แหล่งข้อมูล 11 อันดับแรกสำหรับวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่อง

ข้อมูลคือน้ำมันใหม่ และแมชชีนเลิร์นนิงคือไฟ ใครก็ตามที่ควบคุมสองคนนี้จะควบคุมโลก

ไม่ ข้างต้นไม่ใช่วลีโอ้อวดที่หยิบมาจากนวนิยายดิสโทเปีย

มันเป็นความจริง

ระเบียบโลกใหม่คือการรวบรวมข้อมูลที่เกี่ยวข้องจำนวนมหาศาลและประมวลผลเป็นข้อมูลเชิงลึกที่นำไปปฏิบัติได้ ซึ่งเป็นสิ่งที่เผ่าพันธุ์มนุษย์ไม่สามารถทำได้ในประวัติศาสตร์ เป็นเทคโนโลยีประเภทหนึ่งที่ช่วยให้ประเทศนำหน้าประเทศอื่น และในที่สุดก็ครองโลก

ผลที่ได้คือ ประเทศที่กำลังก้าวหน้าในโลกนี้กำลังถูกเอารัดเอาเปรียบอย่างมาก

ทางเลือกอาชีพที่ร่ำรวย

นอกเหนือจากความสนใจในระดับนานาชาติแล้ว วิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่องยังเป็นสาขาใหม่ที่กำลังมาแรงพร้อมโอกาสที่เหลือเชื่อ ดีมานด์ไม่อยู่ในแผนภูมิ (พูดอย่างสุภาพ) และมีนักวิทยาศาสตร์ข้อมูลไม่เพียงพอ ไม่ใช่คนธรรมดาด้วยซ้ำ

เหมือนกับว่าเราได้ค้นพบดาวเคราะห์ที่อาศัยอยู่ใหม่จำนวนมากในทันใด และมีคนไม่เพียงพอที่จะเคลื่อนย้ายพวกมันไป ฉันสามารถดำเนินต่อไปและฟังดูเหมือนเป็นบันทึกที่พัง แต่ฉันคิดว่าอินโฟกราฟิกนี้ทำงานได้ดีกว่ามาก:

ที่มา: insidebigdata.com

ดังนั้นเราจึงเห็นว่าเงินเดือนเริ่มต้นที่ 50,000 ดอลลาร์ขึ้นไป และสำหรับผู้จัดการสามารถยิงทะลุ 250,000 ดอลลาร์ได้ดี

และไม่เพียงแค่นั้น คนทั่วไปบนโลกใบนี้จะสร้างข้อมูลได้ 1.7 MB ต่อวินาที นั่นคือข้อมูล 3,500+ TB ตลอดอายุการใช้งาน — มีข้อมูลมากกว่าที่เรารู้วิธีจัดการ ณ ตอนนี้ นับประสาสำหรับการวิเคราะห์เพียงอย่างเดียว กล่าวได้ว่าอนาคตที่สดใสจะส่งผลเสียต่อทุ่งหญ้าใหม่อันงดงามแห่งนี้

วิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่องยากไหม

คำถามที่ดี!

จากประสบการณ์ของผม คำตอบคือ “ใช่” และ “ไม่ใช่”

ปัญญาประดิษฐ์ (และโดยการขยายการเรียนรู้ด้วยเครื่อง) เป็นสิ่งที่ยากที่สุดที่จะทำหากคุณตั้งใจที่จะค้นคว้าและผลักดันซองจดหมาย สำหรับงานดังกล่าว แม้แต่ปริญญาเอก ในวิทยาการคอมพิวเตอร์และคณิตศาสตร์ไม่เพียงพอ แต่แล้ว คนทั่วไปไม่มีความทะเยอทะยาน ไม่มีเวลาสำหรับการแสวงหาเช่นนั้น

อีกด้านหนึ่งคือสิ่งที่ผมเรียกว่า Applied Data Science และ Machine Learning

นั่นคือ คุณใช้เครื่องมือ เทคนิค และอัลกอริธึมที่มีอยู่แล้วนำไปใช้เพื่อแก้ปัญหาในโลกแห่งความเป็นจริง ส่วนนี้ต้องใช้ความทุ่มเท การรับรู้ และการคิดอย่างสร้างสรรค์ (และความรู้เกี่ยวกับแนวคิดทางคณิตศาสตร์ง่ายๆ บางอย่าง ซึ่งเรียนรู้ได้อย่างรวดเร็ว) แต่สำหรับความรู้ “ทางเทคนิค” ที่แท้จริง จะผ่อนปรนมากกว่างานที่วิศวกรซอฟต์แวร์เรียก

