11 tài nguyên hàng đầu cho Khoa học dữ liệu và Máy học

Spread the love

Dữ liệu là dầu mới. Và Học máy chính là ngọn lửa. Ai kiểm soát hai người này sẽ kiểm soát thế giới.

Không, ở trên không phải là một số cụm từ hào nhoáng được chọn từ một cuốn tiểu thuyết loạn luân.

Đó là một thực tế.

Trật tự thế giới mới là tất cả về việc thu thập một lượng lớn dữ liệu có liên quan và xử lý nó thành những thông tin chi tiết có thể hành động – điều mà loài người chưa thể làm được trong lịch sử. Đó là loại công nghệ cho phép một quốc gia đi trước những quốc gia khác, và cuối cùng, thống trị thế giới.

Do đó, nó đang được các quốc gia tiến bộ trên thế giới coi trọng.

Một sự lựa chọn nghề nghiệp sinh lợi

Ngoài mưu đồ quốc tế, khoa học dữ liệu và máy học là một lĩnh vực mới nóng bỏng với cơ hội đáng kinh ngạc. Nhu cầu nằm ngoài bảng xếp hạng (nói một cách nhẹ nhàng) và không có đủ các nhà khoa học dữ liệu xung quanh. Thậm chí không phải là những cái tầm thường.

Giống như chúng ta đột nhiên phát hiện ra nhiều hành tinh mới có thể sinh sống được, và không có đủ người để di chuyển chúng đến. Tôi có thể tiếp tục và tiếp tục và nghe như một kỷ lục bị phá vỡ, nhưng tôi nghĩ đồ họa thông tin này thực hiện công việc tốt hơn nhiều:

Nguồn: insidebigdata.com

Vì vậy, chúng tôi thấy rằng mức lương bắt đầu từ 50.000 đô la trở lên và đối với các nhà quản lý, có thể vượt quá 250.000 đô la.

Và không chỉ vậy, một người bình thường trên hành tinh này sẽ tạo ra 1,7 MB dữ liệu mỗi giây. Đó là hơn 3.500 TB dữ liệu trong toàn bộ vòng đời – nhiều dữ liệu hơn chúng ta biết cách xử lý tính đến thời điểm hiện tại, chưa nói đến việc sử dụng để phân tích. Để nói rằng tương lai tươi sáng sẽ làm ảnh hưởng đến đồng cỏ mới tráng lệ này.

Khoa học dữ liệu và máy học có khó không?

Câu hỏi hay!

Theo kinh nghiệm của tôi, câu trả lời là cả “có” và “không”.

Trí tuệ nhân tạo (và bằng cách mở rộng, máy học), là điều khó nhất để thực hiện nếu bạn muốn nghiên cứu và thúc đẩy phong bì. Đối với công việc như vậy, ngay cả một Tiến sĩ. trong khoa học máy tính và toán học là không đủ. Nhưng sau đó, người bình thường không có tham vọng, không có thời gian để theo đuổi như vậy.

Ở đầu bên kia, tôi gọi là Khoa học Dữ liệu Ứng dụng và Học máy.

Đó là, bạn sử dụng các công cụ, kỹ thuật và thuật toán hiện có và áp dụng chúng để giải quyết một số vấn đề trong thế giới thực. Phần này đòi hỏi sự cống hiến, nhận thức và tư duy sáng tạo (và kiến ​​thức về một số khái niệm toán học đơn giản, có thể học nhanh), nhưng về kiến ​​thức “kỹ thuật” thực sự, nó khoan dung hơn nhiều so với công việc của một kỹ sư phần mềm.

Nói cách khác, nó không phải là một con đường bánh ngọt, nhưng đi theo tỷ lệ phần thưởng trên nỗ lực, là một trong những khoản đầu tư tốt nhất hiện có.

Bây giờ bạn đã cứng rắn quyết tâm trở thành một nhà khoa học dữ liệu và kỹ sư học máy, hãy bắt đầu khám phá các lựa chọn tốt nhất hiện có.

Học máy (Google)

Không nhiều người biết, nhưng Google có một hệ thống rộng lớn, mang tính thực tiễn cao và khóa học miễn phí về Học máy. Theo công ty, đó là một phần trong cam kết của họ trong việc thúc đẩy các công nghệ AI / ML và giữ kiến ​​thức luôn mở.

