Daten sind das neue Öl. Und maschinelles Lernen ist das Feuer. Wer diese beiden kontrolliert, wird die Welt kontrollieren.
Nein, das Obige ist kein pompöser Satz aus einem dystopischen Roman.
Es ist eine Realität.
Bei der neuen Weltordnung dreht sich alles darum, riesige Mengen relevanter Daten zu sammeln und sie zu umsetzbaren Erkenntnissen zu verarbeiten – etwas, wozu die menschliche Rasse in der Geschichte nicht in der Lage war. Es ist die Art von Technologie, die es einem Land ermöglicht, den anderen voraus zu sein und schließlich die Welt zu beherrschen.
Infolgedessen wird es von den fortschrittlichen Nationen der Welt sehr, sehr ernst genommen.
Inhaltsverzeichnis
Eine lukrative Berufswahl
Abgesehen von internationalen Intrigen sind Datenwissenschaft und maschinelles Lernen ein heißes neues Gebiet mit unglaublichen Möglichkeiten. Die Nachfrage ist außer Kontrolle (um es milde auszudrücken), und es gibt nicht genügend Datenwissenschaftler. Nicht einmal mittelmäßige.
Es ist, als hätten wir plötzlich viele neue bewohnbare Planeten entdeckt, und es gibt nicht genug Menschen, um sie dorthin zu verlegen. Ich könnte weiter und weiter gehen und wie eine kaputte Schallplatte klingen, aber ich denke, diese Infografik macht den Job viel besser:
Quelle: insidebigdata.com
Wir sehen also, dass die Gehälter bei über 50.000 $ beginnen und für Manager weit über 250.000 $ schießen können.
Und nicht nur das, die durchschnittliche Person auf diesem Planeten generiert 1,7 MB Daten pro Sekunde. Das sind mehr als 3.500 TB an Daten über die gesamte Lebensdauer – mehr Daten, als wir derzeit verarbeiten, geschweige denn für Analysen verwenden können. Zu sagen, dass die Zukunft rosig ist, würde dieser großartigen neuen Weide einen Bärendienst erweisen.
Sind Data Science und maschinelles Lernen schwer?
Gute Frage!
Aus meiner Erfahrung ist die Antwort sowohl „Ja“ als auch „Nein“.
Künstliche Intelligenz (und im weiteren Sinne maschinelles Lernen) ist das Schwierigste, wenn Sie dazu neigen, in die Forschung einzusteigen und an die Grenzen zu gehen. Für solche Arbeiten ist sogar ein Ph.D. in Informatik und Mathematik reicht nicht aus. Aber andererseits hat der Durchschnittsmensch weder den Ehrgeiz noch die Zeit für ein solches Streben.
Am anderen Ende ist das, was ich als angewandte Datenwissenschaft und maschinelles Lernen bezeichnen würde.
Das heißt, Sie nehmen vorhandene Tools, Techniken und Algorithmen und wenden sie an, um einige reale Probleme zu lösen. Dieser Teil erfordert Hingabe, Wahrnehmung und kreatives Denken (und Kenntnisse einiger einfacher mathematischer Konzepte, die schnell erlernt werden), aber in Bezug auf echtes „technisches“ Wissen ist es viel nachsichtiger als das, was der Job eines Softwareentwicklers erfordert.
Mit anderen Worten, es ist kein Kinderspiel, aber das Verhältnis von Belohnung zu Aufwand ist eine der besten Investitionen, die es gibt.
Nachdem Sie nun fest entschlossen sind, Datenwissenschaftler und Ingenieur für maschinelles Lernen zu werden, können wir damit beginnen, die besten Optionen zu erkunden.
Maschinelles Lernen (Google)
Nicht vielen Menschen ist es bewusst, aber Google hat ein umfangreiches, sehr praktisches und kostenloser Kurs zum maschinellen Lernen. Nach Angaben des Unternehmens ist dies Teil seines Engagements, KI/ML-Technologien voranzutreiben und das Wissen offen zu halten.