กล่าวอีกนัยหนึ่งไม่ใช่เค้กวอล์ค แต่การใช้อัตราส่วนผลตอบแทนต่อความพยายามเป็นหนึ่งในการลงทุนที่ดีที่สุด

เมื่อคุณได้ตั้งใจแน่วแน่ที่จะเป็นนักวิทยาศาสตร์ข้อมูลและวิศวกรการเรียนรู้ของเครื่องแล้ว มาเริ่มสำรวจตัวเลือกที่ดีที่สุดกัน

แมชชีนเลิร์นนิง (Google)

มีคนไม่มากที่ทราบ แต่ Google มีเนื้อหาที่ครอบคลุมและใช้งานได้จริงและ คอร์สฟรี Machine Learning. ตามที่บริษัทกล่าว มันเป็นส่วนหนึ่งของความมุ่งมั่นในการพัฒนาเทคโนโลยี AI/ML และรักษาความรู้ไว้อย่างเปิดเผย

สิ่งที่ดีที่สุดเกี่ยวกับหลักสูตรนี้คือไม่มีข้อกำหนดเบื้องต้นใดๆ แต่จงเตรียมพร้อมที่จะใช้เวลาเพิ่มเติมในการสำรวจแนวคิดเกี่ยวกับสถิติด้วยตัวคุณเอง

ฉันหมายความว่าไม่จำเป็น แต่ถ้าคุณมีพื้นฐานเป็นศูนย์ในสถิติขั้นสูง คำอธิบายในหลักสูตรนี้อาจไม่เพียงพอ อีกประการหนึ่งคือหลักสูตรนี้แนะนำการเรียนรู้ของเครื่องผ่าน TensorFlowซึ่งเป็นการใช้งาน ML ที่พัฒนาโดย Google ในแง่หนึ่ง Google มีเป้าหมายที่จะส่งเสริม API สำหรับการเรียนรู้ของเครื่อง แต่เมื่อพิจารณาถึงคุณค่าของหลักสูตรนี้ ฉันไม่เห็นว่าสิ่งนั้นควรเป็นอุปสรรค์อย่างไร

  วิธีแปลงรูปภาพจาก HEIC เป็น JPG

หากมีสิ่งใด TensorFlow เป็นหนึ่งในวิธีง่ายๆ ในการเข้าสู่ ML และได้รับความนิยมอย่างมาก (สำหรับการเปรียบเทียบเฟรมเวิร์ก AI โปรดดูที่นี่)

วิทยาศาสตร์ข้อมูล

ชื่อฮาร์วาร์ดเป็นแรงบันดาลใจให้เกิดความน่าเกรงขาม และหลักสูตรนี้ก็เช่นกัน

อย่างแรกเลย: ไม่ใช่หลักสูตร Let’s-get-dirty-quick ที่คุณจะเขย่งเท้ารอบ Machine Learning โดยเขียนข้อมูลโค้ดที่นี่หรือเขียนสคริปต์ที่นี่ หลักสูตรนี้เป็นการรับบัพติศมาด้วยไฟที่รุนแรงซึ่งต้องทำงานหนักและใช้เวลาพอสมควร

หลักสูตร มาพร้อมกับวิดีโอฟรี โค้ด (โฮสต์บน GitHub) และวิธีแก้ปัญหาสำหรับการฝึกในห้องปฏิบัติการ ดังนั้นในทางปฏิบัติ คุณจะไม่ถูกจำกัดด้วยสิ่งใดหากคุณต้องการทำ

ผู้ชมในอุดมคติ?

คุณ…ฉันไม่ได้ล้อเล่น

ฉันจะบอกว่าคนทำงานที่มีการศึกษาคณิตศาสตร์ที่ดี แม้ว่าพวกเขาจะไม่ได้เรียนคณิตศาสตร์แล้วก็ตาม (นิสัยของการอนุมานและการพิสูจน์เป็นสิ่งที่จำเป็นที่สุด) แต่ขอเตือนอีกครั้งว่า คุณอาจคิดว่าคุณเก่ง แต่หลักสูตรนี้จะรู้สึกเหมือนได้เล็บแข็งเป็นอาหารเช้า ปัญหาจากการฝึกฝนนั้นท้าทายมากพอที่จะทำให้คุณร้องไห้ แต่นั่นอาจเป็นสิ่งที่คุณ” กำลังมองหา!

