전체 텍스트 (3412 개) 학습이 성장할 것으로 예상된다 즉, 10 Fenzhong을
출처 : Pexels
나는 기계 공학에, 대학은 기계 엔지니어되었다. 내 경력은 철강 산업의 핵심 일에 시작되었다.
대규모 고로에 그 무거운 강철 고무 장화 및 플라스틱 헬멧 작업을 착용하고에 압연기. 내가 뭔가 나쁜 일이 생기면, 그들이 사용하지 않는 것을 알고 있기 때문에 이러한 보안 조치, 그냥 심리적 위안이다. 아마도 실행 신발 도움이 될 수 있습니다. 헬멧에 관해서는, 나는 단지 섭씨가 잿더미로 감소 될 것이다 1,370도에서 용융 강을 말하고 싶습니다.
일을 얻기의 내 깊은 두려움으로, 나는 아마 2011 년 데이터 분석 및 과학 분야로, 목표를 설정 때문에이 작업이 나를 위해 아니라는 것을 깨달았다. 그 이후로, 뮤 클래스는 제가 새로운 지식을 많이 얻을 통해 새로운 지식을 배울 수있는 선호하는 플랫폼이되고있다. 좋고 나쁜이있다.
오늘, 2020, 과학적 데이터의 끊임없이 변화하는 분야는 과학적인 데이터는 학습 자료의 부족이 아니다. 그러나 그것은 또한 종종 초보자를위한 문제를 일으킬 : 어디에서 공부를 시작하는? 무엇을 배울 수? 인터넷에 많은 우수한 자원이있다, 그러나 동시에 좋은 자원이 많이 있습니다.
너무 많은 선택의 불안은 적으로 배우는 것입니다 있기 때문에, 사람들 산염을 할 수 있습니다.
슈워츠 그의 책 (슈) - 소비자의 선택의 제안 감소에 크게 자신의 불안을 감소시킬 수있다 "선택의 역설은 왜 더 적은 있지만입니다." 뿐만 아니라 데이터 과학 교육 과정.
이 문서에서는 데이터 과학 여행의 일부에 권장되는 시작 지점을 잃었 학습자 제안을 제공합니다.
1) Python3 프로그래밍 전문
Python2.7 的 "안녕 세계"!
첫째, 당신은 프로그래밍 언어를 결정해야합니다. 이것은 미시간 대학의 전문 과정, 당신은 파이썬을 사용하고 자신의 새로운 것을 만들 배울 수 있습니다.
당신은 등 프로그래밍 변수, 조건문과 루프의 기초를 배우고, 같은 키워드 인수 목록의 이해, 람다 표현식과 클래스 상속과 같은 일부 중간 자료를 얻을 것이다.
2) 파이썬 응용 프로그램 데이터 과학
이해 한 후, 첫 번째 수행
완전히 이해 기계 학습하기 전에, 우리는 그것을 경험해야합니다.
파이썬 응용 프로그램 데이터 과학은 알고 있어야합니다 현대적인 기계 학습 방법의 많은을 소개합니다. 아니 실행을 완료,하지만 당신은 도구를 사용하면 모델을 구축 할 수 있습니다.
이 배경 또는 프로그래밍 기본 파이썬이 전문가가 지향 및 응용 통계, 기계 학습, 정보 시각화, 텍스트 분석과 소셜 네트워크 (예 : 팬더,하기 matplotlib, scikitlearn, NLTK 및 networkx 등) 인기있는 툴킷으로 파이썬을 만들고 싶어 기술을 기반 학습자 분석 기술은 데이터에 대한 통찰력을 얻기 위해.
3) 기계 학습 이론과 기초
출처 : Pexels
과정을 완료 한 후, 당신은 소위 "초보자."가 될 것이다
축하합니다! ! ! 당신은 이미 몇 가지 기본 개념을 알고, 또한의 일부 기능을 구현하는 방법을 알고있다.
당신은 가치가있다
그러나, 당신은 완전히 모델 뒤에이 모델과 수학적 원리의 모든 것을 이해하지 않습니다.
당신은 clf.fit 뒤에 논리를 이해할 필요가있다. 당신은 얼굴 현실이 : 당신이 모델 뒤에 수학적 원리를 이해하지 않는 한, 그렇지 않으면 아무도 당신을 정말 인정하지 않을 것이다.
당신이 이해하지 않으면, 당신은 그것을 개선 할 수
GameChanger 기계 학습 교과 과정은 기계 학습 알고리즘 뒤에 많은 수학적 논리가 포함되어 있습니다.
A는 물론 필요에 따라이 필드를 입력 내게 영감 때문에 나는이 과정을이 과정을 포장하며, 앤드류 응은 훌륭한 선생님이 내 첫 학습 과정이다.
이 과정은 회귀 분석, 분류, 이상 탐지, 추천 시스템, 신경망을 포함, 훌륭한 조언이 많이있다.
통계적 추론 4) 연구
"진실은 고정되어 있지만 통계는 유연하다."- 마크 트웨인
내 멘토 체디 KAJA 랜들 (Çetinkaya-Rundel)이 추론 통계를 가르치고, 쉽게 배울 수 있습니다.
