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 eine Realität.
In der neuen Weltordnung geht es darum, riesige 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, sich vor den anderen zu behaupten und schließlich die Welt zu regieren.
Infolgedessen wird es von den fortschrittlichen Nationen der Welt sehr, sehr ernst genommen.
Eine lukrative Berufswahl
Abgesehen von internationalen Intrigen, Data Science und Maschinelles Lernen ist 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:

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, die durchschnittliche Person auf diesem Planeten wird 1.7 MB Daten generieren pro Sekunde. 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 Datenwissenschaft und maschinelles Lernen schwierig?
Gute Frage!
Nach meiner Erfahrung lautet die Antwort sowohl "Ja" als auch "Nein".
Künstliche Intelligenz (und im weiteren Sinne maschinelles Lernen) ist das Schwierigste, wenn Sie dazu neigen, in die Forschung einzusteigen und den Umschlag zu verschieben. Für solche Arbeiten kann sogar ein Ph.D. 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 verwenden vorhandene Tools, Techniken und Algorithmen und sich bewerben sie, um einige reale Probleme zu lösen. Dieser Teil erfordert Engagement, Wahrnehmung und kreatives Denken (und Kenntnisse einiger einfacher mathematischer Konzepte, die schnell erlernt werden), aber in Bezug auf echtes „technisches“ Wissen ist er viel milder als das, was der Job eines Softwareentwicklers nennt.
Mit anderen Worten, es ist kein Kuchen, sondern geht an der vorbei Belohnungsverhältnisist eine der besten Investitionen da draußen.
Nachdem Sie Ihre Entschlossenheit gefestigt haben, Datenwissenschaftler und Ingenieur für maschinelles Lernen zu werden, wollen wir nun die besten Optionen untersuchen.
Machine Learning (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 TensorFlowDies 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 Stolperstein.
Wenn überhaupt, ist TensorFlow eine der einfachen Möglichkeiten, in ML einzusteigen, und erfreut sich großer Beliebtheit (ein Vergleich der KI-Frameworks finden Sie unter fehlen uns die Worte.).
Data Science
Der Name Harvard begeistert, und dieser Kurs auch.
Das Wichtigste zuerst: Es ist kein Kurs, bei dem Sie sich auf Zehenspitzen durch maschinelles Lernen bewegen, 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 vielleicht nicht mehr für Mathematik interessieren (die Gewohnheiten der Folgerung und des Beweises sind das Notwendigste). Aber bitte seien Sie noch einmal 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!
Machine Learning
Gehen Sie in eine Bar voller Datenwissenschaftler und fragen Sie, wer Andrew Ng | ist, und Sie werden einen Schlag Ihres Lebens 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 kostenpflichtiger Kurs, in dem es ein Teil davon ist CourseraPreisplan von , aber finanzielles Engagement und Zielstrebigkeit sind nicht die einzigen Voraussetzungen. Dies ist ein langer Kurs, da Andrew tief in die Mathematik hinter allen Dingen des ML eintaucht und beliebte Algorithmen analysiert. Aber zum Glück ist es ein vollständiger Kurs, und Sie werden Schritt für Schritt in die dunkelsten Tiefen geführt und zurückgebracht.
Ich kann es nur empfehlen, vor allem, weil es heute zur Sache geworden ist, das Abschlusszertifikat dieses Kurses zur Schau zu stellen!
Applied Data Science
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 über Datenwissenschaft und maschinelles Lernen mit Python suchen, kann ich diesen nicht empfehlen Spezialisierung genug.

Am Ende des Kurses erhalten Sie ein Zertifikat.
DataCamp
DataCamp bietet viele Data Science-Kurse an, die auch mehrere Skills und Karrierewege umfassen. Von der Datenmanipulation bis zum maschinellen Lernen erwerben Sie berufsbildende Data Scientist-Fähigkeiten in Python und R die Ihnen helfen, im Bereich Data Science erfolgreich zu sein.

Mit dem Byte-großen Inhalt von DataCamp, können Sie in Ihrem eigenen Tempo lernen. Diese Kurse bieten Ihnen praktische Erfahrung, durch die Sie Ihre Data Science-Kenntnisse erweitern.

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 von ihnen haben einen umfassenden Lehrplan, der Ihnen hilft, Datenwissenschaftlerfähigkeiten zu besitzen. Diese Programme eignen sich am besten für Personen mit Statistik- oder Informatik-Hintergrund.

