Die 11 besten Ressourcen für Datenwissenschaft und maschinelles Lernen

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

Nein, das ist keine schwülstige Phrase aus einem dystopischen Roman.

Das ist die Realität.

In der neuen Weltordnung geht es darum, riesige Mengen relevanter Daten zu sammeln und sie zu verwertbaren Erkenntnissen zu verarbeiten - etwas, wozu die Menschheit in der Geschichte nicht in der Lage war. Es ist die Art von Technologie, die es einem Land ermöglicht, den anderen voraus zu sein und schließlich die Welt zu beherrschen.

Infolgedessen wird sie von den fortschrittlichen Nationen der Welt sehr, sehr ernst genommen.

Eine lukrative Berufswahl

Abgesehen von internationalen Intrigen, sind Datenwissenschaft und maschinelles Lernen ist ein heißes neues Feld mit einer unglaublichen Chance. Die Nachfrage sprengt (gelinde ausgedrückt) alle Dimensionen, und es gibt nicht genug Datenwissenschaftler. Nicht einmal mittelmäßige.

Es ist, als hätten wir plötzlich viele neue bewohnbare Planeten entdeckt, und es gibt nicht genug Menschen, um sie dorthin zu bringen. Ich könnte noch lange so weitermachen und mich wie eine kaputte Schallplatte anhören, aber ich denke, diese Infografik trifft die Sache viel besser:

Wir sehen also, dass die Gehälter bei $50.000+ beginnen und für Manager weit über $250.000 hinausgehen können.

Und nicht nur das: Die durchschnittliche Person auf diesem Planeten wird 1,7 MB an Daten erzeugen pro Sekunde. Das sind mehr als 3.500 TB an Daten über die gesamte Lebensdauer - mehr Daten, als wir derzeit zu verarbeiten wissen, geschweige denn für Analysen nutzen können. Zu sagen, dass die Zukunft rosig ist, würde dieser großartigen neuen Weide einen schlechten Dienst erweisen.

Sind Datenwissenschaft und maschinelles Lernen schwierig?

Gute Frage!

Nach meiner Erfahrung lautet die Antwort sowohl "ja" als auch "nein".

Künstliche Intelligenz (und im weiteren Sinne das maschinelle Lernen) ist das Schwierigste, was man tun kann, wenn man in die Forschung einsteigen und an die Grenzen gehen will. Für eine solche Arbeit reicht selbst ein Doktortitel in Informatik und Mathematik nicht aus. Aber der Durchschnittsmensch hat weder den Ehrgeiz noch die Zeit für eine solche Aufgabe.

Am anderen Ende steht das, was ich als angewandte Datenwissenschaft und maschinelles Lernen bezeichnen würde.

Das heißt, Sie nehmen vorhandene Werkzeuge, Techniken und Algorithmen und anwenden. um einige reale Probleme zu lösen. Dieser Teil erfordert Engagement, Auffassungsgabe und kreatives Denken (und die Kenntnis einiger einfacher mathematischer Konzepte, die schnell erlernt werden), ist aber in Bezug auf echtes "technisches" Wissen viel weniger anspruchsvoll als der Job eines Softwareingenieurs.

Mit anderen Worten, es ist kein Kinderspiel, aber wenn man die Verhältnis zwischen Belohnung und Aufwandist eine der besten Investitionen, die es gibt.

Da Sie nun fest entschlossen sind, Datenwissenschaftler und Ingenieur für maschinelles Lernen zu werden, sollten Sie sich über die besten Möglichkeiten informieren, die es gibt.

Maschinelles Lernen (Google)

Viele wissen es nicht, aber Google hat ein umfangreiches, sehr praktisches und kostenloser Kurs über maschinelles Lernen. Nach Angaben des Unternehmens ist dies Teil seines Engagements, KI/ML-Technologien voranzutreiben und das Wissen offen zu halten.

Das Beste an diesem Kurs ist, dass es keine Voraussetzungen gibt, aber bereiten Sie sich darauf vor, zusätzliche Zeit für die Erforschung der Statistikkonzepte auf eigene Faust zu verwenden.

Ich meine, es ist nicht notwendig, aber wenn Sie keinerlei Vorkenntnisse in fortgeschrittener Statistik haben, sind die Erklärungen in diesem Kurs vielleicht nicht ausreichend. Ein weiterer Haken ist, dass dieser Kurs maschinelles Lernen über TensorFlowdie eine von Google entwickelte ML-Implementierung ist. In gewisser Weise zielt Google also darauf ab, seine APIs für maschinelles Lernen zu fördern, aber in Anbetracht des Wertes, den dieser Kurs bietet, sehe ich nicht, wie das ein Stolperstein sein sollte.

Wenn überhaupt, ist TensorFlow einer der einfachsten Wege, um in ML einzusteigen und erfreut sich großer Beliebtheit (für einen Vergleich von KI-Frameworks, siehe diese).

Datenwissenschaft

Der Name Harvard weckt Ehrfurcht, und das gilt auch für diesen Kurs.

