Τα δεδομένα είναι το νέο λάδι. Και η Μηχανική Μάθηση είναι η φωτιά. Όποιος ελέγχει αυτά τα δύο θα ελέγξει τον κόσμο.
Όχι, τα παραπάνω δεν είναι κάποια πομπώδης φράση που μαζεύτηκε από ένα δυστοπικό μυθιστόρημα.
Είναι μια πραγματικότητα.
Η νέα παγκόσμια τάξη πραγμάτων έχει να κάνει με τη συλλογή τεράστιων ποσοτήτων σχετικών δεδομένων και την επεξεργασία τους σε αξιόπιστες ιδέες – κάτι που η ανθρώπινη φυλή δεν έχει καταφέρει να κάνει στην ιστορία. Είναι το είδος της τεχνολογίας που επιτρέπει σε μια χώρα να προηγείται των άλλων και, τελικά, να κυβερνά τον κόσμο.
Ως αποτέλεσμα, λαμβάνεται πολύ, πολύ σοβαρά υπόψη από τα προοδευτικά έθνη του κόσμου.
Πίνακας περιεχομένων
Μια προσοδοφόρα επιλογή καριέρας
Εκτός από τις διεθνείς ίντριγκες, η επιστήμη δεδομένων και η μηχανική μάθηση είναι ένα νέο καυτό πεδίο με μια απίστευτη ευκαιρία. Η ζήτηση είναι εκτός διαγραμμάτων (για να το θέσω ήπια) και δεν υπάρχουν αρκετοί επιστήμονες δεδομένων τριγύρω. Ούτε καν μέτριες.
Είναι σαν να ανακαλύψαμε ξαφνικά πολλούς νέους κατοικήσιμους πλανήτες, και δεν υπάρχουν αρκετοί άνθρωποι για να τους μετακινήσουμε. Θα μπορούσα να συνεχίσω και να ακούγομαι σαν κατεστραμμένος δίσκος, αλλά νομίζω ότι αυτό το infographic κάνει τη δουλειά πολύ καλύτερα:
Πηγή: insidebigdata.com
Βλέπουμε λοιπόν ότι οι μισθοί ξεκινούν από $50.000+ και για τους μάνατζερ μπορεί να ξεπεράσουν τα $250.000.
Και όχι μόνο αυτό, ο μέσος άνθρωπος σε αυτόν τον πλανήτη θα παράγει 1,7 MB δεδομένων ανά δευτερόλεπτο. Αυτό είναι 3.500+ TB δεδομένων καθ’ όλη τη διάρκεια ζωής — περισσότερα δεδομένα από όσα ξέρουμε να χειριστούμε μέχρι τώρα, πόσο μάλλον να τα χρησιμοποιήσουμε για ανάλυση. Το να πούμε ότι το μέλλον είναι λαμπρό θα ήταν κακό σε αυτό το υπέροχο νέο λιβάδι.
Είναι δύσκολες η επιστήμη των δεδομένων και η μηχανική εκμάθηση;
Καλή ερώτηση!
Από την εμπειρία μου, η απάντηση είναι και «ναι» και «όχι».
Η τεχνητή νοημοσύνη (και κατ’ επέκταση, η μηχανική μάθηση), είναι το πιο δύσκολο πράγμα που μπορείς να κάνεις αν έχεις την τάση να ασχοληθείς με την έρευνα και να πιέσεις το φάκελο. Για τέτοιες εργασίες, ακόμη και διδακτορικό. στην επιστήμη των υπολογιστών και στα μαθηματικά δεν είναι αρκετό. Αλλά τότε, ο μέσος άνθρωπος δεν έχει ούτε τη φιλοδοξία, ούτε τον χρόνο για μια τέτοια επιδίωξη.
Στο άλλο άκρο είναι αυτό που θα αποκαλούσα Εφαρμοσμένη Επιστήμη Δεδομένων και Μηχανική Μάθηση.
Δηλαδή, παίρνετε υπάρχοντα εργαλεία, τεχνικές και αλγόριθμους και τα εφαρμόζετε για να λύσετε ορισμένα προβλήματα του πραγματικού κόσμου. Αυτό το μέρος απαιτεί αφοσίωση, αντίληψη και δημιουργική σκέψη (και γνώση κάποιων απλών μαθηματικών εννοιών, που μαθαίνονται γρήγορα), αλλά όσον αφορά την αληθινή «τεχνική» γνώση, είναι πολύ πιο επιεικής από ό,τι ονομάζει η δουλειά ενός μηχανικού λογισμικού.
