來源：medium 大數(shù)據(jù)文摘

疫情在家太無聊，網(wǎng)課自然是打發(fā)時(shí)間又能自我提升的不二之選。在眾多學(xué)科中，數(shù)據(jù)科學(xué)又可說是有趣又實(shí)用的典范了。

可是，光光coursera上能找到的數(shù)據(jù)科學(xué)課程就要數(shù)以百計(jì)。我們要如何選擇合適的課程?又應(yīng)該選擇怎樣的學(xué)習(xí)順序呢?

今天就為你帶來了十大資源，更為你安排好了學(xué)習(xí)順序。

從小白起步級，到大師進(jìn)階級，涵蓋十分廣泛。即便你已有了一定的數(shù)據(jù)科學(xué)基礎(chǔ)，也能找到合適的學(xué)習(xí)資源。

一起來看吧!

Python 3 編程專業(yè)課

和Python 2.7說再見!

首先，你需要一門編程語言。密歇根大學(xué)的這門專業(yè)課是有關(guān)學(xué)習(xí)如何使用Python，并創(chuàng)建自己的內(nèi)容。

課程鏈接：

https://www.coursera.org/specializations/python-3-programming

你將學(xué)習(xí)編程基礎(chǔ)，如變量、條件、循環(huán);并逐步接觸一些中間素材，如關(guān)鍵字變量、列表理解、lambda表達(dá)式和類繼承。

借助Python應(yīng)用數(shù)據(jù)科學(xué)，先學(xué)習(xí)后理解

在充分理解機(jī)器學(xué)習(xí)之前，我們需要先體驗(yàn)一番。

這門《借助Python應(yīng)用數(shù)據(jù)科學(xué)》(Applied Data Science with Python)介紹了許多你應(yīng)當(dāng)了解的現(xiàn)代機(jī)器學(xué)習(xí)方法。無需理解太多，你就可以獲得構(gòu)建自己模型的工具。

課程鏈接：

https://www.coursera.org/specializations/data-science-python

這門進(jìn)階的專業(yè)課程是面向具有相關(guān)基礎(chǔ)的學(xué)習(xí)者。學(xué)習(xí)者需要具有基本的python或其他語言編程背景，希望通過使用流行的python工具包(如：pandas、matplotlib、scikit-learn、nltk和networkx)，應(yīng)用統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、信息可視化、文本分析和社交網(wǎng)絡(luò)分析技術(shù)，從而對他們手頭的數(shù)據(jù)能夠有所了解。

機(jī)器學(xué)習(xí)理論與基礎(chǔ)

學(xué)完上述課程，你就已經(jīng)入門了。

恭喜!你學(xué)到了不少東西，也知道了如何去實(shí)現(xiàn)。

但是，你還不完全理解隱含在這些模型背后的數(shù)學(xué)原理。

你需要理解clf.fit背后的東西。是時(shí)候面對現(xiàn)實(shí)了。除非你了解模型背后的數(shù)學(xué)原理，否則沒人會拿你當(dāng)回事。

你不理解它，你就不可能改進(jìn)它。

因此，我想你重磅推薦吳恩達(dá)老師的《機(jī)器學(xué)習(xí)》。它包含了許多機(jī)器學(xué)習(xí)算法背后的數(shù)學(xué)原理。

課程鏈接：

https://www.coursera.org/learn/machine-learning

我認(rèn)為這門課是你的“必修課程”，因?yàn)槭沁@門課激勵(lì)我進(jìn)入這個(gè)領(lǐng)域，而且吳恩達(dá)老師(Andrew Ng)是一位偉大的老師。另外，這也是我剛轉(zhuǎn)入數(shù)據(jù)科學(xué)領(lǐng)域自學(xué)的第一門課。

這門課程什么都有：回歸，分類，異常檢測，推薦系統(tǒng)，神經(jīng)網(wǎng)絡(luò)等等，還有很多很棒的建議。

學(xué)習(xí)統(tǒng)計(jì)推斷

“事實(shí)是不變的，統(tǒng)計(jì)數(shù)據(jù)則是易變的。”——馬克.吐溫

《推斷統(tǒng)計(jì)導(dǎo)論》(Inferential Statistics Intro)由Mine Çetinkaya-Rundel教授，沒有比她這門課更簡要的了。

