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)時間又能自我提升的不二之選。在眾多學科中，數(shù)據(jù)科學又可說是有趣又實用的典范了。

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

今天就為你帶來了十大資源，更為你安排好了學習順序。

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

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。密歇根大學的這門專業(yè)課是有關(guān)學習如何使用Python，并創(chuàng)建自己的內(nèi)容。

課程鏈接：

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

你將學習編程基礎(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表達式和類繼承。

借助Python應(yīng)用數(shù)據(jù)科學，先學習后理解

在充分理解機器學習之前，我們需要先體驗一番。

這門《借助Python應(yīng)用數(shù)據(jù)科學》(Applied Data Science with Python)介紹了許多你應(yīng)當了解的現(xiàn)代機器學習方法。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

這門進階的專業(yè)課程是面向具有相關(guān)基礎(chǔ)的學習者。學習者需要具有基本的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、機器學習、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。

機器學習理論與基礎(chǔ)

學完上述課程，你就已經(jīng)入門了。

恭喜!你學到了不少東西，也知道了如何去實現(xiàn)。

但是，你還不完全理解隱含在這些模型背后的數(shù)學原理。

你需要理解clf.fit背后的東西。是時候面對現(xiàn)實了。除非你了解模型背后的數(shù)學原理，否則沒人會拿你當回事。

你不理解它，你就不可能改進它。

因此，我想你重磅推薦吳恩達老師的《機器學習》。它包含了許多機器學習算法背后的數(shù)學原理。

課程鏈接：

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

我認為這門課是你的“必修課程”，因為是這門課激勵我進入這個領(lǐng)域，而且吳恩達老師(Andrew Ng)是一位偉大的老師。另外，這也是我剛轉(zhuǎn)入數(shù)據(jù)科學領(lǐng)域自學的第一門課。

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。

學習統(tǒng)計推斷

“事實是不變的，統(tǒng)計數(shù)據(jù)則是易變的。”——馬克.吐溫

《推斷統(tǒng)計導論》(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)計推斷的基礎(chǔ)內(nèi)容。當然了，這也是一門必修課程。

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

學習數(shù)據(jù)科學的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流程和準備任務(wù)中無處不在，因此每個人都應(yīng)該了解一點SQL，至少是有用的。

SQL也已成為使用Apache Spark等大數(shù)據(jù)工具的實際標準。加州大學戴維斯分校(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進行分布式計算。

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)科學應(yīng)用程序的四個難度遞增的SQL項目，你將學習諸如SQL基礎(chǔ)知識，數(shù)據(jù)整理，SQL分析，AB測試，使用Apache Spark進行分布式計算等主題。

高級機器學習

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，但到目前為止，我們所做的一切都是填鴨式學習。數(shù)據(jù)是結(jié)構(gòu)化的，數(shù)學原理是簡單的。但之前的努力并沒有白費，它為我們的下一步發(fā)展奠定了基礎(chǔ)。由Kaggle機器學習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)的科學家們共同開發(fā)的《高級機器學習 專項課程》(Advanced Machine Learning specialization)，采用另一種學習方法，幫助你學習許多難懂的概念并了解機器學習的前世今生。

課程鏈接：

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

課程簡介：

該專項課程介紹了深度學習，強化學習，自然語言理解，計算機視覺和貝葉斯方法。Kaggle機器學習的頂尖高手和CERN的科學家們將分享他們在解決現(xiàn)實問題中所獲得的寶貴經(jīng)驗，從而更好地幫助你從理論過渡到現(xiàn)實。

深度學習

深度學習是大勢所趨

吳恩達老師帶著新課《深度學習 專項課程》(Deep Learning Specialization)回來了，干貨滿滿，待君細品。

課程鏈接：

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

吳恩達老師擅長化繁為簡，能夠以簡潔易懂的方式來解釋晦澀復雜的概念。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：

你將學習深度學習的基礎(chǔ)知識，了解如何構(gòu)建神經(jīng)網(wǎng)絡(luò)，學習如何領(lǐng)導成功的機器學習項目。你還會學習卷積神經(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!

我通常從不提倡學習一種工具，但是，Pytorch真香!了解Pytorch，就意味著你可以閱讀許多當今論文中的代碼部分，你說它香不香?對于深度學習的研究人員來說，Pytorch已經(jīng)成為默認的編程語言，更何況它還是開源免費的呢。

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)地學習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)和遷移學習。最后，還將介紹其他幾種深度學習方法。

AWS機器學習入門

構(gòu)建出色的機器學習系統(tǒng)時需要考慮很多因素。但是通常而言，作為數(shù)據(jù)科學家，我們只需擔心項目的特定部分即可。

但是，我們是否曾經(jīng)考慮過擁有模型后將如何部署模型?

我見過很多機器學習項目，但其中許多注定要失敗，因為它們從一開始就沒有一個固定的生產(chǎn)計劃。

擁有一個良好的平臺并了解該平臺如何部署機器學習應(yīng)用程序，將對現(xiàn)實生產(chǎn)大有幫助。 這門《AWS機器學習入門》(Getting Started with AWS Machine Learning)課程就可以幫你實現(xiàn)這個想法。

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實例的Amazon SageMaker構(gòu)建、訓練和部署模型。

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，你需要它們。

算法和數(shù)據(jù)結(jié)構(gòu)是數(shù)據(jù)科學不可或缺的一部分。盡管我們大多數(shù)數(shù)據(jù)科學家在學習時都沒有學習正確的算法課程，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多的時間與精力進行研究，因此切不可輕視，這畢竟是程序員的內(nèi)功!

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

課程鏈接：

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

課程簡介：

你將學習解決各種計算問題的算法技術(shù)，并將以你選擇的編程語言實現(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踐，這些東西你可能會在下次面試中遇到。

學無止境

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

相關(guān)報道：

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

標簽： 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！
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。