Вот мой список всех бесплатных ресурсов, которые вы можете использовать для улучшения своего обучения в области машинного обучения и науки о данных.

Следуя им, вы сэкономите время и сделаете упор на практику, а не на теорию.

ПОЛНАЯ ПУТЬ УЧАСТНИКА ДАННЫХ

Это бесплатные платформы электронного обучения от известных компаний, которые также включают практические занятия, размещенные в облаке.

  1. Cognitive Class — контент разделен на модули, здесь можно изучать Python, машинное обучение и даже Bigdata. Это самый насыщенный путь обучения в моем списке.
  2. Amazon Learning — в aws Learn есть один из лучших модулей для науки о данных, я предлагаю пройти Математика для машинного обучения, прежде чем начинать что-либо еще в области науки о данных. Здесь также есть завершающий проект, который вы можете выполнить.
  3. Microsoft — это очень хорошо организованный путь обучения, в котором все виртуальные лаборатории размещены на Azure. Это более удобно для новичков и ускоряет вашу скорость.
  4. Google — ускоренный курс от Google, который познакомит вас с основами машинного обучения. Это наиболее практичный курс, и возможность запускать лабораторные работы с любой платформы делает его более предпочтительным.

ОБУЧЕНИЕ КОНКРЕТНЫМ НАВЫКАМ

  1. Python — несмотря на то, что существует множество онлайн-курсов для изучения Python, курс, в основном ориентированный на анализ данных, предоставляется на Kaggle.
  2. Excel — многие малые предприятия до сих пор используют Excel для своих полных аналитических потребностей, и наличие этих навыков улучшает ваше мышление с данными. Мы можем использовать Excel для нашего предварительного анализа. Excel — это универсальное решение для задач, которые в большей степени сосредоточены на обработке и визуализации небольших наборов данных.
  3. SQL — аналитика данных также включает получение данных из ряда источников, включая реляционные базы данных. Много раз вы будете нести ответственность за получение необходимых данных. Изучение SQL даст вам независимость в плане сбора данных. Кроме того, это принесло бы много пользы с точки зрения понимания взаимосвязей в данных.
  4. Бизнес-аналитика — этот шаг необязателен, но изучение инструмента бизнес-аналитики поможет вам находить ценные сведения на основе данных. Не все формулировки задач потребуют от вас запуска моделей машинного обучения, некоторые из которых можно решить с помощью простой визуализации данных. Я бы предложил tableau, так как он легче в освоении и более удобен для пользователя.

ПРАКТИЧЕСКИЕ НАВЫКИ В ОБЛАСТИ ДАННЫХ

«Знания бесполезны, если вы не применяете их на практике». — Антон Чехов

На мой взгляд, лучший способ попрактиковаться — это не участвовать в соревнованиях по работе с данными. Вот список моих любимых веб-сайтов для отработки недавно приобретенных навыков.

  1. Навыки работы с данными: Kaggle и Hackerearth.
  2. Python и SQL: Hackerrank

Я попытался составить список всех эффективных ресурсов для изучения навыков Data Science. Эти ресурсы сосредоточены на практических аспектах изучения концепций науки о данных.