Kiekvienas mašininio mokymo kursas internete, įvertintas pagal jūsų atsiliepimus

Prieš pusantrų metų atsisakiau vienos geriausių informatikos programų Kanadoje. Aš pradėjau kurti savo duomenų mokslo magistro programą naudodamas internetinius išteklius. Supratau, kad visko, ko man reikia, galėčiau išmokti per „edX“, „Coursera“ ir „Udacity“. Aš galėčiau to išmokti greičiau, efektyviau ir už nedidelę kainą.

Dabar jau beveik baigiau. Aš išklausiau daug su duomenų mokslu susijusių kursų ir dar daugelio dalių auditą. Aš žinau galimybes ir kokių įgūdžių reikia besimokantiesiems, besiruošiantiems atlikti duomenų analitiko ar duomenų mokslininko vaidmenį.Taigi aš pradėjau kurti apžvalgomis pagrįstą vadovą, kuriame rekomenduojami geriausi kursai kiekvienam duomenų mokslo dalykui.

Pirmajam šios serijos vadovui rekomendavau keletą kodavimo klasių duomenų pradedantiesiems pradedantiesiems. Tada tai buvo statistikos ir tikimybės klasės. Tada įvadas į duomenų mokslą. Taip pat duomenų vizualizavimas.

Dabar į mašininį mokymąsi.

Šiame vadove praleidau keliolika valandų bandydamas identifikuoti kiekvieną internetinį mašininio mokymo kursą, kuris buvo siūlomas nuo 2017 m. Gegužės mėn., Išgaunant pagrindinius informacijos fragmentus iš jų mokymo programų ir apžvalgų bei sudarant jų įvertinimus. Mano galutinis tikslas buvo nustatyti tris geriausius turimus kursus ir pateikti juos toliau.

Šiai užduočiai atlikti kreipiausi ne į atvirojo kodo „Class Central“ bendruomenę, bet ir į jos tūkstančių kursų įvertinimų ir apžvalgų duomenų bazę.

Nuo 2011 m. „Class Central“ įkūrėjas Dhawalas Shahas atidžiau stebėjo internetinius kursus nei, be abejo, kas nors kitas pasaulyje. Dhawalas asmeniškai man padėjo sudaryti šį išteklių sąrašą.

Kaip mes pasirinkome kursus, į kuriuos reikia atsižvelgti

Kiekvienas kursas turi atitikti tris kriterijus:

  1. Joje turi būti nemažai mašininio mokymosi turinio. Idealiu atveju mašininis mokymasis yra pagrindinė tema.Atkreipkite dėmesį, kad neįtraukiami tik gilaus mokymosi kursai. Apie tai vėliau.
  2. Jis turi būti užsakomas arba siūlomas kas kelis mėnesius.
  3. Tai turi būti interaktyvus internetinis kursas, todėl jokių knygų ar tik skaitomų pamokų nėra . Nors tai yra perspektyvūs mokymosi būdai, šiame vadove daugiausia dėmesio skiriama kursams. Kursai, kurie yra griežtai vaizdo įrašai (ty be viktorinų, užduočių ir pan.), Taip pat neįtraukiami.

Manome, kad apėmėme visus žymius kursus, kurie atitinka pirmiau nurodytus kriterijus. Kadangi, atrodo, yra šimtai „Udemy“ kursų, mes nusprendėme apsvarstyti tik labiausiai peržiūrėtus ir geriausiai įvertintus kursus.

Vis dėlto yra tikimybė, kad mes ką nors praleidome. Taigi, prašome pranešti mums komentarų skiltyje, jei palikome gerą kursą.

Kaip mes vertinome kursus

Norėdami apskaičiuoti kiekvieno kurso svertinį vidurkį, mes surinkome vidutinius įvertinimus ir apžvalgų skaičių iš „Class Central“ ir kitų apžvalgų svetainių. Mes skaitėme tekstines apžvalgas ir naudojome šiuos atsiliepimus, kad papildytume skaitinius įvertinimus.

Subjektyvius mokymo planus kvietėme remdamiesi trimis veiksniais:

  1. Mašininio mokymosi darbo eigos paaiškinimas. Ar kurse pateikiami veiksmai, reikalingi sėkmingam ML projektui vykdyti? Kitame skyriuje rasite įprastą darbo eigą.
  2. Mašininio mokymosi metodų ir algoritmų aprėptis. Ar taikoma įvairi technika (pvz., Regresija, klasifikacija, grupavimas ir kt.) Ir algoritmai (pvz., Klasifikacijos ribose: naivūs Bayes, sprendimų medžiai, palaikomosios vektorinės mašinos ir kt.), Ar tik keli pasirinkti? Pirmenybė teikiama kursams, kurie apima daugiau, netaupant detalių.
  3. Paprastų duomenų mokslo ir mašininio mokymosi priemonių naudojimas. Ar kursas mokomas naudojant populiarias programavimo kalbas, tokias kaip Python, R ir (arba) Scala? Kaip su populiariomis tomis kalbomis bibliotekomis? Tai nėra būtina, tačiau naudinga, todėl šiek tiek pirmenybė teikiama šiems kursams.

