Data är den nya oljan. Och maskininlärning är elden. Den som kontrollerar dessa två kommer att kontrollera världen.
Nej, ovanstående är inte någon pompös fras hämtad från en dystopisk roman.
Det är verklighet.
Den nya världsordningen handlar om att samla in enorma mängder relevant data och bearbeta den till handlingskraftiga insikter – något som mänskligheten inte har kunnat göra i historien. Det är den typen av teknik som gör att ett land kan gå före de andra och så småningom styra världen.
Som ett resultat tas det väldigt, väldigt allvarligt av världens progressiva nationer.
Innehållsförteckning
Ett lukrativt yrkesval
Bortsett från internationella intriger är datavetenskap och maskininlärning ett hett nytt område med en otrolig möjlighet. Efterfrågan är utanför listorna (milt uttryckt), och det finns inte tillräckligt med dataforskare runt omkring. Inte ens medelmåttiga.
Det är som att vi plötsligt har upptäckt många nya beboeliga planeter, och det finns inte tillräckligt med människor att flytta dem till. Jag skulle kunna fortsätta och låta som en trasig skiva, men jag tror att den här infografiken gör jobbet mycket bättre:
Källa: insidebigdata.com
Så vi ser att lönerna börjar på $50 000+ och för chefer kan de skjuta långt över $250 000.
Och inte bara det, den genomsnittliga personen på denna planet kommer att generera 1,7 MB data per sekund. Det är 3 500+ TB data under hela livslängden – mer data än vi vet hur vi ska hantera för närvarande, än mindre använda för analys. Att säga att framtiden är ljus skulle vara en otjänst åt denna magnifika nya betesmark.
Är datavetenskap och maskininlärning svårt?
Bra fråga!
Enligt min erfarenhet är svaret både ”ja” och ”nej”.
Artificiell intelligens (och i förlängningen maskininlärning) är det svåraste att göra om du är benägen att gå in på forskning och driva på höljet. För sådant arbete, även en Ph.D. i datavetenskap och matematik räcker inte. Men då har den genomsnittliga personen varken ambitionen, inte tiden för en sådan strävan.
I andra änden är vad jag skulle kalla tillämpad datavetenskap och maskininlärning.
Det vill säga att du tar befintliga verktyg, tekniker och algoritmer och tillämpar dem för att lösa några verkliga problem. Den här delen kräver hängivenhet, uppfattning och kreativt tänkande (och kunskap om några enkla matematiska begrepp, som snabbt lärs in), men när det gäller äkta ”teknisk” kunskap är den mycket lindrigare än vad en mjukvaruingenjörs jobb kallar.
Med andra ord, det är inte en cakewalk, men att gå efter förhållandet mellan belöning och ansträngning är en av de bästa investeringarna som finns.
Nu när du har hårdnat din beslutsamhet att bli datavetare och maskininlärningsingenjör, låt oss börja utforska de bästa alternativen där ute.
Machine Learning (Google)
Det är inte många som känner till, men Google har en omfattande, mycket praktisk och gratis kurs om maskininlärning. Enligt företaget är det en del av deras engagemang för att utveckla AI/ML-teknologier och hålla kunskapen öppen.
Det bästa med den här kursen är att det inte finns några förkunskaper, men förbered dig för att lägga extra tid på att utforska statistikkoncepten på egen hand.
Jag menar, det behövs inte, men om du har noll bakgrund i avancerad statistik kanske förklaringarna i den här kursen inte räcker. En annan hake är att den här kursen introducerar Machine Learning via TensorFlow, som är en ML-implementation utvecklad av Google. Så, på ett sätt, strävar Google efter att marknadsföra sina API:er för maskininlärning, men med tanke på värdet som erbjuds av den här kursen ser jag inte hur det skulle vara en stötesten.
Om något är TensorFlow ett av de enkla sätten att komma in i ML och åtnjuter rabiat popularitet (för en jämförelse av AI-ramverk, se detta).
Datavetenskap
Namnet Harvard inger vördnad, och det gör även den här kursen.