การเรียนรู้ของเครื่อง

เดินเข้าไปในบาร์ที่เต็มไปด้วยนักวิทยาศาสตร์ด้านข้อมูลและถามว่าแอนดรูว์ อึ้งคือใคร แล้วคุณจะพบว่าชีวิตคุณเต้นไม่เป็นจังหวะ

ในแวดวงวิทยาศาสตร์ข้อมูลและแมชชีนเลิร์นนิง แอนดรูว์ อึ้ง ได้รับสถานะเหมือนพระเจ้า ด้วยหลักสูตรพิเศษของเขาใน Coursera — การเรียนรู้ของเครื่อง.

และถ้าคุณสงสัยในข้อมูลประจำตัวของ Andrew Ng ฉันจะปล่อยให้เรื่องนี้พูดเอง:

เป็นหลักสูตรที่ต้องเสียค่าใช้จ่ายซึ่งเป็นส่วนหนึ่งของแผนการกำหนดราคาของ Coursera แต่ความมุ่งมั่นและความมุ่งมั่นทางการเงินไม่ใช่ข้อกำหนดเบื้องต้นเพียงอย่างเดียว หลักสูตรนี้ใช้เวลานานเนื่องจากแอนดรูว์เจาะลึกคณิตศาสตร์เบื้องหลังทุกสิ่ง ML และวิเคราะห์อัลกอริธึมยอดนิยม แต่โชคดีที่มันเป็นหลักสูตรที่สมบูรณ์ และคุณจะได้รับคำแนะนำทีละขั้นตอนในส่วนลึกที่มืดมนที่สุดและนำกลับมา

ฉันขอแนะนำเป็นอย่างยิ่ง เพราะส่วนใหญ่เป็นเพราะการแสดงใบรับรองการจบหลักสูตรนี้ได้กลายเป็นเรื่องไปแล้วในวันนี้!

วิทยาศาสตร์ข้อมูลประยุกต์

ความเชี่ยวชาญพิเศษของ Coursera ประกอบด้วยชุดหลักสูตรที่มุ่งนำคุณจากศูนย์ไปสู่ความเชี่ยวชาญในแนวคิดเฉพาะ หากคุณกำลังมองหาหลักสูตรที่สมบูรณ์ จริงจัง แต่เป็นกันเองเกี่ยวกับ Data Science และ Machine Learning ด้วย Python ฉันไม่สามารถแนะนำสิ่งนี้ได้ ความเชี่ยวชาญ เพียงพอ.

เมื่อจบหลักสูตร คุณจะได้รับใบรับรอง

DataCamp

DataCamp มีหลักสูตรวิทยาศาสตร์ข้อมูลมากมายซึ่งรวมถึงทักษะและเส้นทางอาชีพต่างๆ ตั้งแต่การจัดการข้อมูลไปจนถึงการเรียนรู้ของเครื่อง คุณจะได้รับทักษะการสร้างอาชีพนักวิทยาศาสตร์ข้อมูลใน Python และ R ที่จะช่วยให้คุณประสบความสำเร็จในด้านวิทยาศาสตร์ข้อมูล

ด้วยเนื้อหาขนาดไบต์ของ DataCamp คุณสามารถเรียนรู้ได้ตามต้องการ หลักสูตรเหล่านี้มอบประสบการณ์ตรงที่คุณจะได้พัฒนาทักษะด้านวิทยาศาสตร์ข้อมูลของคุณ

คุณสามารถเริ่มต้นด้วยเวอร์ชันฟรีและประเมินหลักสูตรโดยดูที่บทแรก

edX

เรียนรู้จาก MITx, Harvardx, IBM, RICEx, UCSanDiegox และ GTx บน แพลตฟอร์ม edX.

ทั้งหมดมีหลักสูตรที่ครอบคลุมที่จะช่วยให้คุณมีทักษะด้านนักวิทยาศาสตร์ข้อมูล โปรแกรมเหล่านี้เหมาะที่สุดสำหรับผู้ที่มีพื้นฐานด้านสถิติหรือวิทยาการคอมพิวเตอร์

หากคุณไม่ได้กำลังมองหาโปรแกรม คุณสามารถเลือกอาหารตามสั่งได้ ใน edX คุณจะพบหลักสูตรมากกว่า 200 หลักสูตรที่เกี่ยวข้องกับวิทยาศาสตร์ข้อมูล ซึ่งครอบคลุม Python, R, Excel, ความน่าจะเป็น, สถิติ, การเรียนรู้ของเครื่อง, การสร้างภาพข้อมูล และอื่นๆ อีกมากมาย