Με άλλα λόγια, δεν είναι cakewalk, αλλά η αναλογία ανταμοιβής προς προσπάθεια είναι μια από τις καλύτερες επενδύσεις εκεί έξω.
Τώρα που έχετε σκληρύνει την απόφασή σας να γίνετε επιστήμονας δεδομένων και μηχανικός μηχανικής μάθησης, ας αρχίσουμε να εξερευνούμε τις καλύτερες επιλογές εκεί έξω.
Machine Learning (Google)
Δεν γνωρίζουν πολλοί άνθρωποι, αλλά η Google έχει ένα εκτενές, εξαιρετικά πρακτικό και δωρεάν μάθημα μηχανικής μάθησης. Σύμφωνα με την εταιρεία, είναι μέρος της δέσμευσής τους να προωθήσουν τις τεχνολογίες AI/ML και να διατηρήσουν τη γνώση ανοιχτή.
Το καλύτερο σε αυτό το μάθημα είναι ότι δεν υπάρχουν προαπαιτούμενα, αλλά προετοιμαστείτε για να αφιερώσετε επιπλέον χρόνο εξερευνώντας τις έννοιες των στατιστικών μόνοι σας.
Θέλω να πω, δεν χρειάζεται, αλλά αν έχετε μηδενικό υπόβαθρο σε προηγμένα στατιστικά στοιχεία, οι εξηγήσεις σε αυτό το μάθημα μπορεί να μην είναι αρκετές. Μια άλλη αιχμή είναι ότι αυτό το μάθημα εισάγει τη Μηχανική Μάθηση μέσω TensorFlow, η οποία είναι μια υλοποίηση ML που αναπτύχθηκε από την Google. Έτσι, κατά κάποιο τρόπο, η Google στοχεύει να προωθήσει τα API της για τη Μηχανική Μάθηση, αλλά λαμβάνοντας υπόψη την αξία που προσφέρει αυτό το μάθημα, δεν καταλαβαίνω πώς αυτό θα έπρεπε να είναι εμπόδιο.
Αν μη τι άλλο, το TensorFlow είναι ένας από τους εύκολους τρόπους για να μπείτε στο ML και χαίρει μεγάλης δημοτικότητας (για σύγκριση πλαισίων AI, δείτε αυτό).
Επιστημονικά δεδομένα
Το όνομα Χάρβαρντ εμπνέει δέος, όπως και αυτό το μάθημα.
Πρώτα πράγματα πρώτα: δεν είναι ένα μάθημα ας-λωρώνουμε-γρήγορα όπου μπορείτε να περάσετε στις μύτες των ποδιών γύρω από τη Μηχανική μάθηση γράφοντας ένα απόσπασμα εδώ ή ένα σενάριο εδώ. Αυτό το μάθημα είναι ένα σοβαρό βάπτισμα πυρός που απαιτεί σκληρή δουλειά και σημαντική επένδυση χρόνου.
Το μάθημα έρχεται με δωρεάν βίντεο, κώδικα (φιλοξενείται στο GitHub) και λύσεις για εργαστηριακές ασκήσεις, οπότε πρακτικά, δεν σας περιορίζει τίποτα αν θέλετε να το πάρετε.
Ιδανικό κοινό;
Εσείς…δεν αστειεύομαι.
Θα έλεγα ότι εργάζονται επαγγελματίες με αξιοπρεπή μαθηματική εκπαίδευση, παρόλο που μπορεί να μην ασχολούνται πια με τα μαθηματικά (οι συνήθειες της εξαγωγής συμπερασμάτων και της απόδειξης είναι το πιο απαραίτητο πράγμα). Αλλά για άλλη μια φορά, προειδοποιήστε: μπορεί να πιστεύετε ότι είστε καλά, αλλά αυτό το μάθημα θα σας φανεί σαν να έχετε σκληρύνει νύχια για πρωινό — τα προβλήματα εξάσκησης είναι αρκετά δύσκολα ώστε να σας κάνουν να κλάψετε, αλλά μετά, αυτό ακριβώς μπορεί να είναι το πράγμα που κάνετε». ψάχνεις!
