datasheet

QbitAI量子位

文章数:713 被阅读:6651787

账号入驻

程序猿,这里有你想学的10门机器学习课程 | 资源

2018-12-09
    阅读数:
Hung栗 编译自 Hackernoon 
量子位 出品 | 公众号 QbitAI

一个程序猿,如果想在机器学习或者数据科学上补充一下能量,有哪些资源可以用?

来自印度的Javin Paul就是一只这样的程序猿,从一年前开始寻觅各种资源,如今已经颇有心得。

这一次,Paul列出了10门网课,都是他认为可以帮程序猿们走进机器学习和数据科学的课程。

有偏重概念的,也有偏重实践的;有基于Python的,也有基于R的;有免费的,也有付费的:

10门课,都在这

1. Machine Learning A-Z: Hands-On Python & R In Data Science

Udemy出品。在数据科学和机器学习的线上课程里,这一门算是很好的实践课了。

这里,大家可以学着用Python或者R来写机器学习算法。

对想要成为数据科学家的学生和程序猿,以及想在机器学习上有所精进的数据分析师来说,都是适用的。

如果,你已经有了解一些机器学习基础概念和经典算法 (如线性回归、逻辑回归等) ,在这里还可以继续探索机器学习的更多细分领域。

坏消息是并不免费,售价32.99美元;好消息是30天无理由退款

传送门:https://www.udemy.com/machinelearning/

2. Data Science with R

Pluralsight出品。数据科学,是把数据转换成知识的一种实用技术。这门课便会讲给大家,如何把数据转换成可操作的建议 (Actionable Insight) 。

然后,还可以学到怎样迁移和清理数据,创建并解释一些描述性的统计数据、数据可视化以及统计模型。

最后,便是学习怎样处理大数据,用机器学习算法做预测,以及把R部署起来。

坏消息是并不免费,要有Pluralsight会员 (月费29美元,或年费299美元) ;好消息是10天免费试用。

传送门:https://www.pluralsight.com/courses/r-data-science

3. Harvard Data Science Course (CS 109)

哈佛出品,免费。课程内容,包含了许多数据科学概念:机器学习、可视化、数据挖掘、数据整理 (Data Munging) 等等。

随着课程的进行,会用到Numpy、SciPy、Scikit-Learn、Pandas这些Python库。

推荐先学一门机器学习课再来上这门课,因为PCA、k-means、逻辑回归这类机器学习概念,这里都不会讲太细。

注意,上这门课要花费不小的精力,作业题是很难的。并且,虽然是1字头,也需要一些编程和统计的背景。

不过推荐人说,数据科学 (基于Python) 的网课里,可能没有比哈佛CS 109更好的了。

传送门:https://www.kdnuggets.com/2013/11/harvard-cs109-data-science-course-resources-free-online.html (内附各种链接)

https://github.com/cs109/content (Github项目页)

4. Want to be a Data Scientist?

Udemy出品,免费。一门不错的入门课,可以从中了解到数据科学家都需要做些什么工作,以及如何把自己变成一个数据科学家。

它不是一门大课,但内容还是丰富的。同学们可以全面了解数据科学,了解这门学科能发挥怎样多元的作用,也了解数据科学家需要的技能。

另外,还可以感受到数据科学家面临的难题有哪些。

总之,关于要不要选择数据科学家这条路,这门课会给出一些判断的依据。

传送门:https://www.udemy.com/want-to-be-a-data-scientist/

5. Intro to Data Science

Udacity出品,免费。这也是一门基础课,可以学到数据科学的各种概念:

包括数据处理 (Data Manipulation) 、用统计和机器学习做数据分析、数据通信、信息可视化,以及大数据的处理等等。

传送门:https://www.udacity.com/course/intro-to-data-science--ud359

6. Data Science Certification Training - R Programming

SimpliLearn出品。这是一门会发证书的培训课,不止能学用R,还可以解锁一些统计模型的实用技术。

课程用一些现实生活中的示例,来帮大家了解数据分析是怎样在企业和行业里面发挥作用的。

不需要非常雄厚的数学背景,就可以在10节课里学到一些实用的分析方法。不过,看价钱是有些遥远:

传送门:https://www.simplilearn.com/big-data-and-analytics/data-scientist-certification-sas-r-excel-training

7. Introduction To Data Science

Coursera与IBM联合出品,旁听免费。虽然,这门课也是广泛介绍数据科学里的各种概念,但比基础课更有挑战,可能也更有趣。

比如,第一个编程练习,就是用Python做推特情感分析,分辨句子是积极还是消极等等。

课程默认同学们已经拥有一些统计学背景,并且会Python会SQL。初学者就不太适合了。

好消息是,免费旁听也可以看到所有课程材料。

传送门:https://www.coursera.org/specializations/introduction-data-science

8. Python for Data Science and Machine Learning Bootcamp

Udemy出品。这门课,会教同学们怎样用好Python里的各种科学和机器学习库:Tensorflow、NumPy、Pandas、Seaborn、Matplotlib、Plotly、Scikit-Learn等等。

课程内容相对全面,大家可以充分利用Python的强大能力来分析数据,做出好看的可视化,以及用机器学习方法来解决问题。

依然32.99美元,依然是30天无理由退款。

传送门:https://www.udemy.com/python-for-data-science-and-machine-learning-bootcamp/

9. Data Science A-Z: Real-Life Data Science Exercises Included

Udemy出品。这是一门实践课,手把手教你学数据科学。

内容涉及数据挖掘、建模、Tableau可视化等等。

充满习题,是有启发性并且很难的那种习题。推荐人说,做完之后整个世界都会变得简单了。

同样32.99美元,同样30天无理由退款。

传送门:https://www.udemy.com/datascience/

10. Data Science, Deep Learning and Machine Learning with Python

Udemy出品。同样是实践课。如果你已经有一些编程和写脚本的经验了,这门课程会帮你解锁行业里数据科学家和机器学习从业者的一些实用技术。

比如,这里来自科技巨头的数据科学家,从真实的需求出发去做的分析,可能比较有借鉴价值。

17.99美元,30天无理由退款。

传送门:https://www.udemy.com/data-science-and-machine-learning-with-python-hands-on/

如果这些还不够

Paul做过的推荐列表,远不止这一张。

少年也不止推荐过课程,还有教程,还有教材……

爱学习的各位,可以不定期到他的Hackernoon博客上参观,还会不断有新的资源推荐。

(在下查了一下领英账号,并没有显示他是Udemy的员工。)

原文传送门:
https://hackernoon.com/10-machine-learning-data-science-and-deep-learning-courses-for-programmers-7edc56078cde

年度评选申请

加入社群

量子位AI社群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;


此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。


进专业群请在量子位公众号(QbitAI)对话界面回复关键字“专业群”,获取入群方式。(专业群审核较严,敬请谅解)

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态



最新有关QbitAI的文章

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: TI培训

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved