数据科学和机器学习的 11 个热门资源

数据是新的石油。机器学习就是火花。谁控制了这两者，谁就控制了世界。

不，以上并不是从反乌托邦小说中摘录的花哨短语。

这是现实。

新的世界秩序就是收集大量相关数据并对其进行处理以获得可行的见解。这是人类历史上从未做到过的事情。这种技术可以让一个国家领先于其他国家并最终主宰世界。

因此，世界发达国家正在非常重视这个问题。

有利的职业选择

撇开国际阴谋不谈，数据科学和机器学习是充满机遇的热门新领域。这种需求是出乎意料的（至少可以这么说），而且数据科学家也不够。也不是普通的。

就像我们突然发现了许多新的宜居行星，但没有足够的人口来居住。我知道当我一遍又一遍地说这句话时，我听起来像是一张破唱片，但我认为这张信息图做得更好。

因此，您可以看到经理的起薪超过 50,000 美元，最高可达 250,000 美元以上。

不仅如此，地球上的平均人每秒生成 1.7 MB 的数据。这相当于一生中超过 3,500 TB 的数据。这些数据超出了我们目前所知的处理方式，更不用说用于分析了。如果说未来是光明的，那对这个美好的新牧场来说是一种伤害。

数据科学和机器学习难吗？

好问题！

根据我的经验，答案既是肯定的，也是否定的。

如果你想进行研究并突破极限，人工智能（以及延伸的机器学习）是最难做的事情。像这样的工作甚至需要博士学位。仅计算机科学和数学是不够的。但一般人没有野心或时间去追求这样的事情。

另一面是我所说的应用数据科学和机器学习。

这意味着采用现有的工具、技术和算法，并将其应用于解决现实世界的问题。这部分需要奉献精神、洞察力和创造性思维（以及可以快速掌握的简单数学概念的知识），但当涉及到真正的“技术”知识时，它不仅仅是软件工程师所说的工作。也更加宽容。

换句话说，这并不容易，但根据你的回报与努力比率来做到这一点是最好的投资之一。

既然您已经下定决心要成为一名数据科学家和机器学习工程师，那么是时候开始考虑最佳选择了。

机器学习（谷歌）

一个鲜为人知的事实是，谷歌拥有广泛且非常实用的机器学习免费课程。该公司表示，这是其致力于推进人工智能/机器学习技术和保持知识开放的承诺的一部分。

本课程最好的一点是没有任何先决条件，但要准备好花额外的时间自己探索统计概念。

也就是说，这不是必要的，但如果您没有任何高级统计背景，本课程中的解释可能还不够。另一个问题是本课程介绍通过TensorFlow进行机器学习，TensorFlow 是 Google 开发的 ML 实现。因此，从某种意义上说，Google 的目标是推广用于机器学习的 API，但考虑到本课程提供的价值，我不认为这是一个障碍。

相反，TensorFlow 是进入 ML 的最简单方法之一，而且非常受欢迎（请参阅此处了解 AI 框架的比较）。

数据科学

哈佛这个名字让人敬畏，这门课程也是如此。

首先，这不是一门快速课程，您可以在此处编写一个片段或一个脚本，然后通过机器学习进行学习。这门课程是一场艰苦的火的洗礼，需要艰苦的努力和大量的时间投入。

本课程附带免费视频、代码（托管在 GitHub 上）和实验室练习解决方案，因此如果您想学习，几乎没有任何限制。

理想的观众？

你……我不是在开玩笑。

即使你对数学不再感兴趣，我认为你也是一个受过良好数学教育的工作成年人（推理和证明的习惯最重要）。但再次强调，要小心。您可能认为自己没问题，但是这门课程会让您感觉早餐就像在吃硬指甲。练习题很难，但它们可能正适合你。 “正在找呢！

机器学习

走进一家满是数据科学家的酒吧，问他们吴恩达是谁，你就会感受到生活的快感。

得益于 Coursera 出色的机器学习课程，吴恩达 (Andrew Ng) 在数据科学和机器学习领域取得了神一般的地位。

如果你怀疑吴恩达的资历，这已经说明了一切。

尽管它是一门付费课程，因为它是 Coursera 定价计划的一部分，但财务承诺和决心并不是唯一的先决条件。这是一门很长的课程，Andrew 深入研究 ML 背后的数学并分析常见算法。但值得庆幸的是，这是一门完整的课程，将带你一步一步走进最黑暗的深处，并带你回来。

我强烈推荐它，主要是因为炫耀这门课程的结业证书现在已经成为一种现象。

应用数据科学

Coursera 上的专业课程由一系列课程组成，旨在帮助您从头开始掌握特定概念。如果您正在寻找使用 Python 进行数据科学和机器学习的完整、真实且友好的课程，我强烈推荐这个专业。