Μηχανική Μάθηση
Πηγαίνετε σε ένα μπαρ γεμάτο με επιστήμονες δεδομένων και ρωτήστε ποιος είναι ο Andrew Ng και θα κερδίσετε τη ζωή σας.
Στους κύκλους της επιστήμης δεδομένων και της μηχανικής μάθησης, ο Andrew Ng έχει αποκτήσει μια θεϊκή θέση, χάρη στην εξαιρετική του πορεία στο Coursera — Μηχανική Μάθηση.
Και αν αμφιβάλλετε για τα διαπιστευτήρια του Andrew Ng, θα αφήσω αυτό να μιλήσει από μόνο του:
Είναι ένα μάθημα επί πληρωμή, καθώς αποτελεί μέρος του σχεδίου τιμολόγησης της Coursera, αλλά η οικονομική δέσμευση και η αποφασιστικότητα δεν είναι οι μόνες προϋποθέσεις. Αυτή είναι μια μακρά πορεία καθώς ο Andrew βουτάει βαθιά στα μαθηματικά πίσω από όλα τα πράγματα ML και αναλύει δημοφιλείς αλγόριθμους. Αλλά ευτυχώς, είναι μια ολοκληρωμένη πορεία και θα οδηγηθείτε βήμα προς βήμα στα πιο σκοτεινά βάθη και θα σας φέρουν πίσω.
Το συνιστώ ανεπιφύλακτα, κυρίως επειδή η επίδειξη του πιστοποιητικού ολοκλήρωσης αυτού του μαθήματος έχει γίνει πλέον θέμα σήμερα!
Εφαρμοσμένη Επιστήμη Δεδομένων
Οι εξειδικεύσεις στο Coursera αποτελούνται από μια σειρά μαθημάτων που στοχεύουν να σας μεταφέρουν από το μηδέν στο να είστε ικανοί σε μια συγκεκριμένη έννοια. Αν ψάχνετε για ένα πλήρες, σοβαρό αλλά φιλικό μάθημα για την Επιστήμη των Δεδομένων και τη Μηχανική Μάθηση με την Python, δεν μπορώ να το προτείνω ειδίκευση αρκετά.
Στο τέλος του μαθήματος, κερδίζετε ένα πιστοποιητικό.
DataCamp
DataCamp προσφέρει πολλά μαθήματα επιστήμης δεδομένων, τα οποία περιλαμβάνουν επίσης αρκετές δεξιότητες και διαδρομές σταδιοδρομίας. Από τη χειραγώγηση δεδομένων έως τη μηχανική εκμάθηση, θα αποκτήσετε δεξιότητες επιστημόνων δεδομένων δημιουργίας καριέρας στην Python και στο R που θα σας βοηθήσουν να πετύχετε στον τομέα της επιστήμης δεδομένων.
Με το περιεχόμενο μεγέθους byte του DataCamp, μπορείτε να μάθετε με τον δικό σας ρυθμό. Αυτά τα μαθήματα σάς παρέχουν πρακτική εμπειρία μέσω της οποίας θα προωθήσετε τις δεξιότητές σας στην επιστήμη των δεδομένων.
Μπορείτε να ξεκινήσετε με τη δωρεάν έκδοση και να αξιολογήσετε το μάθημα κοιτάζοντας το πρώτο κεφάλαιο.
edX
Μάθετε από τα MITx, Harvardx, IBM, RICEx, UCSanDiegox και GTx στο πλατφόρμα edX.
Όλοι έχουν ένα ολοκληρωμένο πρόγραμμα σπουδών που σας βοηθά να κατέχετε δεξιότητες επιστήμονα δεδομένων. Αυτά τα προγράμματα ταιριάζουν καλύτερα για όσους έχουν στατιστικά στοιχεία ή υπόβαθρο επιστήμης υπολογιστών.
Εάν δεν ψάχνετε για πρόγραμμα, μπορείτε να επιλέξετε ένα ala-carte. Στο edX, θα βρείτε περισσότερα από 200 μαθήματα που σχετίζονται με την επιστήμη δεδομένων, τα οποία καλύπτουν Python, R, Excel, πιθανότητες, στατιστικές, μηχανική μάθηση, οπτικοποίηση δεδομένων και πολλά άλλα.
