Top 5 Ressourcen für Data Science und maschinelles Lernen

Daten sind das neue Öl. Und maschinelles Lernen ist das Feuer. Wer diese beiden kontrolliert, wird die Welt kontrollieren.


Nein, das Obige ist keine pompöse Phrase, die aus einem dystopischen Roman stammt.

Es ist die Realität.

In der neuen Weltordnung geht es darum, große Mengen relevanter Daten zu sammeln und in umsetzbare Erkenntnisse umzuwandeln – etwas, was die Menschheit in der Geschichte nicht konnte. Es ist die Art von Technologie, die es einem Land ermöglicht mach weiter von den anderen und schließlich die Welt regieren. Infolgedessen wird es von den fortschrittlichen Nationen der Welt sehr, sehr ernst genommen.

Eine lukrative Berufswahl

Abgesehen von internationalen Intrigen sind Datenwissenschaft und maschinelles Lernen ein heißes neues Feld mit einer unglaublichen Chance. Die Nachfrage ist nicht in den Charts (um es milde auszudrücken), und es gibt nicht genügend Datenwissenschaftler. Nicht einmal mittelmäßige.

Es ist, als hätten wir plötzlich viele neue bewohnbare Planeten entdeckt und es gibt nicht genug Menschen, um sie zu bewegen. Ich könnte weiter und weiter gehen und wie eine kaputte Platte klingen, aber ich denke, diese Infografik macht den Job viel besser:

Quelle: insidebigdata.com

Wir sehen also, dass die Gehälter bei über 50.000 US-Dollar beginnen und für Manager weit über 250.000 US-Dollar liegen können.

Und nicht nur das, bis 2020 wird die durchschnittliche Person auf diesem Planeten 1,7 MB Daten pro Sekunde generieren. Das sind mehr als 3.500 TB Daten über die gesamte Lebensdauer – mehr Daten, als wir derzeit verarbeiten können, geschweige denn für die Analyse. Zu sagen, dass die Zukunft vielversprechend ist, würde dieser großartigen neuen Weide einen schlechten Dienst erweisen.

Sind Data Science und maschinelles Lernen schwer?

Gute Frage!

Nach meiner Erfahrung lautet die Antwort sowohl “Ja” als auch “Nein”.

Künstliche Intelligenz (und damit auch maschinelles Lernen) ist am schwierigsten, wenn Sie dazu neigen, in die Forschung einzusteigen und neue Maßstäbe zu setzen. Für solche Arbeiten kann sogar ein Ph.D. Jeder in Informatik und Mathematik ist nicht genug. Aber dann hat der Durchschnittsmensch weder den Ehrgeiz noch die Zeit für eine solche Verfolgung.

Am anderen Ende würde ich Applied Data Science und Machine Learning nennen.

Das heißt, Sie nehmen vorhandene Tools, Techniken und Algorithmen und wenden sie an, um ein reales Problem zu lösen. Dieser Teil erfordert Engagement, Wahrnehmung und kreatives Denken (und das Wissen über einige einfache mathematische Konzepte, die schnell erlernt werden), ist jedoch in Bezug auf echtes „technisches“ Wissen viel milder als das, was der Job eines Softwareentwicklers nennt.

Mit anderen Worten, es ist kein Kuchen, sondern geht an der vorbei Belohnungsverhältnis, ist eine der besten Investitionen da draußen.

Nachdem Sie Ihre Entschlossenheit bekräftigt haben, Datenwissenschaftler und Ingenieur für maschinelles Lernen zu werden, beginnen wir mit der Suche nach den besten Optionen.

Crashkurs für maschinelles Lernen (Google)

Nicht viele Leute wissen es, aber Google hat eine umfangreiche, sehr praktische und kostenloser Kurs über maschinelles Lernen. Laut Angaben des Unternehmens ist dies Teil seines Engagements für die Weiterentwicklung der AI / ML-Technologien und die Offenlegung des Wissens.

Das Beste an diesem Kurs ist, dass es keine Voraussetzungen gibt, aber bereiten Sie sich darauf vor, zusätzliche Zeit damit zu verbringen, die Statistikkonzepte selbst zu erkunden.

Ich meine, es wird nicht benötigt, aber wenn Sie keinen Hintergrund in fortgeschrittenen Statistiken haben, reichen die Erklärungen in diesem Kurs möglicherweise nicht aus. Ein weiterer Haken ist, dass dieser Kurs das maschinelle Lernen über einführt TensorFlow, Dies ist eine von Google entwickelte ML-Implementierung. In gewisser Weise möchte Google seine APIs für maschinelles Lernen bewerben. Angesichts des Werts, den dieser Kurs bietet, sehe ich jedoch keinen Grund, warum dies ein Stolperstein sein sollte.

Wenn überhaupt, ist TensorFlow eine der einfachen Möglichkeiten, in ML einzusteigen, und erfreut sich großer Beliebtheit (einen Vergleich der KI-Frameworks finden Sie hier)..

CS109 Data Science (Harvard University)

Der Name Harvard begeistert, und dieser Kurs auch.