Kas yra mašininis mokymasis? Kas yra darbo eiga?

Populiarus apibrėžimas kilo iš Arthuro Samuelio 1959 m.: Mašininis mokymasis yra informatikos sritis, suteikianti „kompiuteriams galimybę mokytis be aiškaus programavimo“. Praktiškai tai reiškia, kad reikia sukurti kompiuterines programas, kurios gali prognozuoti remiantis duomenimis. Kaip žmonės gali mokytis iš patirties, taip gali mokytis ir kompiuteriai, kur duomenys = patirtis.

Mašininio mokymosi darbo eiga yra procesas, reikalingas mašininio mokymosi projektui vykdyti. Nors atskiri projektai gali skirtis, daugumai darbo eilučių tenka kelios bendros užduotys: problemų vertinimas, duomenų tyrimas, duomenų išankstinis apdorojimas, modelių mokymas / testavimas / diegimas ir kt. Žemiau rasite naudingą šių pagrindinių veiksmų vizualizaciją:

Idealus kursas supažindina su visu procesu ir pateikia interaktyvių pavyzdžių, užduočių ir (arba) viktorinų, kuriose studentai gali patys atlikti kiekvieną užduotį.

Ar šie kursai apima gilųjį mokymąsi?

Pirmiausia apibrėžkime gilų mokymąsi. Čia yra glaustas aprašymas:

„Gilus mokymasis yra mašininio mokymosi pogrupis, susijęs su algoritmais, įkvėptais smegenų struktūros ir funkcijos, vadinamų dirbtiniais neuroniniais tinklais.“ - Jasonas Brownlee iš Mašinų mokymosi meistriškumo

Kaip ir reikėjo tikėtis, kai kurių mašininio mokymo kursų dalyse yra gilaus mokymosi turinio. Vis dėlto nusprendžiau neįtraukti giliųjų tik mokymosi kursų. Jei jus domina gilus mokymasis, mes pateikėme jums šį straipsnį:

Pasinerkite į gilų mokymąsi su 12 nemokamų internetinių kursų

Kiekviena diena pateikia naujas antraštes, kaip gilus mokymasis keičia mus supantį pasaulį. Keletas pavyzdžių: medium.freecodecamp.com

Mano trys pagrindinės rekomendacijos iš šio sąrašo būtų:

  • Kūrybinės gilaus mokymosi programos naudojant „TensorFlow“pateikė Kadenze
  • Neuroniniai tinklai mašininiam mokymuisi, kurį pateikė Toronto universitetas (dėstė Geoffrey Hinton) per Coursera
  • Gilus mokymasis AZ ™: praktiniai dirbtiniai neuroniniai tinklai

    pateikė Kirillas Eremenko, Hadelinas de Pontevesas ir „SuperDataScience Team“ per „Udemy“

Rekomenduojamos prielaidos

Keli žemiau išvardyti kursai prašo studentų turėti išankstinio programavimo, skaičiavimo, tiesinės algebros ir statistikos patirties. Šios sąlygos yra suprantamos, atsižvelgiant į tai, kad mašininis mokymasis yra pažangi disciplina.

Trūksta kelių dalykų? Geros naujienos! Dalį šios patirties galima įgyti pasinaudojus mūsų rekomendacijomis, pateiktomis pirmuose dviejuose šio duomenų mokslo karjeros vadovo straipsniuose (programavimas, statistika). Keli žemiau pateikti reitinguoti kursai taip pat suteikia švelnų skaičiavimą ir linijinę algebros atnaujinimą ir pabrėžia aspektus, kurie yra svarbiausi mašininiam mokymuisi tiems, kurie yra mažiau susipažinę.

Geriausias mašininio mokymo kursas yra…

  • Mašinų mokymasis (Stanfordo universitetas per Coursera)

Stanfordo universiteto mašininis mokymasis „Coursera“ yra aiškus dabartinis nugalėtojas pagal reitingus, apžvalgas ir programos atitikimą. Dėstoma garsaus Andrew Ng, „Google Brain“ įkūrėjo ir buvusio „Baidu“ mokslininko, ši klasė paskatino įkurti „Coursera“. Vidutinis įvertintas 4,7 žvaigždutės įvertinimas viršija 422 atsiliepimus.