  วิธีตั้งค่านามแฝงบน Ubuntu

Codecademy

Codecademy เป็นอีกแพลตฟอร์มหนึ่งในระบบที่ดีที่สุดที่ช่วยให้คุณเรียนรู้การเขียนโค้ด พวกเขาเชื่อใน “เรียนรู้ด้วยการทำ” และมีโครงการฝึกปฏิบัติและการทดสอบมากมายบนแพลตฟอร์มของพวกเขา

ดิ หลักสูตรวิทยาศาสตร์ข้อมูล ที่นำเสนอโดย Codecademy รวมถึง SQL, Python 3, NumPy, Pandas, Matplotlib, Scikit-learn และไลบรารีอื่น ๆ อีกมากมาย

เส้นทางอาชีพทั้งหมดมี 26 หลักสูตรซึ่งมากเกินพอที่จะช่วยให้คุณเป็นนักวิทยาศาสตร์ข้อมูลที่ประสบความสำเร็จ

หลักสูตรข้อมูลนี้:

  • ให้ความรู้เชิงลึกเกี่ยวกับวิทยาศาสตร์ข้อมูล
  • ให้ง่ายต่อการปฏิบัติตามแผนงาน
  • ทำให้คุณพร้อมทำงานโดยช่วยให้คุณได้รับประสบการณ์จริงเพียงพอ

Udemy

Udemy ไม่ต้องการการแนะนำใดๆ

Python สำหรับ Data Science และ Machine Learning Bootcamp on Udemy เป็นหนึ่งในหลักสูตรที่ได้รับความนิยมมากที่สุดด้วยคะแนนมากกว่า 85K+ 4.6 และได้รับการตอบรับจากนักศึกษา 370K+ คนทั่วโลก

ด้านล่างนี้เป็นหัวข้อที่ครอบคลุมในหลักสูตรนี้:

ด้านล่างนี้เป็นคุณสมบัติ/สิ่งที่ส่งมาด้วยของหลักสูตรนี้:

  • วิดีโอออนดีมานด์ 25 ชั่วโมง
  • การเข้าถึงตลอดชีพ
  • 13 บทความและแหล่งข้อมูลที่ดาวน์โหลดได้ห้ารายการ
  • เข้าถึงบนมือถือและทีวี
  • ใบรับรองการสำเร็จหลักสูตร
  • รับประกันคืนเงินภายใน 30 วัน

ดังนั้น หากคุณชอบหลักสูตรงบประมาณ หลักสูตรนี้เหมาะสมที่สุดสำหรับคุณในการเริ่มต้น

Google AI

คุณสนใจที่จะเรียนรู้แมชชีนเลิร์นนิงจากผู้เชี่ยวชาญ ML ที่ Google หรือไม่

ถ้าอย่างนั้นคุณต้องตรวจสอบหลักสูตรเกี่ยวกับ Google AI.

แพลตฟอร์มนี้มีหลักสูตรและเนื้อหาเกี่ยวกับการเรียนรู้ของเครื่องและวิทยาศาสตร์ข้อมูลสำหรับนักเรียน วิศวกรซอฟต์แวร์ นักวิทยาศาสตร์ข้อมูล และแม้แต่นักวิจัย หลักสูตรเหล่านี้ไม่เสียค่าใช้จ่าย

จะเริ่มต้นด้วย, หลักสูตรความผิดพลาดของการเรียนรู้ของเครื่อง ที่ Google AI ควรเป็นหลักสูตรที่คุณควรทำ หลักสูตรนี้เป็นหลักสูตรเร่งรัดพร้อมคำแนะนำเชิงปฏิบัติโดยใช้ TensorFlow API ด้านล่างนี้คือรายละเอียดของหลักสูตรนี้:

แพลตฟอร์มนี้ยังมีหลักสูตรเฉพาะในหัวข้อการเรียนรู้ของเครื่องที่สำคัญเช่น การจัดกลุ่ม, ระบบแนะนำ, การทดสอบและการดีบักในการเรียนรู้ของเครื่อง, การแยกข้อมูลและวิศวกรรมคุณลักษณะในการเรียนรู้ของเครื่อง. ในกรณีที่คุณรู้พื้นฐานของแมชชีนเลิร์นนิงอยู่แล้ว หลักสูตรเหล่านี้จะมีมูลค่าเพิ่ม

ยูดาซิตี้

Udacity ยังเป็นแพลตฟอร์มอีเลิร์นนิงยอดนิยมที่มีหลักสูตรมากมายเกี่ยวกับเทคโนโลยีที่กำลังเป็นที่นิยม มีโปรแกรมชั้นนำในอุตสาหกรรมมากมายที่สร้างและเป็นที่ยอมรับโดยบริษัทชั้นนำทั่วโลก เช่น AT&T, AWS, Google, IBM