  26 tập dữ liệu mở tuyệt vời cho các dự án ML / Khoa học dữ liệu của bạn

Điều tốt nhất về khóa học này là không có điều kiện tiên quyết, nhưng hãy chuẩn bị để dành thêm thời gian khám phá các khái niệm thống kê của riêng bạn.

Ý tôi là, nó không cần thiết, nhưng nếu bạn không có kiến ​​thức nền tảng về thống kê nâng cao, thì những giải thích trong khóa học này có thể không đủ. Một điểm hấp dẫn khác là khóa học này giới thiệu Học máy thông qua TensorFlow, là một triển khai ML do Google phát triển. Vì vậy, theo một cách nào đó, Google nhằm mục đích quảng bá các API của mình cho Học máy, nhưng xem xét giá trị mà khóa học này mang lại, tôi không thấy đó phải là một trở ngại như thế nào.

Nếu có bất cứ điều gì, TensorFlow là một trong những cách dễ dàng để tham gia ML và rất được yêu thích (để so sánh các khuôn khổ AI, hãy xem phần này).

Khoa học dữ liệu

Cái tên Harvard truyền cảm hứng cho sự kinh ngạc, và khóa học này cũng vậy.

Điều đầu tiên trước tiên: nó không phải là một khóa học nhanh chóng mà bạn nhón chân tìm hiểu về Học máy bằng cách viết một đoạn mã tại đây hoặc một tập lệnh tại đây. Khóa học này là một phép báp têm bằng lửa khắc nghiệt, đòi hỏi sự chăm chỉ và đầu tư đáng kể về thời gian.

Khóa học đi kèm với video miễn phí, mã (được lưu trữ trên GitHub) và các giải pháp cho các bài tập trong phòng thí nghiệm, vì vậy trên thực tế, bạn không bị hạn chế bởi bất cứ điều gì nếu bạn muốn thực hiện nó.

Đối tượng lý tưởng?

Bạn… tôi không đùa.

Tôi muốn nói rằng các chuyên gia đang làm việc với trình độ toán học đàng hoàng, mặc dù họ có thể không còn mê toán nữa (thói quen suy luận và chứng minh là điều cần thiết nhất). Nhưng một lần nữa, xin được cảnh báo: bạn có thể nghĩ rằng mình giỏi, nhưng khóa học này sẽ khiến bạn cảm thấy như bị cứng móng tay cho bữa sáng – các vấn đề thực hành đủ thử thách để khiến bạn phải khóc, nhưng sau đó, đó chính xác là điều bạn muốn ‘ Đang tìm kiếm!

Học máy

Đi vào một quán bar đầy các nhà khoa học dữ liệu và hỏi Andrew Ng là ai, và bạn sẽ nhận được một nhịp đập của cuộc đời mình.

Trong giới khoa học dữ liệu và máy học, Andrew Ng đã đạt được vị thế thần thánh, nhờ vào khóa học đặc biệt của anh ấy trên Coursera – Học máy.

Và nếu bạn nghi ngờ thông tin đăng nhập của Andrew Ng, tôi sẽ để điều này tự nói lên:

Đó là một khóa học trả phí, vì nó là một phần trong kế hoạch định giá của Coursera, nhưng cam kết và quyết tâm tài chính không phải là điều kiện tiên quyết duy nhất. Đây là một khóa học dài khi Andrew đi sâu vào toán học đằng sau tất cả mọi thứ ML và mổ xẻ các thuật toán phổ biến. Nhưng may mắn thay, đó là một khóa học hoàn chỉnh, và bạn sẽ được hướng dẫn từng bước vào những vực sâu tăm tối nhất và được đưa trở lại.

Tôi thực sự khuyến khích, chủ yếu là vì việc phô trương chứng chỉ hoàn thành khóa học này đã trở thành chuyện ngày nay!

Khoa học dữ liệu ứng dụng

Các chuyên môn trên Coursera bao gồm một loạt các khóa học nhằm đưa bạn từ con số 0 đến thành thạo một khái niệm cụ thể. Nếu bạn đang tìm kiếm một khóa học hoàn chỉnh, nghiêm túc nhưng thân thiện về Khoa học dữ liệu và Học máy với Python, tôi không thể giới thiệu khóa học này chuyên môn hóa đầy đủ.