課程鏈接：

https://www.coursera.org/learn/inferential-statistics-intro

她是一位好老師，清晰簡潔地講解了統(tǒng)計(jì)推斷的基礎(chǔ)內(nèi)容。當(dāng)然了，這也是一門必修課程。

你將會學(xué)到假設(shè)檢驗(yàn)、置信區(qū)間、以及數(shù)值數(shù)據(jù)和分類數(shù)據(jù)的統(tǒng)計(jì)推斷方法。

學(xué)習(xí)數(shù)據(jù)科學(xué)的SQL基礎(chǔ)知識

SQL是所有數(shù)據(jù)ETL流程的核心。

雖然我們覺得創(chuàng)建模型和提出不同的假設(shè)更有成就感，但也不可輕視數(shù)據(jù)轉(zhuǎn)換的作用。

而且，由于SQL在數(shù)據(jù)ETL流程和準(zhǔn)備任務(wù)中無處不在，因此每個(gè)人都應(yīng)該了解一點(diǎn)SQL，至少是有用的。

SQL也已成為使用Apache Spark等大數(shù)據(jù)工具的實(shí)際標(biāo)準(zhǔn)。加州大學(xué)戴維斯分校(UC Davis)的《SQL specialization》課程會講解有關(guān)SQL的基礎(chǔ)知識以及如何使用SQL進(jìn)行分布式計(jì)算。

課程鏈接：

https://www.coursera.org/specializations/learn-sql-basics-data-science

課程簡介：

通過具有數(shù)據(jù)科學(xué)應(yīng)用程序的四個(gè)難度遞增的SQL項(xiàng)目，你將學(xué)習(xí)諸如SQL基礎(chǔ)知識，數(shù)據(jù)整理，SQL分析，AB測試，使用Apache Spark進(jìn)行分布式計(jì)算等主題。

高級機(jī)器學(xué)習(xí)

在更大的舞臺上，填鴨式教育一無所用。

你可能不同意這一點(diǎn)，但到目前為止，我們所做的一切都是填鴨式學(xué)習(xí)。數(shù)據(jù)是結(jié)構(gòu)化的，數(shù)學(xué)原理是簡單的。但之前的努力并沒有白費(fèi)，它為我們的下一步發(fā)展奠定了基礎(chǔ)。由Kaggle機(jī)器學(xué)習(xí)的頂尖高手和歐洲核子研究組織(法語為Conseil Européenn pour la Recherche Nucléaire，通常簡稱為CERN)的科學(xué)家們共同開發(fā)的《高級機(jī)器學(xué)習(xí) 專項(xiàng)課程》(Advanced Machine Learning specialization)，采用另一種學(xué)習(xí)方法，幫助你學(xué)習(xí)許多難懂的概念并了解機(jī)器學(xué)習(xí)的前世今生。

課程鏈接：

https://www.coursera.org/specializations/aml

課程簡介：

該專項(xiàng)課程介紹了深度學(xué)習(xí)，強(qiáng)化學(xué)習(xí)，自然語言理解，計(jì)算機(jī)視覺和貝葉斯方法。Kaggle機(jī)器學(xué)習(xí)的頂尖高手和CERN的科學(xué)家們將分享他們在解決現(xiàn)實(shí)問題中所獲得的寶貴經(jīng)驗(yàn)，從而更好地幫助你從理論過渡到現(xiàn)實(shí)。

深度學(xué)習(xí)

深度學(xué)習(xí)是大勢所趨

吳恩達(dá)老師帶著新課《深度學(xué)習(xí) 專項(xiàng)課程》(Deep Learning Specialization)回來了，干貨滿滿，待君細(xì)品。

課程鏈接：

https://www.coursera.org/specializations/deep-learning

吳恩達(dá)老師擅長化繁為簡，能夠以簡潔易懂的方式來解釋晦澀復(fù)雜的概念。他的方法不同于網(wǎng)上的其他教程，對于理解基礎(chǔ)概念大有裨益，因此我希望它能夠逐漸流行開來。

課程簡介：

你將學(xué)習(xí)深度學(xué)習(xí)的基礎(chǔ)知識，了解如何構(gòu)建神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)如何領(lǐng)導(dǎo)成功的機(jī)器學(xué)習(xí)項(xiàng)目。你還會學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、長短期記憶網(wǎng)絡(luò)(LSTM)、Adam優(yōu)化算法、Dropout原理、批規(guī)范化(BN)、Xavier/He初始化等。你將要研究的案例包括醫(yī)療保健，自動駕駛，手語閱讀，音樂生成，和自然語言處理等領(lǐng)域。

Pytorch，讓Python火力全開!