Först till kvarn: det är inte en låt oss-bli-smutsiga-snabbt-kurs där du går på tå runt Machine Learning genom att skriva ett utdrag här eller ett manus här. Denna kurs är ett strängt elddop som kräver hårt arbete och en betydande investering av tid.
Kursen kommer med gratis videor, kod (värd på GitHub) och lösningar på labbövningar, så praktiskt taget är du inte begränsad av någonting om du vill ta det.
Idealisk publik?
Du … jag skojar inte.
Jag skulle säga att arbetande proffs med anständig matteutbildning, även om de kanske inte är intresserade av matematik längre (vanorna att sluta sig till och bevisa är det mest nödvändiga). Men än en gång, var vänlig varnas: du kanske tycker att du är bra, men den här kursen kommer att kännas som att ha härdade naglar till frukost — övningsproblemen är tillräckligt utmanande för att få dig att gråta, men då kan det vara precis det du gör. letar efter!
Maskininlärning
Gå in i en bar fylld med dataforskare och fråga vem Andrew Ng är, så får du stryk av ditt liv.
I kretsarna av datavetenskap och maskininlärning har Andrew Ng uppnått en gudalik status, tack vare sin exceptionella kurs i Coursera — Maskininlärning.
Och om du tvivlar på Andrew Ngs meriter låter jag detta tala för sig själv:
Det är en betald kurs, eftersom den är en del av Courseras prissättningsplan, men ekonomiskt engagemang och beslutsamhet är inte de enda förutsättningarna. Detta är en lång kurs då Andrew dyker djupt ner i matematiken bakom allt som rör ML och dissekerar populära algoritmer. Men tack och lov är det en komplett kurs, och du kommer att guidas steg för steg in i de mörkaste djupen och föras tillbaka.
Jag rekommenderar starkt, främst för att det har blivit en grej idag att stoltsera med slutbeviset för den här kursen!
Tillämpad datavetenskap
Specialiseringar på Coursera består av en serie kurser som syftar till att ta dig från noll till att vara skicklig i ett visst koncept. Om du letar efter en komplett, seriös men ändå vänlig kurs om datavetenskap och maskininlärning med Python kan jag inte rekommendera den här specialisering tillräckligt.
I slutet av kursen får du ett certifikat.
DataCamp
DataCamp erbjuder massor av datavetenskapskurser, som också inkluderar flera kompetens- och karriärspår. Från datamanipulation till maskininlärning kommer du att få karriärbyggande dataforskare i Python och R som hjälper dig att lyckas inom datavetenskap.
Med det bytestora innehållet i DataCamp kan du lära dig i din egen takt. Dessa kurser ger dig praktisk erfarenhet genom vilken du kommer att förbättra dina datavetenskapliga färdigheter.
Du kan börja med gratisversionen och utvärdera kursen genom att titta på det första kapitlet.
edX
Lär dig av MITx, Harvardx, IBM, RICEx, UCSanDiegox och GTx på edX-plattform.
Alla av dem har en omfattande läroplan som hjälper dig att ha kunskaper inom datavetare. Dessa program är bäst lämpade för dig som har statistik eller datavetenskaplig bakgrund.
Om du inte letar efter ett program kan du välja en ala-carte. På edX hittar du mer än 200 kurser relaterade till datavetenskap, som täcker Python, R, Excel, sannolikhet, statistik, maskininlärning, datavisualisering och många fler.
Codecademy
Codecademy är en annan plattform som är ett av de bästa systemen där ute som hjälper dig att lära dig koda. De tror på ”Learn by doing” och har massor av övningsprojekt och tester på sin plattform.
De kurs i datavetenskap som erbjuds av Codecademy inkluderar SQL, Python 3, NumPy, Pandas, Matplotlib, Scikit-learn och många fler bibliotek.
Hela karriärvägen innehåller 26 kurser som är mer än tillräckligt för att hjälpa dig att bli en framgångsrik datavetare.
Denna datakurs:
- Ger dig djupgående kunskaper om datavetenskap
- Ger en lätt att följa en färdplan
- Gör dig redo för jobbet genom att hjälpa dig att få tillräckligt med praktisk erfarenhet
Udemy
Udemy behöver ingen introduktion.