Das Wichtigste zuerst: Es geht nicht darum, sich schnell schmutzig zu machen. Kurs, in dem Sie sich mit Machine Learning vertraut machen indem Sie hier ein Snippet oder hier ein Skript schreiben. Dieser Kurs ist eine schwere Feuertaufe, die harte Arbeit und eine erhebliche Zeitinvestition erfordert.

Der Kurs wird mit kostenlosen Videos, Code (gehostet auf GitHub) und Lösungen für Laborübungen geliefert, so dass Sie praktisch durch nichts eingeschränkt werden, wenn Sie den Kurs belegen möchten.

Ideale Zielgruppe?

Du... ich mache keine Witze.

Ich würde sagen, Berufstätige mit anständiger Mathematikausbildung, auch wenn sie sich vielleicht nicht mehr für Mathematik interessieren (die Gewohnheiten des Schlussfolgerns und Beweisens sind das Wichtigste). Aber noch einmal, seien Sie gewarnt: Sie mögen denken, dass Sie gut sind, aber dieser Kurs wird sich anfühlen, als hätten Sie gehärtete Nägel zum Frühstück - die Übungsaufgaben sind herausfordernd genug, um Sie zum Weinen zu bringen, aber das könnte genau das sein, wonach Sie suchen!

Maschinelles Lernen

Gehen Sie in eine Bar voller Datenwissenschaftler und fragen Sie, wer Andrew Ng ist, und du wirst die Prügel deines Lebens bekommen.

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

Und wenn Sie an der Glaubwürdigkeit von Andrew Ng zweifeln, dann lasse ich das hier für sich selbst sprechen:

Es ist ein kostenpflichtiger Kurs, da er Teil des Coursera-Preisplans ist, aber finanzielles Engagement und Entschlossenheit sind nicht die einzigen Voraussetzungen. Es ist ein langer Kurs, da Andrew tief in die Mathematik hinter allem, was ML betrifft, eintaucht und beliebte Algorithmen seziert. Aber zum Glück ist es ein vollständiger Kurs, und Sie werden Schritt für Schritt in die dunkelsten Tiefen geführt und wieder zurückgebracht.

Ich kann es nur empfehlen, vor allem, weil es heute üblich ist, mit dem Abschlusszertifikat dieses Kurses zu protzen!

Angewandte Datenwissenschaft

Spezialisierungen auf Coursera besteht aus einer Reihe von Kursen, die darauf abzielen, Sie von Null auf ein bestimmtes Konzept zu bringen. Wenn Sie einen kompletten, seriösen und dennoch freundlichen Kurs über Data Science und maschinelles Lernen mit Python suchen, kann ich diesen nicht empfehlen Spezialisierung genug.

Am Ende des Kurses erhalten Sie ein Zertifikat.

DataCamp

DataCamp bietet zahlreiche Kurse in Datenwissenschaft an, die auch verschiedene Fähigkeiten und Karrierewege umfassen. Von der Datenmanipulation bis zum maschinellen Lernen werden Sie karrierefördernde Fähigkeiten als Datenwissenschaftler in folgenden Bereichen erwerben Python und R die Ihnen helfen werden, im Bereich der Datenwissenschaft erfolgreich zu sein.

Mit dem bytegroßen Inhalt von DataCampkönnen Sie in Ihrem eigenen Tempo lernen. Diese Kurse bieten Ihnen praktische Erfahrungen, durch die Sie Ihre Data-Science-Fähigkeiten verbessern können.

Sie können mit der kostenlosen Version beginnen und den Kurs anhand des ersten Kapitels bewerten.

edX

Lernen Sie von MITx, Harvardx, IBM, RICEx, UCSanDiegox und GTx auf der edX-Plattform.

Alle haben einen umfassenden Lehrplan, der Ihnen hilft, Fähigkeiten als Datenwissenschaftler zu erlangen. Diese Programme sind am besten für diejenigen geeignet, die einen Hintergrund in Statistik oder Informatik haben.

Wenn Sie nicht nach einem Programm suchen, können Sie ein ala-carte-Angebot wählen. Auf edXfinden Sie mehr als 200 Kurse zu Data Science, die Python, R, Excel, Wahrscheinlichkeitsrechnung, Statistik und maschinelles Lernen umfassen, Datenvisualisierungund viele mehr.

Codecademy

Codecademy ist eine weitere Plattform, die zu den besten Systemen gehört, die es gibt, um Code zu lernen. Sie glauben an "Learning by doing" und haben viele Übungsprojekte und Tests auf ihrer Plattform.

Die Data-Science-Kurs Das Angebot von Codecademy umfasst SQL, Python 3, NumPy, Pandas, Matplotlib, Scikit-learn und viele weitere Bibliotheken.

Der gesamte Karrierepfad umfasst 26 Kurse, die mehr als genug sind, um Ihnen zu helfen, ein erfolgreicher Datenwissenschaftler zu werden.

Dieser Datenkurs:

• Vertieftes Wissen über Data Science
• Bietet einen leicht zu verfolgenden Fahrplan
• macht Sie fit für den Arbeitsmarkt, indem es Ihnen hilft, ausreichend praktische Erfahrungen zu sammeln

Udemy

Udemy braucht keine Einführung.