Codecademy
Το Codecademy είναι μια άλλη πλατφόρμα που είναι ένα από τα καλύτερα συστήματα εκεί έξω που σας βοηθά να μάθετε να κωδικοποιείτε. Πιστεύουν στο “Learn by doing” και έχουν πολλά έργα πρακτικής και δοκιμές στην πλατφόρμα τους.
ο μάθημα επιστήμης δεδομένων που προσφέρεται από την Codecademy περιλαμβάνει βιβλιοθήκες SQL, Python 3, NumPy, Pandas, Matplotlib, Scikit-learn και πολλές άλλες.
Ολόκληρη η επαγγελματική διαδρομή περιέχει 26 μαθήματα που είναι υπεραρκετά για να σας βοηθήσουν να γίνετε επιτυχημένος επιστήμονας δεδομένων.
Αυτό το μάθημα δεδομένων:
- Σας δίνει σε βάθος γνώση της επιστήμης δεδομένων
- Παρέχει έναν εύκολο να ακολουθηθεί ένας οδικός χάρτης
- Σας κάνει έτοιμους για δουλειά βοηθώντας σας να αποκτήσετε αρκετή πρακτική εμπειρία
Udemy
Το Udemy δεν χρειάζεται καμία εισαγωγή.
Python για την επιστήμη δεδομένων και τη μηχανική εκμάθηση Bootcamp Το Udemy είναι ένα από τα πιο δημοφιλή μαθήματα με βαθμολογία πάνω από 85K+ 4,6 και έχει παρακολουθηθεί από 370K+ φοιτητές σε όλο τον κόσμο.
Παρακάτω είναι τα θέματα που καλύπτονται σε αυτό το μάθημα:
Παρακάτω είναι τα χαρακτηριστικά/παραδοτέα αυτού του μαθήματος:
- 25 ώρες βίντεο κατά παραγγελία
- Πρόσβαση πλήρους διάρκειας ζωής
- 13 άρθρα και πέντε πόροι με δυνατότητα λήψης
- Πρόσβαση σε κινητό και τηλεόραση
- Πιστοποιητικό ολοκλήρωσης
- Εγγύηση επιστροφής χρημάτων 30 ημερών
Έτσι, εάν προτιμάτε ένα μάθημα προϋπολογισμού, αυτό θα ήταν το καλύτερο για εσάς για να ξεκινήσετε.
Google AI
Θα σας ενδιέφερε να μάθετε μηχανική εκμάθηση από ειδικούς της ML στην Google;
Λοιπόν, τότε πρέπει να ελέγξετε τα μαθήματα Google AI.
Αυτή η πλατφόρμα διαθέτει μαθήματα Μηχανικής Μάθησης και Επιστήμης Δεδομένων και περιεχόμενο για φοιτητές, μηχανικούς λογισμικού, επιστήμονες δεδομένων, ακόμη και ερευνητές. Αυτά τα μαθήματα είναι δωρεάν.
Να ξεκινήσει με, Μάθημα Crash Learning Machine στο Google AI θα πρέπει να είναι το μάθημά σας. Αυτό είναι ένα γρήγορο μάθημα με πρακτική εισαγωγή χρησιμοποιώντας API TensorFlow. Παρακάτω είναι οι λεπτομέρειες αυτού του μαθήματος:
Αυτή η πλατφόρμα διαθέτει επίσης συγκεκριμένα μαθήματα για σημαντικά θέματα μηχανικής μάθησης όπως ομαδοποίηση, συστήματα συστάσεων, δοκιμή και εντοπισμός σφαλμάτων στη μηχανική μάθηση, διαχωρισμός δεδομένων και μηχανική χαρακτηριστικών στη μηχανική μάθηση. Σε περίπτωση που γνωρίζετε ήδη τα βασικά της μηχανικής μάθησης, αυτά τα μαθήματα θα έχουν προστιθέμενη αξία.
Ανθρωπότητα
Το Udacity είναι επίσης μια πολύ δημοφιλής πλατφόρμα ηλεκτρονικής μάθησης που διαθέτει πληθώρα μαθημάτων για τις τάσεις των τεχνολογιών. Διαθέτει πολλά κορυφαία στον κλάδο προγράμματα κατασκευασμένα και αναγνωρισμένα από κορυφαίες εταιρείες παγκοσμίως, όπως η AT&T, η AWS, η Google, η IBM.