Wenn Sie kein Programm suchen, können Sie ein a-la-carte-Programm wählen. Auf EDX, finden Sie mehr als 200 Kurse zum Thema Data Science, die Python, R, Excel, Wahrscheinlichkeit, Statistik, maschinelles Lernen, Datenvisualisierungund viele mehr.
Codecademy
Codecademy ist eine weitere Plattform, die eines der besten Systeme auf dem Markt ist, mit denen Sie das Codieren lernen können. Sie glauben an „Learn by Doing“ und haben viele Übungsprojekte und Tests auf ihrer Plattform.
Dieses datenwissenschaftlicher Kurs Das von Codecademy angebotene Programm umfasst SQL, Python 3, NumPy, Pandas, Matplotlib, Scikit-learn und viele weitere Bibliotheken.

Der gesamte Karriereweg umfasst 26 Kurse, die mehr als genug sind, um ein erfolgreicher Datenwissenschaftler zu werden.
Dieser Datenkurs:
- Vermittelt Ihnen fundierte Kenntnisse der Datenwissenschaft
- Bietet eine einfach zu befolgende Roadmap
- Macht Sie arbeitsbereit, indem Sie genug praktische Erfahrung sammeln
Udemy
Udemy braucht keine Einführung.
Python für Data Science und Machine Learning Bootcamp on Udemy ist einer der beliebtesten Kurse mit einer Bewertung von über 85 + von 4.6 und wurde von mehr als 370 Studenten auf der ganzen Welt besucht.

Nachfolgend finden Sie die in diesem Kurs behandelten Themen:

Nachfolgend sind die Funktionen / Ergebnisse dieses Kurses aufgeführt:
- 25 Stunden On-Demand-Videos
- Voller lebenslanger Zugriff
- 13 Artikel und fünf herunterladbare Ressourcen
- Zugriff auf Handy und TV
- Abschlusszertifikat
- 30-Day Geld-Zurück-Garantie
Wenn Sie also einen Budget-Kurs bevorzugen, ist dieser am besten für Sie geeignet, um loszulegen.
Google AI
Möchten Sie maschinelles Lernen von ML-Experten bei Google lernen?
Dann müssen Sie sich die Kurse ansehen Google AI.
Diese Plattform bietet Kurse und Inhalte für maschinelles Lernen und Datenwissenschaft für Studenten, Softwareentwickler, Datenwissenschaftler und sogar Forscher. Diese Kurse sind kostenlos.
Beginnen mit, Crashkurs für maschinelles Lernen Bei Google AI sollte Ihr Kurs sein. Dies ist ein rasanter Kurs mit einer praktischen Einführung in TensorFlow-APIs. Nachfolgend finden Sie die Details dieses Kurses:

Diese Plattform bietet auch spezielle Kurse zu wichtigen Themen des maschinellen Lernens an Clustering, Empfehlungssysteme, Testen und Debuggen beim maschinellen Lernen, Datentrennung und Feature Engineering beim maschinellen Lernen. Falls Sie die Grundlagen des maschinellen Lernens bereits kennen, bieten diese Kurse einen Mehrwert.
Udacity
Udacity ist auch eine sehr beliebte E-Learning-Plattform mit einer Vielzahl von Kursen zu Trendtechnologien. Es verfügt über mehrere branchenführende Programme, die von Top-Unternehmen weltweit wie AT & T, AWS, Google und IBM entwickelt und anerkannt wurden.
Eines der Programme bei Udacity ist für Data Science - Schule für Datenwissenschaft. Mit diesem Programm können Sie Jobs als Datenanalyst, Datenwissenschaftler, Dateningenieur und Geschäftsanalyst übernehmen. Ein Kurs über Data Scientist in diesem Programm ist der entscheidende, der Konzepte zu maschinellem Lernen, Deep Learning und Software Engineering behandelt. Sie müssen über Grundkenntnisse im maschinellen Lernen verfügen, um sich für diesen Kurs zu entscheiden.

Falls Sie Python-Programmierung kennen, aber neu im maschinellen Lernen sind, gibt es ein anderes Programm auf Udacity - Schule der KI. Dieses Programm bietet Kurse an, die mit den Grundlagen des maschinellen Lernens beginnen.

Deep Learning
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.
Das 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, weshalb ich versucht habe, es für verschiedene Arten von Lernenden je nach Erfahrungsstufe auf elf zu reduzieren.
Ich hoffe es hat geholfen!