Python för datavetenskap och maskininlärning Bootcamp på Udemy är en av de mest populära kurserna med över 85K+ betyg på 4,6 och har tagits av 370K+ studenter över hela världen.
Nedan följer de ämnen som behandlas i denna kurs:
Nedan är funktionerna/leveranserna för denna kurs:
- 25 timmars on-demand-videor
- Full livstidsåtkomst
- 13 artiklar och fem nedladdningsbara resurser
- Tillgång på mobil och tv
- Intyg om färdigställande
- 30-dagars pengarna-tillbaka-garanti
Så om du föredrar en budgetkurs skulle denna vara bäst lämpad för dig att komma igång.
Google AI
Skulle du vara intresserad av att lära dig maskininlärning från ML-experter på Google?
Tja, då måste du kolla in kurser på Google AI.
Den här plattformen har kurser och innehåll för maskininlärning och datavetenskap för studenter, mjukvaruingenjörer, datavetare och till och med forskare. Dessa kurser är kostnadsfria.
Till att börja med, Kraschkurs i maskininlärning på Google AI bör vara din favoritkurs. Detta är en kurs i högt tempo med en praktisk introduktion med TensorFlow API:er. Nedan följer detaljerna för denna kurs:
Den här plattformen har också specifika kurser om viktiga maskininlärningsämnen som klustring, rekommendationssystem, testning och felsökning i maskininlärning, dataseparering och funktionsteknik inom maskininlärning. Om du redan kan grunderna i maskininlärning kommer dessa kurser att vara av mervärde.
Udacity
Udacity är också en mycket populär e-lärande plattform som har en uppsjö av kurser om trendteknologier. Den har flera branschledande program byggda och erkända av toppföretag över hela världen, som AT&T, AWS, Google, IBM.
Ett av programmen på Udacity är för Data Science – School of Data Science. Det här programmet hjälper dig att få jobb som dataanalytiker, datavetare, dataingenjör och affärsanalytiker. En kurs om Data Scientist i detta program är den avgörande som täcker begrepp om maskininlärning, djupinlärning och mjukvaruteknik. Du behöver ha grundläggande kunskaper om maskininlärning för att välja denna kurs.
Om du kan python-programmering men är ny inom maskininlärning, finns det ett annat program på Udacity – Skola för AI. Det här programmet har kurser som börjar från grunderna i maskininlärning.
Djup lärning
Denna kurs är en välsignelse och är min favoritrekommendation på den här listan om du är en kodare.
Jag skulle säga det igen: om du är en kodare.
Det beror på att den här kursen inte ägnar någon tid åt att lära dig grunderna i programmering. Kursbeskrivningen säger det i mycket tydliga ordalag (betoningen är original):
Vi antar att alla som tar den här kursen har minst ett års erfarenhet av kodning. Kursen använder python som undervisningsspråk, så om du inte redan kan python så antar vi att du kommer att spendera tid på att lära dig — för en erfaren kodare bör du upptäcka att python är ett ganska lätt språk att lära sig.
Så om du redan känner till Python (om inte lär dig här), eller kan bli bekväm snabbt, är detta den perfekta kursen för pragmatiker som vill bygga riktiga, användbara system utan att oroa sig för mycket om den teoretiska grunden för algoritmerna.
Jag kan till och med säga att det är för de otåliga pysslarna (som jag!) som hatar ceremoni och monotoni.
Och åh, nämnde jag att det är 100 % gratis och har en fantastisk gemenskap?!
Slutsats
Puh!
Det här var en svår lista att sammanställa. Inte för att det inte fanns tillräckligt med bra källor, utan för att det fanns alldeles för många!
Machine Learning är en domän som bokstavligen har exploderat och löser svåra problem riktigt elegant, och så finns det hundratals kurser online, gratis och betalda, de flesta av dem är riktigt, riktigt bra. Men detta kan också vara en källa till förvirring, varför jag har försökt koka ner det till elva för olika typer av elever beroende på deras erfarenhetsnivå.
Jag hoppas att det hjälpte!