Das Beste an diesem Kurs ist, dass es keine Voraussetzungen gibt, aber bereiten Sie sich darauf vor, zusätzliche Zeit damit zu verbringen, die Statistikkonzepte auf eigene Faust zu erkunden.
Ich meine, es ist nicht erforderlich, aber wenn Sie keinen Hintergrund in fortgeschrittener Statistik haben, reichen die Erklärungen in diesem Kurs möglicherweise nicht aus. Ein weiterer Haken ist, dass dieser Kurs Machine Learning via einführt TensorFlow, eine von Google entwickelte ML-Implementierung. In gewisser Weise zielt Google darauf ab, seine APIs für maschinelles Lernen zu fördern, aber angesichts des Werts, den dieser Kurs bietet, sehe ich nicht, wie das ein Stolperstein sein sollte.
Wenn überhaupt, ist TensorFlow einer der einfachen Wege, um in ML einzusteigen, und erfreut sich großer Beliebtheit (einen Vergleich von KI-Frameworks finden Sie hier).
Datenwissenschaft
Der Name Harvard weckt Ehrfurcht, und dieser Kurs auch.
Das Wichtigste zuerst: Es ist kein Kurs, in dem Sie sich schnell schmutzig machen, indem Sie auf Zehenspitzen um maschinelles Lernen herumschleichen, indem Sie hier einen Ausschnitt oder hier ein Skript schreiben. Dieser Kurs ist eine schwere Feuertaufe, die harte Arbeit und einen erheblichen Zeitaufwand erfordert.
Der Kurs enthält kostenlose Videos, Code (gehostet auf GitHub) und Lösungen für Laborübungen, sodass Sie praktisch durch nichts eingeschränkt sind, wenn Sie es nehmen möchten.
Ideales Publikum?
Sie … ich scherze nicht.
Ich würde sagen, Berufstätige mit anständiger mathematischer Ausbildung, auch wenn sie sich vielleicht nicht mehr mit Mathematik beschäftigen (die Gewohnheiten des Schließens und Beweisens sind das Notwendigste). Aber sei noch einmal gewarnt: Du denkst vielleicht, dass du gut bist, aber dieser Kurs wird sich anfühlen, als hättest du gehärtete Nägel zum Frühstück – die Übungsaufgaben sind herausfordernd genug, um dich zum Weinen zu bringen, aber das könnte genau das sein, was du willst. re suche!
Maschinelles Lernen
Gehen Sie in eine Bar voller Datenwissenschaftler und fragen Sie, wer Andrew Ng ist, und Sie werden einen Schlag Ihres Lebens bekommen.
In den Kreisen der Datenwissenschaft und des maschinellen Lernens hat Andrew Ng dank seines außergewöhnlichen Kurses auf Coursera einen gottgleichen Status erlangt – Maschinelles Lernen.
Und wenn Sie an Andrew Ngs Zeugnissen zweifeln, lasse ich dies für sich sprechen:
Es ist ein kostenpflichtiger Kurs, da er Teil des Preisplans von Coursera ist, aber finanzielles Engagement und Entschlossenheit sind nicht die einzigen Voraussetzungen. Dies ist ein langer Kurs, da Andrew tief in die Mathematik hinter allen Dingen des ML eintaucht und beliebte Algorithmen analysiert. Aber zum Glück ist es ein vollständiger Kurs, und Sie werden Schritt für Schritt in die dunkelsten Tiefen geführt und zurückgebracht.
Ich kann es sehr empfehlen, vor allem, weil es heute zu einer Sache geworden ist, das Abschlusszertifikat dieses Kurses zur Schau zu stellen!
Angewandte Datenwissenschaft
Spezialisierungen auf Coursera bestehen aus einer Reihe von Kursen, die darauf abzielen, Sie von null auf kompetent in einem bestimmten Konzept zu bringen. Wenn Sie nach einem vollständigen, ernsthaften und dennoch freundlichen Kurs zu Data Science und maschinellem Lernen mit Python suchen, kann ich diesen nicht empfehlen Spezialisierung genügend.