Ένα από τα προγράμματα στο Udacity είναι για την Επιστήμη Δεδομένων – Σχολή Επιστήμης Δεδομένων. Αυτό το πρόγραμμα σάς βοηθά να κάνετε θέσεις εργασίας αναλυτή δεδομένων, επιστήμονα δεδομένων, μηχανικού δεδομένων και αναλυτών επιχειρήσεων. Ένα μάθημα για τον Επιστήμονα Δεδομένων σε αυτό το πρόγραμμα είναι το κρίσιμο που καλύπτει έννοιες σχετικά με τη μηχανική μάθηση, τη βαθιά μάθηση και τη μηχανική λογισμικού. Πρέπει να έχετε βασικές γνώσεις μηχανικής μάθησης για να επιλέξετε αυτό το μάθημα.
Σε περίπτωση που γνωρίζετε προγραμματισμό python αλλά είστε νέοι στη μηχανική μάθηση, υπάρχει ένα άλλο πρόγραμμα στο Udacity – Σχολή ΑΙ. Αυτό το πρόγραμμα έχει μαθήματα που ξεκινούν από τα βασικά της μηχανικής εκμάθησης.
Βαθιά Μάθηση
Αυτό το μάθημα είναι μια ευλογία και είναι η πιο αγαπημένη μου σύσταση σε αυτήν τη λίστα, αν είστε κωδικοποιητής.
Θα το έλεγα ξανά: αν είσαι κωδικοποιητής.
Αυτό συμβαίνει επειδή αυτό το μάθημα δεν αφιερώνει χρόνο για να σας διδάξει τα βασικά του προγραμματισμού. Η περιγραφή του μαθήματος το λέει με πολύ ξεκάθαρους όρους (η έμφαση είναι πρωτότυπη):
Υποθέτουμε ότι όλοι όσοι παρακολουθούν αυτό το μάθημα έχουν τουλάχιστον ένα έτος εμπειρίας κωδικοποίησης. Το μάθημα χρησιμοποιεί την python ως γλώσσα διδασκαλίας, οπότε αν δεν γνωρίζετε ήδη την python, υποθέτουμε ότι θα αφιερώσετε χρόνο για να μάθετε—για έναν έμπειρο κωδικοποιητή θα πρέπει να διαπιστώσετε ότι η python είναι μια πολύ εύκολη γλώσσα για εκμάθηση.
Έτσι, εάν γνωρίζετε ήδη Python (αν όχι μάθετε εδώ), ή μπορεί να βολευτεί γρήγορα, αυτό είναι το τέλειο μάθημα για τους πραγματιστές που θέλουν να δημιουργήσουν πραγματικά, εύχρηστα συστήματα χωρίς να ανησυχούν πολύ για τις θεωρητικές βάσεις των αλγορίθμων.
Θα μπορούσα ακόμη και να πω ότι είναι για τους ανυπόμονους τεχνίτες (όπως εγώ!) που μισούν την τελετή και τη μονοτονία.
Και ω, είπα ότι είναι 100% δωρεάν και έχει μια υπέροχη κοινότητα;!
συμπέρασμα
Φτου!
Αυτή ήταν μια δύσκολη λίστα για τη σύνταξη. Όχι επειδή δεν υπήρχαν αρκετές καλές πηγές, αλλά επειδή ήταν πάρα πολλές!
Η Μηχανική Μάθηση είναι ένας τομέας που κυριολεκτικά έχει εκραγεί και επιλύει δύσκολα προβλήματα πραγματικά κομψά, και έτσι υπάρχουν εκατοντάδες μαθήματα διαδικτυακά, δωρεάν και επί πληρωμή, τα περισσότερα από τα οποία είναι πραγματικά πολύ καλά. Αλλά αυτό μπορεί επίσης να είναι πηγή σύγχυσης, γι’ αυτό προσπάθησα να το συνοψίσω σε έντεκα για διαφορετικούς τύπους μαθητών ανάλογα με το επίπεδο εμπειρίας τους.
Ελπίζω να βοήθησε!