Das Wichtigste zuerst: Es ist kein Schnellkurs, bei dem Sie auf Zehenspitzen durch maschinelles Lernen gehen, indem Sie hier einen Ausschnitt oder hier ein Skript schreiben. Dieser Kurs ist eine schwere Feuertaufe, die harte Arbeit und einen erheblichen Zeitaufwand erfordert.

Der Kurs Es enthält kostenlose Videos, Code (auf GitHub gehostet) und Lösungen für Laborübungen. Sie werden also praktisch von nichts zurückgehalten, wenn Sie es aufnehmen möchten.

Ideales Publikum?

Du … ich mache keine Witze.

Ich würde sagen, Berufstätige mit anständiger Mathematikausbildung, auch wenn sie sich nicht mehr für Mathematik interessieren (die Gewohnheiten der Folgerung und des Beweises sind das Notwendigste). Aber noch einmal, bitte seien Sie gewarnt: Sie denken vielleicht, dass Sie gut sind, aber dieser Kurs fühlt sich an, als hätten Sie die Nägel zum Frühstück verhärtet – die Übungsprobleme sind herausfordernd genug, um Sie zum Weinen zu bringen, aber genau das könnten Sie tun. ‘ Ich suche!

Maschinelles Lernen (Andrew Ng)

Gehen Sie in eine Bar voller Datenwissenschaftler und fragen Sie, wer Andrew Ng ist, und Sie werden einen Schlag auf Ihr Leben bekommen.

In den Kreisen der Datenwissenschaft und des maschinellen Lernens hat Andrew Ng dank seines außergewöhnlichen Kurses über Coursera einen gottähnlichen Status erreicht – Maschinelles Lernen.

Und wenn Sie an Andrew Ngs Referenzen zweifeln, lasse ich dies für sich selbst sprechen:

Es ist ein bezahlter Kurs, da er Teil des Preisplans von Coursera ist, aber finanzielles Engagement und Entschlossenheit sind nicht die einzigen Voraussetzungen. Dies ist ein langer Kurs, da Andrew tief in die Mathematik hinter allen Dingen der ML eintaucht und populäre Algorithmen zerlegt. Aber zum Glück ist es ein vollständiger Kurs, und Sie werden Schritt für Schritt in die dunkelsten Tiefen geführt und zurückgebracht.

Sehr zu empfehlen, vor allem, weil es heute mittlerweile üblich ist, das Abschlusszertifikat dieses Kurses zur Schau zu stellen!

Angewandte Datenwissenschaft mit Python

Spezialisierungen auf Coursera bestehen aus einer Reihe von Kursen, die darauf abzielen, Sie von null auf ein bestimmtes Konzept zu bringen. Wenn Sie nach einem vollständigen, seriösen und dennoch freundlichen Kurs zu Data Science und maschinellem Lernen mit Python suchen, kann ich diesen nicht empfehlen Spezialisierung genug.

Am Ende des Kurses erhalten Sie ein Zertifikat.

Praktisches Deep Learning für Programmierer

Dieser Kurs ist ein Segen und meine Lieblingsempfehlung auf dieser Liste, wenn Sie ein Programmierer sind.

Ich würde das noch einmal sagen: Wenn Sie ein Programmierer sind.

Dies liegt daran, dass dieser Kurs keine Zeit damit verbringt, Ihnen die Grundlagen des Programmierens beizubringen. Die Kursbeschreibung sagt dies sehr klar aus (Hervorhebung ist original):

Wir gehen davon aus, dass jeder, der diesen Kurs besucht, hat Mindestens ein Jahr Erfahrung im Codieren. Der Kurs verwendet Python als Unterrichtssprache. Wenn Sie Python noch nicht kennen, gehen wir davon aus, dass Sie die Zeit zum Lernen aufwenden werden. Für einen erfahrenen Programmierer sollten Sie feststellen, dass Python eine recht einfach zu erlernende Sprache ist.

Also, wenn Sie Python bereits kennen (wenn nicht lerne hier) oder kann es sich schnell bequem machen, dies ist der perfekte Kurs für Pragmatiker, die echte, nutzbare Systeme bauen möchten, ohne sich über die theoretischen Grundlagen der Algorithmen Gedanken machen zu müssen.

Ich könnte sogar sagen, es ist für die ungeduldigen Bastler (wie ich!), Die Zeremonie und Monotonie hassen.

Und oh, habe ich schon erwähnt, dass es 100% kostenlos ist und eine großartige Community hat??!

Fazit

Puh!

Dies war eine schwer zu kompilierende Liste. Nicht weil es nicht genug gute Quellen gab, sondern weil es viel zu viele gab!

Maschinelles Lernen ist eine Domäne, die buchstäblich explodiert ist und schwierige Probleme wirklich elegant löst, und das gibt es auch Hunderte von Kursen online, kostenlos und bezahlt, die meisten von ihnen sind wirklich sehr, sehr gut. Dies kann aber auch zu Verwirrung führen. Deshalb habe ich versucht, es für verschiedene Lerntypen je nach Erfahrungsstufe auf fünf zu reduzieren.

Hoffe es hat geholfen!

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map