Data er den nye oljen. Og maskinlæring er ilden. Den som kontrollerer disse to vil kontrollere verden.
Nei, det ovenstående er ikke en pompøs setning hentet fra en dystopisk roman.
Det er en realitet.
Den nye verdensordenen handler om å samle inn enorme mengder relevant data og bearbeide det til handlingskraftig innsikt – noe menneskeheten ikke har vært i stand til i historien. Det er den typen teknologi som lar et land gå foran de andre, og til slutt styre verden.
Som et resultat blir det tatt veldig, veldig seriøst av de progressive nasjonene i verden.
Innholdsfortegnelse
Et lukrativt yrkesvalg
Bortsett fra internasjonale intriger, er datavitenskap og maskinlæring et varmt nytt felt med en utrolig mulighet. Etterspørselen er utenfor listene (for å si det mildt), og det er ikke nok dataforskere rundt. Ikke engang middelmådige.
Det er som om vi plutselig har oppdaget mange nye beboelige planeter, og det er ikke nok folk til å flytte dem til. Jeg kunne fortsette og fortsette og høres ut som en ødelagt plate, men jeg tror denne infografikken gjør jobben mye bedre:
Kilde: insidebigdata.com
Så vi ser at lønn starter på $50 000+, og for ledere kan skyte langt forbi $250 000.
Og ikke bare det, den gjennomsnittlige personen på denne planeten vil generere 1,7 MB data per sekund. Det er 3500+ TB med data over hele levetiden – mer data enn vi vet hvordan vi skal håndtere per nå, enn si bruk til analyse. Å si at fremtiden er lys ville være å gjøre en bjørnetjeneste for dette praktfulle nye beitet.
Er datavitenskap og maskinlæring vanskelig?
Godt spørsmål!
Fra min erfaring er svaret både «ja» og «nei».
Kunstig intelligens (og i forlengelsen maskinlæring) er den vanskeligste tingen å gjøre hvis du er tilbøyelig til å gå inn i forskning og presse rammen. For slikt arbeid kan til og med en Ph.D. i informatikk og matematikk er ikke nok. Men altså, den gjennomsnittlige personen har verken ambisjonene, ikke tiden for en slik jakt.
I den andre enden er det jeg vil kalle Applied Data Science and Machine Learning.
Det vil si at du tar eksisterende verktøy, teknikker og algoritmer og bruker dem for å løse noen reelle problemer. Denne delen krever dedikasjon, persepsjon og kreativ tenkning (og kunnskap om noen enkle matematiske begreper, som raskt læres), men når det gjelder ekte «teknisk» kunnskap, er det mye mer skånsomt enn det jobben til en programvareingeniør kaller.
Med andre ord, det er ikke en cakewalk, men å gå etter forholdet mellom belønning og innsats er en av de beste investeringene der ute.
Nå som du har herdet din vilje til å bli dataviter og maskinlæringsingeniør, la oss begynne å utforske de beste alternativene der ute.
Maskinlæring (Google)
Ikke mange er klar over, men Google har en omfattende, svært praktisk og gratis kurs om maskinlæring. Ifølge selskapet er det en del av deres forpliktelse til å fremme AI/ML-teknologier og holde kunnskapen åpen.
Det beste med dette kurset er at det ikke er noen forkunnskaper, men gjør deg klar til å bruke ekstra tid på å utforske statistikkkonseptene på egenhånd.
Jeg mener, det er ikke nødvendig, men hvis du har null bakgrunn i avansert statistikk, kan det hende at forklaringene i dette kurset ikke er nok. En annen hake er at dette kurset introduserer Machine Learning via TensorFlow, som er en ML-implementering utviklet av Google. Så på en måte har Google som mål å markedsføre API-ene sine for maskinlæring, men med tanke på verdien som tilbys av dette kurset, ser jeg ikke hvordan det skal være en snublestein.
Hvis noe, er TensorFlow en av de enkle måtene å komme inn i ML på og nyter rabiat popularitet (for en sammenligning av AI-rammeverk, se dette).
Datavitenskap
Navnet Harvard vekker ærefrykt, og det samme gjør dette kurset.
