暂时隔离数据库老数据_隔离期间最好的免费数据科学课程

暂时隔离数据库老数据

如果您因COVID-19大流行而被锁定，那么您可能还会有更多时间。 Binging Netflix很好，但也许您对此感到厌倦，并且想学习一些新知识。

数据科学是最近几年最有利可图的领域之一。 我在下面列出的资源将帮助那些足够技术的人在统计和微积分的水平上理解数学，从而将机器学习纳入他们的技能中。 他们甚至可以帮助您以数据科学家的身份开始新的职业。

[ 也在InfoWorld上：2020年的人工智能预测 ]

如果您已经可以使用Python或R进行编程，那么该技能将使您对应用数据科学有所了解。 另一方面，对于大多数人而言，编程并不是难事，而是数字方法。

Coursera提供以下许多课程。 您可以免费审核它们，但是如果您想获得信用，则需要为它们付款。

我建议从《统计学习的要素》这本书开始，这样您就可以在开始编写代码之前学习数学和概念。

我还应该注意，尽管不是免费的，但Udemy中有几门好的课程。 它们一生的使用费通常为200美元左右，但最近几天我看到其中许多价格都低于20美元。

Wintellectnow的Jeff Prosise告诉我，他计划免费提供更多课程，所以请继续关注。

统计学习的要素，第二版

作者：Trevor Hastie，Robert Tibshirani和Springer的Jerome Friedman
https://web.stanford.edu/~hastie/Papers/ESLII.pdf
这本764页的免费电子书是面向数据科学初学者的最受推荐的书籍之一。 它解释了机器学习的基础知识，以及一切在幕后如何工作，但不包含任何代码。 如果您希望使用R中带有应用程序的书籍版本，则可以通过Amazon购买或租借 。

Python专业化的应用数据科学

克里斯托弗·布鲁克斯（Christopher Brooks），凯文·柯林斯-汤普森（Kevyn Collins-Thompson），VG Vinod Vydiswaran和密歇根大学/库瑟拉分校的丹尼尔·罗梅罗（Daniel Romero）
https://www.coursera.org/specializations/data-science-python
密歇根大学的这门专业课程共五门课程（89小时），通过Python编程语言向您介绍数据科学。 本专业专为具有基本Python或编程背景，并希望通过流行的Python工具包（例如Pandas，Matplotlib，Scikit-learn， NLTK和NetworkX来深入了解其数据。

数据科学：使用R专业化的基础

Jeff Leek，Brian Caffo和Roger Peng（约翰霍普金斯大学/库塞拉）
https://www.coursera.org/specializations/data-science-foundations-r
这个长达68小时的专业课程（五门课程）涵盖基础数据科学工具和技术，包括获取，清理和探索数据，在R中进行编程以及进行可重复的研究。

深度学习

斯坦福/deeplearning.ai/Coursera的Andrew Ng，Kian Katanforoosh和Younes Bensouda Mourri
https://www.coursera.org/specializations/deep-learning
在77小时（五门课程）中，该系列讲授深度学习的基础，如何构建神经网络以及如何领导成功的机器学习项目。 您将学习卷积网络（CNN），递归神经网络（RNN），长期短期记忆网络（LSTM），Adam，Dropout，BatchNorm，Xavier / He初始化等。 您将从事医疗保健，自动驾驶，手语阅读，音乐生成和自然语言处理等案例研究。 除了理论之外，您还将学习使用Python和TensorFlow进行教学的方法，以及它们在工业中的应用。

机器学习基础

Wintellectnow的Jeff Prosise
https://www.wintellectnow.com/Videos/Watch?videoId=fundamentals-of-machine-learning
在这个免费的为时两小时的入门视频课程中，Prosise使用流行的用于机器学习的Python库Scikit-learn，带您完成回归，分类，支持向量机，主成分分析等工作。

机器学习

斯坦福大学/库塞拉大学的吴安德（Andrew Ng）
https://www.coursera.org/learn/machine-learning
这门长达56小时的视频课程广泛介绍了机器学习，数据挖掘和统计模式识别。 主题包括监督学习（参数/非参数算法，支持向量机，内核，神经网络），无监督学习（聚类，降维，推荐系统，深度学习）以及机器学习和AI的最佳实践（偏差/方差理论）和创新过程）。 您还将学习如何将学习算法应用于构建智能机器人，网络搜索，反垃圾邮件，计算机视觉，医学信息学，音频，数据库挖掘以及其他领域。

机器学习

华盛顿大学/库塞拉大学的卡洛斯·格斯特林和艾米丽·福克斯
https://www.coursera.org/specializations/machine-learning
华盛顿大学领先研究人员的143小时（四门课程）专业化课程为您介绍了令人兴奋的，需求量很大的机器学习领域。 通过一系列实际的案例研究，您将获得机器学习主要领域的应用经验，包括预测，分类，聚类和信息检索。 您将学习分析大型和复杂的数据集，创建随时间推移而适应和改进的系统，以及构建可以根据数据进行预测的智能应用程序。

翻译自: https://www.infoworld.com/article/3540434/the-best-free-data-science-courses-during-quarantine.html

暂时隔离数据库老数据

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！