หนึ่งในโปรแกรมที่ Udacity มีไว้สำหรับ Data Science – โรงเรียนวิทยาศาสตร์ข้อมูล. โปรแกรมนี้จะช่วยคุณในงานวิเคราะห์ข้อมูล นักวิทยาศาสตร์ข้อมูล วิศวกรข้อมูล และนักวิเคราะห์ธุรกิจ หลักสูตร Data Scientist ในโปรแกรมนี้เป็นหลักสูตรสำคัญที่ครอบคลุมแนวคิดเกี่ยวกับแมชชีนเลิร์นนิง การเรียนรู้เชิงลึก และวิศวกรรมซอฟต์แวร์ คุณต้องมีความรู้พื้นฐานเกี่ยวกับแมชชีนเลิร์นนิงเพื่อเลือกหลักสูตรนี้

  วิธีลบ Apple ID ออกจาก Apple Watch

ในกรณีที่คุณรู้จักการเขียนโปรแกรมหลามแต่ยังใหม่กับการเรียนรู้ของเครื่อง มีโปรแกรมอื่นใน Udacity – โรงเรียนเอไอ. โปรแกรมนี้มีหลักสูตรที่เริ่มต้นจากพื้นฐานการเรียนรู้ของเครื่อง

การเรียนรู้อย่างลึกซึ้ง

คอร์สนี้ เป็นพระพรและเป็นคำแนะนำที่ฉันชอบที่สุดในรายการนี้หากคุณเป็นผู้เขียนโค้ด

ฉันจะพูดอีกครั้ง: ถ้าคุณเป็นนักเขียนโค้ด

นั่นเป็นเพราะว่าหลักสูตรนี้ใช้เวลาไม่นานในการสอนพื้นฐานการเขียนโปรแกรมให้คุณ คำอธิบายหลักสูตรระบุไว้อย่างชัดเจน (เน้นเป็นต้นฉบับ):

เราคิดว่าทุกคนที่เรียนหลักสูตรนี้มีประสบการณ์การเขียนโค้ดอย่างน้อยหนึ่งปี หลักสูตรนี้ใช้ python เป็นภาษาการสอน ดังนั้น หากคุณยังไม่รู้จัก python มาก่อน เราคิดว่าคุณจะใช้เวลาในการเรียนรู้ สำหรับ coder ที่มีประสบการณ์ คุณควรพบว่า python เป็นภาษาที่เรียนรู้ได้ง่าย

ดังนั้นถ้าคุณรู้จัก Python อยู่แล้ว (ถ้าไม่ใช่ เรียนที่นี่) หรือสามารถสบายใจได้อย่างรวดเร็ว นี่เป็นหลักสูตรที่สมบูรณ์แบบสำหรับนักปฏิบัติที่ต้องการสร้างระบบที่ใช้งานได้จริงและใช้งานได้จริงโดยไม่ต้องกังวลเกี่ยวกับรากฐานทางทฤษฎีของอัลกอริธึมมากเกินไป

ฉันอาจจะพูดได้ว่าสำหรับคนจรจัด (เช่นฉัน) ที่ไม่ชอบพิธีการและความน่าเบื่อหน่าย

ฉันพูดถึงมันฟรี 100% และมีชุมชนที่ยอดเยี่ยมด้วยเหรอ!

บทสรุป

วุ้ย

นี่เป็นรายการที่รวบรวมได้ยาก ไม่ใช่เพราะมีแหล่งที่ดีไม่เพียงพอ แต่เพราะมีมากเกินไป!

แมชชีนเลิร์นนิงเป็นโดเมนที่ขยายตัวอย่างรวดเร็วและแก้ปัญหายากๆ ได้อย่างสวยงาม ดังนั้นจึงมีหลักสูตรออนไลน์หลายร้อยหลักสูตร ทั้งแบบฟรีและมีค่าใช้จ่าย ซึ่งส่วนใหญ่เป็นหลักสูตรที่ดีมาก แต่นี่อาจเป็นสาเหตุของความสับสนด้วย นั่นคือเหตุผลที่ฉันพยายามสรุปให้เหลือ 11 คนสำหรับผู้เรียนประเภทต่างๆ ตามระดับประสบการณ์ของพวกเขา

ฉันหวังว่ามันจะช่วยได้!

เรื่องล่าสุด

x