  “AFK” có nghĩa là gì và bạn sử dụng nó như thế nào?

Vào cuối khóa học, bạn sẽ nhận được chứng chỉ.

DataCamp

DataCamp cung cấp nhiều khóa học về khoa học dữ liệu, cũng bao gồm một số kỹ năng và đường lối nghề nghiệp. Từ thao tác dữ liệu đến học máy, bạn sẽ có được các kỹ năng nhà khoa học dữ liệu xây dựng sự nghiệp bằng Python và R sẽ giúp bạn thành công trong lĩnh vực khoa học dữ liệu.

Với nội dung có kích thước byte của DataCamp, bạn có thể học theo tốc độ của riêng mình. Các khóa học này cung cấp cho bạn kinh nghiệm thực hành mà qua đó bạn sẽ nâng cao kỹ năng khoa học dữ liệu của mình.

Bạn có thể bắt đầu với phiên bản miễn phí và đánh giá khóa học ở chương đầu tiên.

edX

Học hỏi từ MITx, Harvardx, IBM, RICEx, UCSanDiegox và GTx trên nền tảng edX.

Tất cả đều có chương trình giảng dạy toàn diện giúp bạn sở hữu các kỹ năng về nhà khoa học dữ liệu. Những chương trình này phù hợp nhất cho những người có nền tảng thống kê hoặc khoa học máy tính.

Nếu bạn không tìm kiếm một chương trình, bạn có thể chọn gọi món. Trên edX, bạn sẽ tìm thấy hơn 200 khóa học liên quan đến khoa học dữ liệu, bao gồm Python, R, Excel, xác suất, thống kê, học máy, trực quan hóa dữ liệu, v.v.

Codecademy

Codecademy là một nền tảng khác, là một trong những hệ thống tốt nhất hiện có giúp bạn học viết mã. Họ tin vào “Học bằng cách làm” và có nhiều dự án thực hành và bài kiểm tra trên nền tảng của họ.

Các khóa học khoa học dữ liệu do Codecademy cung cấp bao gồm SQL, Python 3, NumPy, Pandas, Matplotlib, Scikit-learning và nhiều thư viện khác.

Toàn bộ lộ trình nghề nghiệp chứa 26 khóa học là quá đủ để giúp bạn trở thành một nhà khoa học dữ liệu thành công.

Khóa học dữ liệu này:

  • Cung cấp cho bạn kiến ​​thức chuyên sâu về khoa học dữ liệu
  • Cung cấp một lộ trình dễ dàng theo dõi
  • Giúp bạn sẵn sàng làm việc bằng cách giúp bạn có đủ kinh nghiệm thực tế

Udemy

Udemy không cần giới thiệu.

Python dành cho Khoa học Dữ liệu và Bootcamp Học máy trên Udemy là một trong những khóa học phổ biến nhất với hơn 85K + đánh giá 4,6 và đã được thực hiện bởi 370K + sinh viên trên toàn cầu.

Dưới đây là các chủ đề được đề cập trong khóa học này:

Dưới đây là các tính năng / có thể cung cấp của khóa học này:

  • 25 giờ video theo yêu cầu
  • Toàn quyền truy cập trọn đời
  • 13 bài báo và năm tài nguyên có thể tải xuống
  • Truy cập trên Di động và TV
  • Giấy chứng nhận hoàn thành
  • Đảm bảo hoàn tiền trong 30 ngày

Vì vậy, nếu bạn thích một khóa học ngân sách, thì khóa học này sẽ phù hợp nhất để bạn bắt đầu.

AI của Google

Bạn có muốn học máy học từ các chuyên gia ML tại Google không?

Vâng, sau đó bạn cần phải xem các khóa học về AI của Google.

Nền tảng này có các khóa học và nội dung về Học máy và Khoa học Dữ liệu cho sinh viên, kỹ sư phần mềm, nhà khoa học dữ liệu và thậm chí cả các nhà nghiên cứu. Các khóa học này miễn phí.