Am Ende des Kurses erhalten Sie ein Zertifikat.
Datencamp
Datencamp bietet zahlreiche Data-Science-Kurse an, die auch mehrere Fähigkeiten und Karrierepfade beinhalten. Von der Datenmanipulation bis zum maschinellen Lernen erwerben Sie karrierebildende Data Scientist-Fähigkeiten in Python und R, die Ihnen helfen, im Bereich Data Science erfolgreich zu sein.
Mit den Byte-großen Inhalten von DataCamp können Sie in Ihrem eigenen Tempo lernen. Diese Kurse bieten Ihnen praktische Erfahrungen, durch die Sie Ihre datenwissenschaftlichen Fähigkeiten erweitern können.
Sie können mit der kostenlosen Version beginnen und den Kurs anhand des ersten Kapitels bewerten.
edX
Lernen Sie von MITx, Harvardx, IBM, RICEx, UCSanDiegox und GTx auf der edX-Plattform.
Alle von ihnen haben einen umfassenden Lehrplan, der Ihnen hilft, Data Scientist-Fähigkeiten zu erwerben. Diese Programme sind am besten für diejenigen geeignet, die einen Hintergrund in Statistik oder Informatik haben.
Wer kein Programm sucht, kann à la carte wählen. Auf edX finden Sie mehr als 200 Kurse zu Data Science, darunter Python, R, Excel, Wahrscheinlichkeit, Statistik, maschinelles Lernen, Datenvisualisierung und vieles mehr.
Codeakademie
Codecademy ist eine weitere Plattform, die eines der besten Systeme auf dem Markt ist, mit der Sie das Codieren lernen können. Sie glauben an „Learn by Doing“ und haben viele Übungsprojekte und Tests auf ihrer Plattform.
Das Studiengang Datenwissenschaft Das Angebot von Codecademy umfasst SQL, Python 3, NumPy, Pandas, Matplotlib, Scikit-learn und viele weitere Bibliotheken.
Der gesamte Karriereweg enthält 26 Kurse, die mehr als genug sind, um Ihnen zu helfen, ein erfolgreicher Datenwissenschaftler zu werden.
Dieser Datenkurs:
- Vermittelt Ihnen fundiertes Wissen in Data Science
- Bietet eine leicht verständliche Roadmap
- Macht Sie fit für den Job, indem es Ihnen hilft, genügend praktische Erfahrungen zu sammeln
Udemy
Udemy braucht keine Einführung.
Bootcamp für Python für Datenwissenschaft und maschinelles Lernen auf Udemy ist einer der beliebtesten Kurse mit über 85.000 Bewertungen von 4,6 und wurde von über 370.000 Studenten auf der ganzen Welt belegt.
Nachfolgend finden Sie die Themen, die in diesem Kurs behandelt werden:
Nachfolgend sind die Merkmale/Leistungen dieses Kurses aufgeführt:
- 25 Stunden On-Demand-Videos
- Vollständiger lebenslanger Zugriff
- 13 Artikel und fünf herunterladbare Ressourcen
- Zugriff auf Handy und TV
- Abschlusszertifikat
- 30 Tage Geld-zurück-Garantie
Wenn Sie also einen günstigen Kurs bevorzugen, ist dieser für den Einstieg am besten geeignet.
Google-KI
Wären Sie daran interessiert, maschinelles Lernen von ML-Experten bei Google zu lernen?
Nun, dann müssen Sie sich Kurse ansehen Google-KI.
Diese Plattform bietet Kurse und Inhalte für maschinelles Lernen und Datenwissenschaft für Studenten, Softwareentwickler, Datenwissenschaftler und sogar Forscher. Diese Kurse sind kostenlos.