그녀는 훌륭한 강사이고, 아주 잘 통계적 추론의 기본 원칙을 설명 - 필수 코스입니다.
당신은 가설 검증, 신뢰 구간, 수치 및 범주 데이터의 통계적 추론 방법을 배우게됩니다.
SQL 기본 5) 과학적 자료를 학습
SQL은 모든 데이터 ETL의 핵심입니다
우리는 모델을 만들어 그 느낌과 더 많은 작업을 수행 할 수있는 다른 가정을 만들었지 만, 데이터가 씹어 있지만 역할은 과소 평가 될 수 없다.
그것은 적어도 유용하기 때문에 SQL ETL에서 응용 프로그램 및 데이터 준비 작업의 넓은 범위, 모두가 약간을 이해해야합니다.
SQL은 또한 ApacheSpark 사실상의 표준의 사용과 같은 빅 데이터 도구가되었다. SQL 전문화 과정이 UCDavis에서는 SQL과 SQL은 분산 컴퓨팅 사용하는 방법을 가르 칠 것입니다.
通过使用数据科学应用程序的四个逐步增加难度的SQL项目，你将了解诸如SQL基础知识、数据争用、SQL分析、AB测试、使用ApacheSpark的分布式计算等主题。
6) 高级机器学习
在大联盟里，没有填鸭式灌输。
你可能不同意，但到目前为止，我们所做的一切都是骗人的。材料有固定的结构的，数学原理很少说明。但你已经为下一步做好了准备。这种高级机器学习专业化由顶级Kaggle机器学习实践者和欧洲核子研究中心的科学家采用了另一种学习方法，通过经历许多困难的概念，并指导您了解过去的事情是如何工作的，以及机器学习世界中最新的进步。网站上的描述是：
该专业介绍了深度学习、强化学习、自然语言理解、计算机视觉和贝叶斯方法。顶级Kaggle机器学习实践者和CERN科学家将分享他们解决现实世界问题的经验，并帮助你填补理论和实践之间的空白。
7) 深度学习
来源：Pexels
深度学习乃未来大势所趋
吴恩达带着全新的深度学习专业再次回归。
他以一种通俗易懂的方式完成了对这个困难概念的理解。他所遵循的术语与网络上所有其他教程和课程都不一样，我希望它能流行起来，因为这对理解所有基本概念非常有帮助。
专业网站上有说：
了解深层学习的基础，了解如何构建神经网络，并学习如何领导成功的机器学习项目。你将了解卷积网络、RNNs、LSTM、Adam、Dropout、BatchNorm、Xavier/He初始化等。且能接触医疗保健、自动驾驶、手语阅读、音乐生成和自然语言处理等方面的案例研究。
8) Pytorch
PythononFire
我通常从不提倡学习工具，但这不一样，因为如果你了解Pythorch，你便能够在许多最近的研究论文中学习代码，这真的很难得。Pythorch已经成为从事深度学习的研究人员的默认编程语言，它会对我们的学习极有帮助。
学习Pythorch的一种结构化方法是使用Pythorch学习深神经网络课程。课程网站说明：
课程将从Pytorch的张量和自动微分包开始。然后每个部分将涵盖不同的模型，从基本原理开始，如线性回归和logistic/softmax回归。其次是前馈型深层神经网络，作用不同的激活函数，归一化层和脱落层。然后介绍卷积神经网络和转移学习。最后，还将介绍其他一些深度学习方法。
9) AWS机器学习入门
秘诀：不是你知道什么，而是你展示什么。
在构建一个伟大的机器学习系统时，有很多事情需要考虑。但作为数据科学家，我们常常只担心项目的某些部分。
但我们有没有想过，一旦我们拥有了模型，要如何部署它们呢？
我见过很多ML项目，其中很多项目注定要失败，因为它们从一开始就没有一个固定的生产计划。
拥有一个好的平台，并了解该平台如何部署机器学习应用程序，将在现实世界中发挥所有作用。这门关于实现机器学习应用程序的AWS的课程就承诺了这一点。
本课程将教你：
1.如何使用带有内置算法和Jupyter笔记本实例的AmazonSageMaker构建、培训和部署模型。
2．如何使用Amazon-AI服务构建智能应用程序，如Amazon-Comprehend、Amazon-Rekognition、Amazon-Translate等。
10) 数据结构和算法
来源：Pexels
算法。是的，你需要它们。
算法和数据结构是数据科学的组成部分。虽然大多数的数据科学家在学习的时候并没有学习一门正确的算法课程，但它们是必不可少的。
许多公司要求将数据结构和算法作为招聘数据科学家面试内容的一部分。
它们需要和你的数据科学访谈一样的热情去破解，因此，你可能需要一些时间来研究算法、数据结构和算法问题。
我认为学习算法的一个最佳资源是UCSanDiego在Coursera上的算法专项课程。专业网站显示：
你将学习解决各种计算问题的算法技术，并将使用选择的编程语言实现大约100个算法编码问题。没有任何一门其他的在线算法课程能让你在下一次面试中有如此丰富的面临编程挑战经验。
希望你有所收获~
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）
