izveidē un informācijas iegūšanā. Jūs iemācīsities analizēt lielas un sarežģītas datu kopas, izveidot sistēmas, kas laika gaitā pielāgojas un uzlabojas, un veidos inteliģentas lietojumprogrammas, kas var prognozēt no datiem.
