Programiranje

Najboljši brezplačni tečaji znanosti podatkov med zaklepanjem

Če ste zaradi pandemije COVID-19 zaklenjeni, boste morda imeli nekaj dodatnega časa. Binging Netflix je vse v redu, toda morda se tega že naveličate in bi se radi naučili česa novega.

Eno najbolj donosnih področij, ki se je odprlo v zadnjih nekaj letih, je znanost o podatkih. Viri, ki jih navajam spodaj, bodo tistim, ki so dovolj tehnični, pomagali razumeti matematiko na ravni statistike in diferencialnega računa, da bodo strojno učenje vključili v svoje sklope spretnosti. Morda vam celo pomagajo začeti novo kariero kot podatkovni znanstvenik.

Če že lahko programirate v Pythonu ali R-ju, vam bo ta spretnost omogočila, da se bolj naučite uporabne znanosti o podatkih. Po drugi strani pa programiranje za večino ljudi ni najtežje - to so numerične metode.

Coursera ponuja številne naslednje tečaje. Lahko jih pregledate brezplačno, če pa želite kredit, jih morate plačati.

Priporočam, da začnete s knjigo Elementi statističnega učenja tako da se lahko naučite matematike in konceptov, preden začnete pisati kodo.

Omeniti moram tudi, da obstaja nekaj dobrih tečajev v Udemyju, čeprav niso brezplačni. Običajno stanejo približno 200 USD za življenjski dostop, vendar sem v zadnjih dneh videl, da so mnogi od njih znižani na manj kot 20 USD.

Jeff Prosise iz Wintellectnow mi pravi, da namerava nekaj dodatnih tečajev narediti brezplačnih, zato bodite z nami.

Elementi statističnega učenja, druga izdaja

Avtorji Trevor Hastie, Robert Tibshirani in Jerome Friedman, Springer

//web.stanford.edu/~hastie/Papers/ESLII.pdf

Ta brezplačna 764-stranska e-knjiga je ena najbolj priporočljivih knjig za začetnike v znanosti o podatkih. Pojasnjuje osnove strojnega učenja in kako vse deluje v zakulisju, ne vsebuje pa kode. Če imate raje različico knjige z aplikacijami v R, jo lahko kupite ali izposodite prek Amazona.

Uporabna podatkovna znanost s specializacijo za Python

Christopher Brooks, Kevyn Collins-Thompson, V. G. Vinod Vydiswaran in Daniel Romero z Univerze v Michiganu / Coursera

//www.coursera.org/specializations/data-science-python

Pet tečajev (89 ur) v tej specializaciji za Univerzo v Michiganu vas s programskim jezikom Python uvede v znanost o podatkih. Ta specializacija je namenjena učencem, ki imajo osnovno Python ali programsko ozadje in ki želijo uporabiti tehnike statističnega, strojnega učenja, vizualizacije informacij, analize besedila in analize socialnih omrežij s pomočjo priljubljenih orodij Python, kot so Pandas, Matplotlib, Scikit-learn, NLTK in NetworkX za vpogled v njihove podatke.

Data Science: Temelji z uporabo R specializacije

Avtorji Jeff Leek, Brian Caffo in Roger Peng, Johns Hopkins / Coursera

//www.coursera.org/specializations/data-science-foundations-r

Ta 68-urna specializacija (pet tečajev) zajema temeljna orodja in tehnike znanosti o podatkih, vključno s pridobivanjem, čiščenjem in raziskovanjem podatkov, programiranjem v R in izvajanjem ponovljivih raziskav.

Globoko učenje

Avtorji Andrew Ng, Kian Katanforoosh in Younes Bensouda Mourri, Stanford / deeplearning.ai / Coursera

//www.coursera.org/specializations/deep-learning

V 77 urah (pet tečajev) ta serija uči temelje globokega učenja, kako graditi nevronske mreže in kako voditi uspešne projekte strojnega učenja. Spoznali boste konvolucijska omrežja (CNN), ponavljajoče se nevronske mreže (RNN), omrežja za dolgoročni kratkoročni pomnilnik (LSTM), Adam, Dropout, BatchNorm, inicializacijo Xavier / He in še več. Delali boste na študijah primerov iz zdravstvenega varstva, avtonomne vožnje, branja znakovnega jezika, ustvarjanja glasbe in obdelave naravnega jezika. Poleg teorije boste izvedeli, kako se uporablja v industriji s pomočjo Pythona in TensorFlow-a, ki jih tudi učijo.

Osnove strojnega učenja

Avtor Jeff Prosise, Wintellectnow

//www.wintellectnow.com/Videos/Watch?videoId=fundamentals-of-machine-learning

V tem brezplačnem dvournem uvodnem video tečaju vas Prosise popelje skozi regresijo, klasifikacijo, podporo vektorskim strojem, analizo glavnih komponent in še več, s pomočjo Scikit-learn, priljubljene knjižnice Python za strojno učenje.

Strojno učenje

Avtor Andrew Ng, Stanford / Coursera

//www.coursera.org/learn/machine-learning

Ta 56-urni video tečaj ponuja široko predstavitev strojnega učenja, rudarjenja podatkov in statističnega prepoznavanja vzorcev. Teme vključujejo nadzorovano učenje (parametrični / neparametrični algoritmi, podporni vektorski stroji, jedra, nevronske mreže), nenadzorovano učenje (združevanje v skupine, zmanjšanje dimenzij, sistemi priporočil, poglobljeno učenje) ter najboljše prakse strojnega učenja in umetne inteligence (teorija pristranskosti / variance) in inovacijski proces). Naučili se boste tudi, kako učne algoritme uporabiti za izdelavo pametnih robotov, spletno iskanje, preprečevanje neželene pošte, računalniški vid, medicinsko informatiko, zvok, rudarjenje baz podatkov in druga področja.

Strojno učenje

Avtorja Carlos Guestrin in Emily Fox, Univerza v Washingtonu / Coursera

//www.coursera.org/specializations/machine-learning

Ta 143-urna (s štirimi tečaji) specializacija vodilnih raziskovalcev z univerze v Washingtonu vas seznani z razburljivim področjem strojnega učenja z velikim povpraševanjem. Z vrsto praktičnih študij primerov boste pridobili uporabne izkušnje na glavnih področjih strojnega učenja, vključno s predvidevanjem, razvrščanjem, združevanjem v skupine in pridobivanjem informacij. Naučili se boste analizirati velike in zapletene nabore podatkov, ustvariti sisteme, ki se sčasoma prilagajajo in izboljšujejo, in graditi inteligentne aplikacije, ki lahko napovedujejo podatke.

$config[zx-auto] not found$config[zx-overlay] not found