Python für Datenwissenschaft und maschinelles Lernen Bootcamp auf Udemy ist einer der beliebtesten Kurse mit über 85K+ Bewertungen von 4,6 und wurde von 370K+ Studenten auf der ganzen Welt besucht.

Nachfolgend finden Sie die Themen, die in diesem Kurs behandelt werden:

Nachfolgend finden Sie die Merkmale/Leistungsmerkmale dieses Kurses:

• 25 Stunden Videos auf Abruf
• Voller Zugang auf Lebenszeit
• 13 Artikel und fünf herunterladbare Ressourcen
• Zugang über Handy und TV
• Bescheinigung über den Abschluss
• 30-Tage-Geld-zurück-Garantie

Wenn Sie also einen preisgünstigen Kurs bevorzugen, ist dies der beste Einstieg für Sie.

Google KI

Wären Sie daran interessiert, von den ML-Experten bei Google maschinelles Lernen zu lernen?

Dann sollten Sie sich über folgende Kurse informieren Google KI.

Diese Plattform bietet Kurse und Inhalte zu maschinellem Lernen und Datenwissenschaft für Studenten, Softwareingenieure, Datenwissenschaftler und sogar Forscher. Diese Kurse sind kostenlos.

Für den Anfang, Crash-Kurs Maschinelles Lernen bei Google AI sollte Ihr Einstiegskurs sein. Dies ist ein rasanter Kurs mit einer praktischen Einführung in die TensorFlow APIs. Nachfolgend finden Sie die Details zu diesem Kurs:

Diese Plattform bietet auch spezielle Kurse zu wichtigen Themen des maschinellen Lernens wie Clustering, Empfehlungssysteme, Testen und Fehlerbehebung beim maschinellen Lernen, Datentrennung und Merkmalstechnik beim maschinellen Lernen. Falls Sie die Grundlagen des maschinellen Lernens bereits kennen, sind diese Kurse von zusätzlichem Nutzen.

Udacity

Udacity ist ebenfalls eine sehr beliebte E-Learning-Plattform, die eine Fülle von Kursen zu aktuellen Technologien anbietet. Udacity hat mehrere branchenführende Programme entwickelt, die von Top-Unternehmen auf der ganzen Welt anerkannt sind, wie AT&T, AWS, Google und IBM.

Eines der Programme bei Udacity ist für Data Science - Schule für Datenwissenschaft. Dieses Programm hilft Ihnen, Datenanalysten, Datenwissenschaftler, Dateningenieure und Business-Analysten zu finden. Ein Kurs über Data Scientist in diesem Programm ist der entscheidende, der Konzepte über maschinelles Lernen, Deep Learning und Software Engineering abdeckt. Sie müssen Grundkenntnisse über maschinelles Lernen haben, um sich für diesen Kurs zu entscheiden.

Für den Fall, dass Sie Python programmieren können, aber neu im maschinellen Lernen sind, gibt es ein weiteres Programm auf Udacity - Schule für KI. Dieses Programm umfasst Kurse, die mit den Grundlagen des maschinellen Lernens beginnen.

Tiefes Lernen

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

Ich sage es noch einmal: wenn Sie Programmierer sind.

Das liegt daran, dass dieser Kurs keine Zeit darauf verwendet, Ihnen die Grundlagen des Programmierens zu vermitteln. Die Kursbeschreibung sagt dies sehr deutlich (Hervorhebungen sind original):

Wir gehen davon aus, dass jeder Teilnehmer dieses Kurses über mindestens ein Jahr Erfahrung in der Programmierung. Der Kurs verwendet Python als Unterrichtssprache. Wenn Sie also Python noch nicht kennen, gehen wir davon aus, dass Sie sich die Zeit nehmen, es zu lernen - ein erfahrener Programmierer wird feststellen, dass Python eine recht einfach zu erlernende Sprache ist.

Wenn Sie also bereits Python kennen (wenn nicht hier lernen) oder sich schnell zurechtfinden können, ist dies der perfekte Kurs für Pragmatiker, die reale, brauchbare Systeme bauen wollen, ohne sich zu sehr mit den theoretischen Grundlagen der Algorithmen zu beschäftigen.

Ich würde sogar sagen, es ist etwas für die ungeduldigen Bastler (wie mich!), die Zeremonien und Monotonie hassen.

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

Schlussfolgerung

Puh!

Es war sehr schwer, diese Liste zusammenzustellen. Nicht, weil es nicht genug gute Quellen gab, sondern weil es viel zu viele waren!

Das maschinelle Lernen ist ein Bereich, der buchstäblich explodiert ist und schwierige Probleme wirklich elegant löst, und so gibt es Hunderte von Online-KursenDie meisten von ihnen sind wirklich sehr gut. Aber das kann auch eine Quelle der Verwirrung sein. Deshalb habe ich versucht, sie auf elf verschiedene Arten von Lernenden je nach ihrem Erfahrungsstand zu reduzieren.

Ich hoffe, es hat geholfen!