Пути обучения - один из самых популярных и востребованных ресурсов, которые мы курируем в начале нового года. Недавно мы получили массу запросов с вопросом, когда мы выпустим схемы обучения на 2020 год.

И вот мы - мы очень рады представить первый путь обучения 2020 года для нашего сообщества!

Программа обучения на 2020 год представляет собой наиболее полную и полную совокупность структурированных ресурсов. Этот путь обучения предназначен для всех, кто хочет сделать карьеру в области науки о данных. Итак, являетесь ли вы новичком, имеете ли вы несколько лет опыта работы или являетесь профессионалом среднего уровня - этот путь обучения науке о данных для вас.

В этом году, основываясь на прекрасном приеме, который мы получили в прошлом году, мы расширили сферу этих обучающих программ. Мы выпустим 4 разных пути обучения, каждый из которых будет ориентирован на ваше положение в процессе обучения:

Почему вам следует записаться на этот курс обучения науке о данных

Существует слишком много учебных ресурсов. Я уверен, что это поймет любой, кто пробовал изучать из разных источников. Это может быть ошеломляющим для любого начинающего, независимо от того, на каком этапе карьеры вы находитесь.

И поэтому мы создали эти учебные траектории.

Мы избавляем вас от боли, времени и усилий, связанных с изучением сотен ресурсов по науке о данных, машинному обучению, глубокому обучению, обработке естественного языка (NLP) и компьютерному зрению. Наша цель - предоставить вам лучшие учебные ресурсы, которые помогут вам упростить процесс обучения науке о данных.

Здесь вы можете получить доступ к полному и наиболее исчерпывающему пути обучения, чтобы стать специалистом по данным в 2020 году. Вам нужно будет зарегистрироваться на платформе курсов, чтобы зарегистрироваться. Это позволит вам отслеживать, что вы изучали, по мере продвижения по пути к машинному обучению.

Резюме - Путь обучения, чтобы стать специалистом по данным в 2020 году

Вот краткое изложение того, что вы можете ожидать узнать (и шаги, которые вам следует выполнить), используя этот путь обучения:

  • Начало работы с наукой о данных и Python: ваше начало пути к анализу данных! Разберитесь, что делает специалист по данным, различные термины, связанные с наукой о данных, и начните знакомство с языком программирования Python.
  • Статистика и математика: основа науки о данных. Некоторые из ключевых понятий, которые вы рассмотрите, - это вероятность, логическая статистика и понимание того, как выполнять исследовательский анализ данных (EDA). Это также будет включать основы линейной алгебры (еще одна основная тема машинного обучения).
  • Основы машинного обучения: Добро пожаловать в мир машинного обучения! В этом разделе вы познакомитесь с основными алгоритмами и методами машинного обучения, включая линейную регрессию, логистическую регрессию, деревья решений, наивный байесовский метод, вспомогательные векторные машины (SVM) и другие.
  • Ансамблевое обучение. Пора углубиться в углубленные темы машинного обучения. Разберитесь, что такое ансамбль, различные методы ансамбля, и начните работать с наборами данных, чтобы получить практический практический опыт.
  • Временные ряды: одна из наиболее сложных тем в этой области. Это заслуживает отдельного раздела, поэтому мы также включили практический проект, чтобы познакомить вас с различными концепциями временных рядов и тем, как они работают в реальном мире.
  • Матричная алгебра и системы рекомендаций: Вы спросите, почему матричная алгебра? Что ж, вы не сможете серьезно задуматься о том, как работают рекомендательные системы без него! Итак, этот раздел, освещенный в июньском учебном курсе, посвящен этим двум актуальным и актуальным концепциям. Это будет охватывать методы уменьшения размерности, такие как анализ главных компонентов (PCA), а также проекты механизма рекомендаций.
  • Нейронные сети (и глубокое обучение): Да, глубокое обучение является частью пути обучения науке о данных. Учитывая быстрый рост и распространение приложений для глубокого обучения, это потенциально очень важная часть вашей роли как специалиста по данным. Вы узнаете о нейронных сетях, а также выберете популярный фреймворк глубокого обучения под названием Keras (вы можете выбрать другие в зависимости от ваших предпочтений, например PyTorch).
  • Компьютерное зрение. Компьютерное зрение, несомненно, является самой востребованной областью глубокого обучения в отрасли. После того, как вы ознакомитесь с приведенным выше разделом, погрузитесь в различные проблемы компьютерного зрения и учитесь в процессе.
  • Обработка естественного языка (NLP): самая популярная область в любой отрасли. Компании спотыкаются друг о друге в поисках лучших талантов НЛП - это прекрасное время, чтобы начать работать в НЛП! От Google BERT до Facebook RoBERTa - начните знакомство с самыми современными фреймворками НЛП.

Как упоминалось выше, вы можете получить доступ к полной программе обучения науке о данных здесь. Зарегистрируйтесь и начните свое путешествие по машинному обучению уже сегодня! Вы можете отслеживать свои успехи в течение года, отмечая вехи и приближаясь к роли своей мечты.

Мы также предоставили иллюстрированную версию этого пути обучения науке о данных, ниже, которая рисует картину по месяцам. Вы можете распечатать это и использовать как контрольный список. И если вы приложите все усилия и последуете этому пути обучения, у вас будет отличная возможность начать взламывать собеседования по науке о данных к концу 2020 года.

Вы можете скачать версию инфографики в высоком разрешении здесь.

Вы также можете прочитать эту статью о приложении Google Analytics Vidhya для Android.

Первоначально опубликовано на https://www.analyticsvidhya.com 6 января 2020 г.