Første ting først: det er ikke et la oss-bli-skitne-fort-kurs hvor du tipper på tå rundt Machine Learning ved å skrive et utdrag her eller et manus her. Dette kurset er en streng ilddåp som krever hardt arbeid og en betydelig investering av tid.
Kurset kommer med gratis videoer, kode (hostet på GitHub) og løsninger på laboratorieøvelser, så praktisk talt er du ikke begrenset av noe hvis du vil ta det.
Ideelt publikum?
Du … jeg tuller ikke.
Jeg vil si arbeidere med anstendig matteutdanning, selv om de kanskje ikke er interessert i matematikk lenger (vanene med slutninger og bevis er det mest nødvendige). Men nok en gang, vær advart: du tror kanskje du er flink, men dette kurset vil føles som å ha herdede negler til frokost – øvelsesproblemene er utfordrende nok til å få deg til å gråte, men det kan være akkurat det du gjør. leter etter!
Maskinlæring
Gå inn i en bar fylt med dataforskere og spør hvem Andrew Ng er, og du vil få juling av livet ditt.
I sirkler av datavitenskap og maskinlæring har Andrew Ng oppnådd en gudelig status, takket være hans eksepsjonelle kurs på Coursera — Maskinlæring.
Og hvis du tviler på Andrew Ngs legitimasjon, lar jeg dette tale for seg selv:
Det er et betalt kurs, ved at det er en del av Courseras prisplan, men økonomisk forpliktelse og besluttsomhet er ikke de eneste forutsetningene. Dette er et langt kurs da Andrew dykker dypt ned i matematikken bak alt som har med ML å gjøre og dissekerer populære algoritmer. Men heldigvis er det et komplett kurs, og du vil bli guidet steg for steg inn i det mørkeste dyp og brakt tilbake.
Jeg anbefaler på det sterkeste, hovedsakelig fordi det har blitt en greie å vise fram fullføringsbeviset for dette kurset i dag!
Anvendt datavitenskap
Spesialiseringer på Coursera består av en serie kurs som har som mål å ta deg fra null til å dyktigere et bestemt konsept. Hvis du ser etter et komplett, seriøst men vennlig kurs om datavitenskap og maskinlæring med Python, kan jeg ikke anbefale dette spesialisering nok.
På slutten av kurset får du et sertifikat.
DataCamp
DataCamp tilbyr mange datavitenskapelige kurs, som også inkluderer flere ferdigheter og karrierespor. Fra datamanipulering til maskinlæring, vil du få karrierebyggende dataforskerferdigheter i Python og R som vil hjelpe deg med å lykkes innen datavitenskap.
Med innholdet i bytestørrelse i DataCamp kan du lære i ditt eget tempo. Disse kursene gir deg praktisk erfaring som du vil fremme dine datavitenskapelige ferdigheter.
Du kan starte med gratisversjonen og evaluere kurset ved å se på det første kapittelet.
edX
Lær av MITx, Harvardx, IBM, RICEx, UCSanDiegox og GTx på edX-plattformen.
Alle av dem har en omfattende læreplan som hjelper deg å ha dataforskerferdigheter. Disse programmene passer best for de som har statistikk eller informatikkbakgrunn.
Hvis du ikke er ute etter et program, kan du velge en ala-carte. På edX finner du mer enn 200 kurs relatert til datavitenskap, som dekker Python, R, Excel, sannsynlighet, statistikk, maskinlæring, datavisualisering og mange flere.
Kodeakademiet
Codecademy er en annen plattform som er et av de beste systemene der ute som hjelper deg å lære å kode. De tror på «Learn by doing» og har mange øvingsprosjekter og tester på plattformen deres.
De datavitenskap kurs som tilbys av Codecademy inkluderer SQL, Python 3, NumPy, Pandas, Matplotlib, Scikit-learn og mange flere biblioteker.
Hele karriereveien inneholder 26 kurs som er mer enn nok til å hjelpe deg å bli en vellykket dataforsker.
Dette datakurset:
- Gir deg inngående kunnskap om datavitenskap
- Gir et veikart som er lett å følge
- Gjør deg jobbklar ved å hjelpe deg med å få nok praktisk erfaring
Udemy
Udemy trenger ingen introduksjon.
