現(xiàn)在有很多新課程可提高數(shù)據(jù)科學(xué)家的技能和認(rèn)證。其中一些是現(xiàn)有大學(xué)課程的擴(kuò)展，旨在提高數(shù)據(jù)科學(xué)家的基本技能。同時(shí)，還有很多新的數(shù)據(jù)科學(xué)課程提供機(jī)會(huì)來(lái)提高數(shù)據(jù)科學(xué)技能或者擴(kuò)展到其他領(lǐng)域。

數(shù)據(jù)科學(xué)認(rèn)證可提高數(shù)據(jù)科學(xué)家的賺錢能力，創(chuàng)建不同數(shù)據(jù)科學(xué)應(yīng)用程序的實(shí)際經(jīng)驗(yàn)也是如此。下面讓我們來(lái)看看一些值得探索的課程。

深入了解大學(xué)課程

大學(xué)層面的數(shù)據(jù)科學(xué)課程可為數(shù)據(jù)科學(xué)家奠定堅(jiān)實(shí)的基礎(chǔ)，幫助他們發(fā)現(xiàn)自身弱點(diǎn)以及學(xué)習(xí)額外的工具和技術(shù)。雖然這些課程通常需要學(xué)生花費(fèi)幾年時(shí)間來(lái)完成，但現(xiàn)在還有很多新的在線數(shù)據(jù)科學(xué)課程，可使數(shù)據(jù)科學(xué)家在業(yè)余時(shí)間獲得學(xué)位。

數(shù)據(jù)科學(xué)公司Isima創(chuàng)始人Darshan Rawal稱：“我們相信機(jī)器學(xué)習(xí)還需要幾十年的發(fā)展，如果這個(gè)假設(shè)準(zhǔn)確的話，我會(huì)避免‘在幾周內(nèi)成為數(shù)據(jù)科學(xué)家’的方法。”

他認(rèn)為加州大學(xué)伯克利分校的信息和數(shù)據(jù)科學(xué)碩士課程以及卡內(nèi)基梅隆大學(xué)的計(jì)算數(shù)據(jù)科學(xué)碩士課程都是很好的選擇。

Velocity Group Development公司分析主管Tim Lafferty表示，哥倫比亞大學(xué)的數(shù)據(jù)科學(xué)認(rèn)證計(jì)劃很好地涵蓋了整個(gè)學(xué)科，其中包括算法、概率/統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和可視化的課程部分。該認(rèn)證計(jì)劃更為側(cè)重開發(fā)方面，Lafferty稱這可幫助數(shù)據(jù)科學(xué)家在這個(gè)快速發(fā)展的行業(yè)中脫穎而出。

大規(guī)模開放式在線課程

另外，在過(guò)去幾年涌現(xiàn)出很多大規(guī)模開放式在線課程，例如Corsera和edX。這些課程可按照自己的進(jìn)度來(lái)提高數(shù)據(jù)科學(xué)家技能，其中包括免費(fèi)服務(wù)，而對(duì)于認(rèn)證只會(huì)收取象征性費(fèi)用。

在Coursera，Andrew Ng的機(jī)器學(xué)習(xí)課程提供獲得斯坦福大學(xué)證書的機(jī)會(huì)，而Kirill Eremenko通過(guò)SuperDataScience.com提供多個(gè)在線課程。

Lafferty稱：“無(wú)論是剛開始學(xué)習(xí)還是需要復(fù)習(xí)，Kirill都可很好地解釋復(fù)雜的概念，以4歲小孩都能理解的方式來(lái)講解。”

短期而專注的數(shù)據(jù)科學(xué)課程

在線課程很棒，但有些數(shù)據(jù)科學(xué)家可能更喜歡現(xiàn)場(chǎng)與講師及同學(xué)進(jìn)行短暫而激烈的探討。例如，Galvanize提供課堂培訓(xùn)課程，可在7周內(nèi)成為入門級(jí)數(shù)據(jù)科學(xué)家，該課程還會(huì)將學(xué)生與企業(yè)配對(duì)，以解決實(shí)際業(yè)務(wù)問(wèn)題。

伯克利分校為期24周的數(shù)據(jù)分析訓(xùn)練營(yíng)是另一個(gè)短期而專注的課程選擇。

提高數(shù)據(jù)科學(xué)家技能的非正式教育

在博客和社交媒體也涌現(xiàn)很多新的數(shù)據(jù)科學(xué)課程。Kevin Markham在YouTube創(chuàng)建the Data School，其中提供數(shù)百小時(shí)的數(shù)據(jù)科學(xué)內(nèi)容。