Để bắt đầu, Khóa học về sự cố máy học tại Google, AI sẽ là khóa học nên làm của bạn. Đây là một khóa học tốc độ nhanh với phần giới thiệu thực tế bằng cách sử dụng các API TensorFlow. Dưới đây là thông tin chi tiết của khóa học này:

Nền tảng này cũng có các khóa học cụ thể về các chủ đề học máy quan trọng như nhóm lại, hệ thống khuyến nghị, thử nghiệm và gỡ lỗi trong học máy, tách dữ liệu và kỹ thuật tính năng trong máy học. Trong trường hợp bạn đã biết kiến ​​thức cơ bản về học máy, các khóa học này sẽ có giá trị gia tăng.

  Cách tìm phiên bản Minecraft

Udacity

Udacity cũng là một nền tảng học tập điện tử rất phổ biến có rất nhiều khóa học về các công nghệ thịnh hành. Nó có một số chương trình hàng đầu trong ngành được xây dựng và công nhận bởi các công ty hàng đầu trên toàn thế giới, chẳng hạn như AT&T, AWS, Google, IBM.

Một trong những chương trình tại Udacity là dành cho Khoa học Dữ liệu – Trường Khoa học Dữ liệu. Chương trình này giúp bạn thực hiện các công việc nhà phân tích dữ liệu, nhà khoa học dữ liệu, kỹ sư dữ liệu và nhà phân tích kinh doanh. Khóa học về Nhà khoa học dữ liệu trong chương trình này là khóa học quan trọng bao gồm các khái niệm về học máy, học sâu và kỹ thuật phần mềm. Bạn cần có kiến ​​thức cơ bản về máy học để chọn tham gia khóa học này.

Trong trường hợp bạn biết lập trình python nhưng chưa quen với học máy, có một chương trình khác trên Udacity – Trường phái AI. Chương trình này có các khóa học bắt đầu từ kiến ​​thức cơ bản về máy học.

Học kĩ càng

Khóa học này là một may mắn và là đề xuất yêu thích nhất của tôi trong danh sách này nếu bạn là một lập trình viên.

Tôi muốn nói lại điều đó: nếu bạn là một lập trình viên.

Đó là bởi vì khóa học này không dành thời gian để dạy bạn những kiến ​​thức cơ bản về lập trình. Mô tả khóa học nói như vậy bằng các thuật ngữ rất rõ ràng (nhấn mạnh là nguyên bản):

Chúng tôi giả định rằng tất cả mọi người tham gia khóa học này đều có ít nhất một năm kinh nghiệm viết mã. Khóa học sử dụng python làm ngôn ngữ giảng dạy, vì vậy nếu bạn chưa biết python thì chúng tôi giả định rằng bạn sẽ dành thời gian để học — đối với một lập trình viên có kinh nghiệm, bạn sẽ thấy rằng python là một ngôn ngữ khá dễ học.

Vì vậy, nếu bạn đã biết Python (nếu chưa học ở đây), hoặc có thể nhanh chóng cảm thấy thoải mái, đây là khóa học hoàn hảo cho những người thực dụng muốn xây dựng các hệ thống thực tế, có thể sử dụng được mà không cần lo lắng quá nhiều về cơ sở lý thuyết của các thuật toán.

Tôi thậm chí có thể nói rằng nó dành cho những người mày mò thiếu kiên nhẫn (như tôi!), Những người ghét nghi lễ và sự đơn điệu.

Và ồ, tôi đã đề cập đến nó 100% miễn phí và có một cộng đồng tuyệt vời ?!

Sự kết luận

Phù!

Đây là một danh sách khó biên dịch. Không phải vì không có đủ nguồn tốt, mà vì có quá nhiều!

Học máy là một lĩnh vực đã bùng nổ theo đúng nghĩa đen và đang giải quyết các vấn đề khó một cách thực sự thanh lịch, và do đó, có hàng trăm khóa học trực tuyến, miễn phí và trả phí, hầu hết chúng thực sự rất tốt. Nhưng đây cũng có thể là một nguồn gốc của sự nhầm lẫn, đó là lý do tại sao tôi đã cố gắng giảm nó xuống 11 cho các loại người học khác nhau tùy theo mức độ kinh nghiệm của họ.

Tôi hy vọng nó đã giúp!

x