Beginnen mit, Crashkurs für maschinelles Lernen bei Google AI sollte Ihr Kurs sein. Dies ist ein rasanter Kurs mit einer praktischen Einführung in die Verwendung von TensorFlow-APIs. Nachfolgend finden Sie die Details zu diesem Kurs:
Diese Plattform bietet auch spezielle Kurse zu wichtigen Themen des maschinellen Lernens wie z Clusterung, Empfehlungssysteme, Testen und Debuggen beim maschinellen Lernen, Datentrennung und Feature-Engineering beim maschinellen Lernen. Falls Sie bereits die Grundlagen des maschinellen Lernens kennen, sind diese Kurse von Mehrwert.
Udacity
Udacity ist auch eine sehr beliebte E-Learning-Plattform mit einer Fülle von Kursen zu Trendtechnologien. Es verfügt über mehrere branchenführende Programme, die von Top-Unternehmen weltweit wie AT&T, AWS, Google und IBM entwickelt und anerkannt werden.
Eines der Programme bei Udacity ist für Data Science – Schule für Datenwissenschaft. Dieses Programm hilft Ihnen, Jobs als Datenanalyst, Datenwissenschaftler, Dateningenieur und Geschäftsanalyst zu finden. Ein Kurs über Data Scientist in diesem Programm ist der entscheidende, der Konzepte zu maschinellem Lernen, tiefem Lernen und Softwareentwicklung abdeckt. Sie müssen über Grundkenntnisse des maschinellen Lernens verfügen, um sich für diesen Kurs zu entscheiden.
Falls Sie sich mit Python-Programmierung auskennen, aber neu im maschinellen Lernen sind, gibt es ein weiteres Programm auf Udacity – Schule der KI. Dieses Programm bietet Kurse, die mit den Grundlagen des maschinellen Lernens beginnen.
Tiefes Lernen
Dieser Kurs ist ein Segen und meine Lieblingsempfehlung auf dieser Liste, wenn Sie ein Programmierer sind.
Ich würde das noch einmal sagen: wenn Sie ein Programmierer sind.
Denn dieser Kurs verbringt keine Zeit damit, Ihnen die Grundlagen des Programmierens beizubringen. Die Kursbeschreibung sagt es sehr deutlich (Hervorhebungen sind original):
Wir gehen davon aus, dass jeder Teilnehmer dieses Kurses mindestens ein Jahr Programmiererfahrung hat. Der Kurs verwendet Python als Unterrichtssprache. Wenn Sie also Python noch nicht kennen, gehen wir davon aus, dass Sie sich die Zeit nehmen werden, es zu lernen – für einen erfahrenen Programmierer sollten Sie feststellen, dass Python eine recht einfach zu erlernende Sprache ist.
Wenn Sie also Python bereits kennen (falls nicht hier lernen) oder schnell vertraut werden können, ist dies der perfekte Kurs für Pragmatiker, die reale, nutzbare Systeme bauen wollen, ohne sich zu viele Gedanken über die theoretischen Grundlagen der Algorithmen zu machen.
Ich könnte sogar sagen, es ist für die ungeduldigen Tüftler (wie ich!), die Zeremonie und Monotonie hassen.
Und oh, habe ich erwähnt, dass es 100 % kostenlos ist und eine großartige Community hat?!
Fazit
Puh!
Dies war eine schwer zu erstellende Liste. Nicht, weil es nicht genug gute Quellen gab, sondern weil es viel zu viele gab!
Maschinelles Lernen ist ein Bereich, der buchstäblich explodiert ist und schwierige Probleme wirklich elegant löst, und so gibt es Hunderte von Kursen online, kostenlos und kostenpflichtig, von denen die meisten wirklich, wirklich gut sind. Dies kann jedoch auch zu Verwirrung führen, weshalb ich versucht habe, es für verschiedene Lerntypen entsprechend ihrem Erfahrungsniveau auf elf zu reduzieren.
Ich hoffe es hat geholfen!