數(shù)字設(shè)計(jì)機(jī)構(gòu)SPR新興技術(shù)執(zhí)行副總裁Pat Ryan稱：“當(dāng)你完成學(xué)術(shù)學(xué)習(xí)，你就需要接觸行業(yè)人士，并從中繼續(xù)學(xué)習(xí)。在訪問(wèn)Markham的網(wǎng)站后，我報(bào)名參加了私人課程，‘用Python編寫文本的機(jī)器學(xué)習(xí)’。他最近推出了‘Data School Insiders’，只需要要每月捐贈(zèng)少許錢，就可以向他以及論壇參與者提問(wèn)。”

Towards Data Science博客中解釋了簡(jiǎn)單和高級(jí)的數(shù)據(jù)科學(xué)建模概念，其中還包括來(lái)自頂級(jí)AI和數(shù)據(jù)科學(xué)從業(yè)者及學(xué)者的論文及演示文稿鏈接。

基于工具的學(xué)習(xí)

與此同時(shí)，還有新的數(shù)據(jù)科學(xué)工具(例如DataRobot和H20 Diverless AI)，其中包括掌握各種數(shù)據(jù)科學(xué)概念的課程。

Talend公司產(chǎn)品營(yíng)銷及大數(shù)據(jù)總監(jiān)Isabelle Nuage稱：“我最感興趣的是使數(shù)據(jù)科學(xué)民主化的新工具;提供圖形化、易于使用的用戶界面;并提供數(shù)據(jù)集的最佳算法，而不需要經(jīng)歷大量冗長(zhǎng)的試驗(yàn)和錯(cuò)誤。”

這些課程的工具使更多人(例如業(yè)務(wù)分析師)可接觸數(shù)據(jù)科學(xué)，以幫助他們從復(fù)雜的高級(jí)分析中獲益。

預(yù)測(cè)分析公司Descartes Labs數(shù)據(jù)科學(xué)負(fù)責(zé)人Eduardo Franco表示，Kaggle是探索其他數(shù)據(jù)科學(xué)家應(yīng)如何解決特定問(wèn)題的另一種選擇。該網(wǎng)站包括各種數(shù)據(jù)集和工作項(xiàng)目進(jìn)行試驗(yàn)，并提供數(shù)據(jù)科學(xué)課程來(lái)掌握新技能。

通過(guò)試圖解決數(shù)據(jù)科學(xué)問(wèn)題來(lái)學(xué)習(xí)

提高數(shù)據(jù)科技家技能的另一個(gè)方法是解決新類型的問(wèn)題。

Databricks首席執(zhí)行官兼聯(lián)合創(chuàng)始人Ali Ghodsi表示：“我建議從解決實(shí)際數(shù)據(jù)科學(xué)問(wèn)題開始，通過(guò)實(shí)踐學(xué)習(xí)會(huì)比其他方法更好。換個(gè)視角看問(wèn)題也很重要。”

Franco稱：“我會(huì)經(jīng)常向數(shù)學(xué)家、宇宙學(xué)家、天氣漸模式和計(jì)算機(jī)視覺專家學(xué)習(xí)。”

這些數(shù)據(jù)科學(xué)學(xué)習(xí)機(jī)會(huì)也體現(xiàn)在Insight Data Science Fellows Programe中，這個(gè)新的數(shù)據(jù)科學(xué)課程提供為期七周的博士后計(jì)劃，讓數(shù)據(jù)科學(xué)家有機(jī)會(huì)嘗試解決新問(wèn)題。

Franco稱：“這顆幫助你獲得項(xiàng)目和技能的實(shí)際經(jīng)驗(yàn)，讓你可立足于你喜歡的行業(yè)。”

深入了解免費(fèi)的數(shù)據(jù)科學(xué)書籍

有些領(lǐng)先的數(shù)據(jù)科學(xué)研究人員和學(xué)者已經(jīng)開始免費(fèi)在線發(fā)布他們的數(shù)據(jù)科學(xué)書籍全文內(nèi)容。這些書籍為數(shù)據(jù)科學(xué)家提供自定進(jìn)度的數(shù)據(jù)科學(xué)課程，讓他們更容易地學(xué)習(xí)新技術(shù)或者提高基本技能。

例如：

Michael Nielsen的《Neural Networks and Deep Learning》

Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani的《An Introduction to Statistical Learning》

Pattern Recognition and Machine Learning by Christopher Bishop的《Pattern Recognition and Machine Learning》

標(biāo)簽： 大數(shù)據(jù) 媒體 數(shù)據(jù)分析

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。