Python for datavitenskap og maskinlæring Bootcamp på Udemy er et av de mest populære kursene med over 85K+ vurdering på 4,6 og har blitt tatt av 370K+ studenter over hele verden.
Nedenfor er temaene som dekkes i dette kurset:
Nedenfor er funksjonene/leveransene til dette kurset:
- 25 timer med on-demand-videoer
- Full livstidstilgang
- 13 artikler og fem nedlastbare ressurser
- Tilgang på mobil og TV
- Ferdigattest
- 30-dagers pengene-tilbake-garanti
Så hvis du foretrekker et budsjettkurs, vil dette være best egnet for deg å komme i gang.
Google AI
Vil du være interessert i å lære maskinlæring fra ML-eksperter hos Google?
Vel, da må du sjekke ut kurs på Google AI.
Denne plattformen har maskinlæring og datavitenskap-kurs og innhold for studenter, programvareingeniører, dataforskere og til og med forskere. Disse kursene er gratis.
Til å begynne med, Krasjkurs i maskinlæring på Google AI bør være ditt favorittkurs. Dette er et fartsfylt kurs med en praktisk introduksjon ved bruk av TensorFlow APIer. Nedenfor er detaljene for dette kurset:
Denne plattformen har også spesifikke kurs om viktige maskinlæringsemner som gruppering, anbefalingssystemer, testing og feilsøking i maskinlæring, dataseparasjon og funksjonsteknikk innen maskinlæring. I tilfelle du allerede kan det grunnleggende om maskinlæring, vil disse kursene være av merverdi.
Utacity
Udacity er også en veldig populær e-læringsplattform som har en mengde kurs om trendende teknologier. Den har flere bransjeledende programmer bygget og anerkjent av toppselskaper over hele verden, som AT&T, AWS, Google, IBM.
Et av programmene ved Udacity er for datavitenskap – Skolen for datavitenskap. Dette programmet hjelper deg med jobbene som dataanalytiker, dataforsker, dataingeniør og forretningsanalytiker. Et kurs om Data Scientist i dette programmet er det avgjørende som dekker konsepter om maskinlæring, dyp læring og programvareteknikk. Du må ha grunnleggende kunnskap om maskinlæring for å velge dette kurset.
I tilfelle du kan python-programmering, men er ny innen maskinlæring, er det et annet program på Udacity – Skolen for AI. Dette programmet har kurs som starter fra grunnleggende maskinlæring.
Deep Learning
Dette kurset er en velsignelse og er min mest favorittanbefaling på denne listen hvis du er en koder.
Jeg vil si det igjen: hvis du er en koder.
Det er fordi dette kurset ikke bruker tid på å lære deg det grunnleggende om programmering. Kursbeskrivelsen sier det i veldig klare ordelag (vekten er original):
Vi antar at alle som tar dette kurset har minst ett års erfaring med koding. Kurset bruker python som undervisningsspråk, så hvis du ikke allerede kan python, antar vi at du vil bruke tiden på å lære – for en erfaren koder bør du finne ut at python er et ganske enkelt språk å lære.
Så hvis du allerede kjenner Python (hvis ikke lære her), eller kan bli komfortabel raskt, er dette det perfekte kurset for pragmatikere som ønsker å bygge ekte, brukbare systemer uten å bekymre seg for mye om den teoretiske grunnen til algoritmene.
Jeg kan til og med si at det er for de utålmodige tinkerne (som meg!) som hater seremoni og monotoni.
Og åh, nevnte jeg at det er 100 % gratis og har et flott fellesskap?!
Konklusjon
Puh!
Dette var en vanskelig liste å kompilere. Ikke fordi det ikke var nok gode kilder, men fordi det var alt for mange!
Machine Learning er et domene som bokstavelig talt har eksplodert og løser vanskelige problemer veldig elegant, og så er det hundrevis av kurs online, gratis og betalt, de fleste av dem er veldig, virkelig gode. Men dette kan også være en kilde til forvirring, og det er grunnen til at jeg har prøvd å koke det ned til elleve for ulike typer elever i henhold til deres erfaringsnivå.
Jeg håper det hjalp!