我通常從不提倡學(xué)習(xí)一種工具，但是，Pytorch真香!了解Pytorch，就意味著你可以閱讀許多當(dāng)今論文中的代碼部分，你說它香不香?對于深度學(xué)習(xí)的研究人員來說，Pytorch已經(jīng)成為默認(rèn)的編程語言，更何況它還是開源免費(fèi)的呢。

你可以通過《利用Pytorch構(gòu)建深度神經(jīng)網(wǎng)絡(luò)》(Deep Neural Networks with Pytorch) 這門課程系統(tǒng)地學(xué)習(xí)Pytorch。

課程鏈接：

https://www.coursera.org/learn/deep-neural-networks-with-pytorch

課程簡介：

該課程將從Pytorch的張量和自動微分包講起。其次，每個(gè)部分將涵蓋不同的模型，這些模型依賴于諸如線性回歸、邏輯回歸或softmax回歸等基礎(chǔ)知識。然后是前饋深度神經(jīng)網(wǎng)絡(luò)，包含不同的激活函數(shù)，歸一化和dropout層。接著將介紹卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)。最后，還將介紹其他幾種深度學(xué)習(xí)方法。

AWS機(jī)器學(xué)習(xí)入門

構(gòu)建出色的機(jī)器學(xué)習(xí)系統(tǒng)時(shí)需要考慮很多因素。但是通常而言，作為數(shù)據(jù)科學(xué)家，我們只需擔(dān)心項(xiàng)目的特定部分即可。

但是，我們是否曾經(jīng)考慮過擁有模型后將如何部署模型?

我見過很多機(jī)器學(xué)習(xí)項(xiàng)目，但其中許多注定要失敗，因?yàn)樗鼈儚囊婚_始就沒有一個(gè)固定的生產(chǎn)計(jì)劃。

擁有一個(gè)良好的平臺并了解該平臺如何部署機(jī)器學(xué)習(xí)應(yīng)用程序，將對現(xiàn)實(shí)生產(chǎn)大有幫助。 這門《AWS機(jī)器學(xué)習(xí)入門》(Getting Started with AWS Machine Learning)課程就可以幫你實(shí)現(xiàn)這個(gè)想法。

課程鏈接：

https://www.coursera.org/learn/aws-machine-learning

本課程將教會你：

如何使用帶有內(nèi)置算法和Jupyter Notebook實(shí)例的Amazon SageMaker構(gòu)建、訓(xùn)練和部署模型。

如何使用Amazon AI服務(wù)(如Amazon Comprehend，Amazon Rekognition，Amazon Translate等)構(gòu)建智能應(yīng)用程序。

數(shù)據(jù)結(jié)構(gòu)和算法

算法。沒錯(cuò)，你需要它們。

算法和數(shù)據(jù)結(jié)構(gòu)是數(shù)據(jù)科學(xué)不可或缺的一部分。盡管我們大多數(shù)數(shù)據(jù)科學(xué)家在學(xué)習(xí)時(shí)都沒有學(xué)習(xí)正確的算法課程，但它們是必不可少的。

許多公司在聘用數(shù)據(jù)科學(xué)家的面試過程中都會詢問數(shù)據(jù)結(jié)構(gòu)和算法。

數(shù)據(jù)結(jié)構(gòu)與算法需要你付出相當(dāng)多的時(shí)間與精力進(jìn)行研究，因此切不可輕視，這畢竟是程序員的內(nèi)功!

我發(fā)現(xiàn)學(xué)習(xí)算法的最佳資源之一是加州大學(xué)圣地亞哥分校的《數(shù)據(jù)結(jié)構(gòu)與算法 專項(xiàng)課程》

課程鏈接：

https://www.coursera.org/specializations/data-structures-algorithms

課程簡介：

你將學(xué)習(xí)解決各種計(jì)算問題的算法技術(shù)，并將以你選擇的編程語言實(shí)現(xiàn)大約100種算法編碼問題。沒有其他任何一門在線算法課程可以為你提供如此豐富的編程實(shí)踐，這些東西你可能會在下次面試中遇到。

學(xué)無止境

希望這些資源可以幫助大家在數(shù)據(jù)科學(xué)這條路上走得更遠(yuǎn)!如果有推薦資源，也歡迎在評論區(qū)分享哦。

相關(guān)報(bào)道：

https://towardsdatascience.com/top-10-resources-to-become-a-data-scientist-in-2020-99a315194701

標(biāo)簽： 數(shù)據(jù) 蒲Ъ

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(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，請與原作者聯(lián)系。