课程结束时，您将收到证书。

数据营

DataCamp 提供丰富的数据科学课程选择，包括各种技能和职业轨迹。从数据操作到机器学习，学习 Python 和 R 中的数据科学家职业技能，这将帮助您在数据科学领域取得成功。

按照您自己的节奏学习 DataCamp 的小内容。这些课程提供实践经验，以提高您的数据科学技能。

您可以从免费版本开始，通过观看第一章来评估课程。

edX

在edX 平台上向 MITx、Harvardx、IBM、RICEx、UCSanDiegox 和 GTx 学习。

两者都有全面的课程来帮助您掌握数据科学家技能。这些程序非常适合具有统计学或计算机科学背景的人。

如果您不想寻找节目，您可以选择点菜。 edX 拥有 200 多门与数据科学相关的课程，涵盖 Python、R、Excel、概率、统计、机器学习、数据可视化等。

代码学院

Codecademy 是另一个平台，它是帮助您学习编码的最佳系统之一。他们相信“边做边学”，并在他们的平台上拥有丰富的实践项目和测试。

Codecademy 提供的数据科学课程包括 SQL、Python 3、NumPy、Pandas、Matplotlib 和 Scikit-learn 等库。

整个职业道路包括 26 门课程，足以让你成为一名成功的数据科学家。

本次数据课程：

• 提供深入的数据科学知识
• 提供易于理解的路线图
• 通过获得足够的工作经验，您将为就业做好准备。

乌德米

Udemy 无需介绍。

Udemy 的数据科学和机器学习 Python 训练营获得了超过 85,000 人的 4.6 评分，是全球超过 370,000 名学生参加的最受欢迎的课程之一。

本课程涵盖的主题包括：

本课程的特点/可交付成果是：

• 25 小时的点播视频
• 终身访问权限
• 13 篇文章和 5 个可下载资源
• 移动和电视访问
• 结业证书
• 30 天退款保证

因此，如果您想要一个低预算的课程，这是一个很好的起点。

谷歌人工智能

有兴趣向 Google ML 专家学习机器学习吗？

那么您需要查看我们关于Google AI 的课程。

该平台包括面向学生、软件工程师、数据科学家甚至研究人员的机器学习和数据科学课程和内容。这些课程是免费的。

Google AI 的机器学习速成课程是一个很好的起点。这是一门快节奏的课程，包含有关如何使用 TensorFlow API 的实践介绍。本课程详情如下：

该平台还提供有关重要机器学习主题的特定课程，例如集群、 推荐系统、 机器学习中的测试和调试、 数据分离以及机器学习中的特征工程。如果您已经了解机器学习的基础知识，这些课程将是一个附加值。

犹大城

Udacity 也是一个非常受欢迎的电子学习平台，拥有大量有关趋势技术的课程。我们拥有一些行业领先的项目，这些项目得到了世界各地顶级公司（包括 AT&T、AWS、Google 和 IBM）的认可。

Udacity 的项目之一是数据科学 – 数据科学学院。该计划可帮助您吸引数据分析师、数据科学家、数据工程师和业务分析师的工作。该项目中的数据科学家课程是涵盖机器学习、深度学习和软件工程概念的重要课程。选择本课程需要机器学习的基础知识。

如果您了解 Python 编程，但对机器学习不熟悉，Udacity 还有另一个项目 – School of AI 。该计划提供从机器学习基础知识开始的课程。

深度学习

这门课程是一件幸事，如果您是一名程序员，那么它是此列表中我最喜欢的推荐课程。

再说一遍，如果你是一名程序员。

那是因为本课程不会花时间教您编程的基础知识。课程描述非常清楚地说明了这一点（重点是原文）。

假设参加本课程的每个人都至少有一年的编码经验。本课程使用 Python 作为教学语言，因此如果您还不了解 Python，我们希望您花时间学习它。经验丰富的程序员会发现Python是一门非常容易学习的语言。

因此，如果您已经了解Python（您在这里还没有学过），或者可以快速上手，那么这是构建可用系统的好方法，而不必过多担心算法的理论基础，这是完美的。为想要建造的实用主义者开设的课程。

你甚至可能会说这是为那些讨厌仪式和单调的不耐烦的修补匠（比如我！）设计的。

哦，我们有没有提到它是完全免费的，并且有一个很棒的社区？！

结论

哈！

这是一个很难编制的清单。不是我缺乏好的资源，而是我拥有的资源太多了。

机器学习是一个正​​在爆炸式增长并以非常优雅的方式解决难题的领域。这就是为什么网上有数百门课程，有免费的也有付费的，而且其中大多数都非常好。但这也可能会造成混乱，因此我们尝试根据不同类型的学习者的经验水平将其简化为 11 个。

接下来，详细了解特征工程。