Išleista 2011 m., Ji apima visus mašininio mokymosi darbo eigos aspektus. Nors jo taikymo sritis yra mažesnė nei pradinės Stanfordo klasės, kuria ji grindžiama, ji vis tiek sugeba aprėpti daugybę metodų ir algoritmų. Apskaičiuota laiko juosta yra vienuolika savaičių, dvi savaitės skirtos nervų tinklams ir giliam mokymuisi. Galimi nemokami ir mokami variantai.

Ng yra dinamiškas, tačiau švelnus instruktorius, turintis apčiuopiamą patirtį. Jis įkvepia pasitikėjimo, ypač kai dalijamasi praktiniais įgyvendinimo patarimais ir įspėjimais apie įprastas spąstus. Pateikiamas tiesinis algebros atnaujinimas, o Ng pabrėžia skaičiavimo aspektus, labiausiai susijusius su mašininiu mokymusi.

Vertinimas yra automatinis ir atliekamas per kelių pasirinkimų viktorinas, kurios seka kiekvieną pamoką ir programavimo užduotis. Užduotis (jų yra aštuoni) galima atlikti MATLAB arba „Octave“, kuris yra atviro kodo MATLAB versija. Ng paaiškina savo kalbos pasirinkimą:

Anksčiau aš bandžiau mokyti mašininio mokymosi, naudodamas daugybę skirtingų programavimo kalbų, įskaitant C ++, Java, Python, NumPy ir Octave ... Ir tai, ką mačiau išmokęs mašininio mokymosi beveik dešimtmetį jūs mokotės daug greičiau, jei naudojate „Octave“ kaip savo programavimo aplinką.

Nors „Python“ ir „R“ 2017 m. Greičiausiai yra patrauklesni pasirinkimai, kai vis labiau populiarėja tos kalbos, apžvalgininkai pažymi, kad tai neturėtų trukdyti jums dalyvauti kursuose.

Keli žinomi apžvalgininkai atkreipė dėmesį į tai:

Stanfordo mašininio mokymo kursas, turintis ilgą laiką žinomą MOOC pasaulyje, yra tikrasis šios temos įvadas. Kursas apima visas pagrindines mašininio mokymosi sritis ... Prof. Ng prieš kiekvieną segmentą pateikia motyvuojančią diskusiją ir pavyzdžius.

Andrew Ng yra gabus mokytojas, gebantis labai intuityviai ir aiškiai paaiškinti sudėtingus dalykus, įskaitant visų sąvokų matematiką. Labai rekomenduojama.

Vienintelė problema, kurią matau dėl šio kurso, jei tai labai pakelia kitų kursų lūkesčių barą.

Nauja „Ivy League“ įžanga su puikiu profesoriumi

  • Mašinų mokymasis (Kolumbijos universitetas per edX)

Kolumbijos universiteto mašininis mokymasis yra palyginti naujas pasiūlymas, kuris yra jų dirbtinio intelekto „MicroMasters“, esančių „edX“, dalis. Nors ji yra naujesnė ir joje nėra daug apžvalgų, tačiau jos yra išskirtinai stiprios. Profesorius Johnas Paisley pažymimas kaip puikus, aiškus ir sumanus. Vidutinis įvertintas 4,8 žvaigždutės įvertinimas viršija 10 apžvalgų.

Kursas taip pat apima visus mašininio mokymosi darbo eigos aspektus ir daugiau algoritmų nei aukščiau minėtas Stanfordo pasiūlymas. „Columbia's“ yra pažangesnis įvadas, recenzentai pažymi, kad studentams turėtų būti patogu laikytis rekomenduojamų sąlygų (skaičiavimas, tiesinė algebra, statistika, tikimybė ir kodavimas).

Vertinimo būdai yra viktorinos (11), programavimo užduotys (4) ir baigiamasis egzaminas. Studentai gali atlikti „Python“, „Octave“ arba „MATLAB“, kad atliktų užduotis. Bendras numatomas kursų laikas yra nuo aštuonių iki dešimties valandų per savaitę per dvylika savaičių. Tai nemokama su patikrintu sertifikatu, kurį galima įsigyti.

Žemiau pateikiami keli aukščiau paminėti putojantys atsiliepimai:

Per visus studentavimo metus teko susidurti su profesoriais, kurie nėra puikūs, profesoriais, kurie yra puikūs, tačiau nemoka aiškiai paaiškinti dalykų, ir su profesoriais, kurie yra puikūs ir žino, kaip paaiškinti dalykus aiškiai. Daktaras Paisley priklauso trečiajai grupei.

Tai puikus kursas ... Instruktoriaus kalba yra tiksli ir tai, mano galva, yra viena stipriausių kurso vietų. Paskaitos yra kokybiškos, skaidrios taip pat puikios.

Dr. Paisley ir jo vadovas yra… Maiklo Jordano, mašininio mokymosi tėvo, mokiniai. [Dr. Paisley] yra geriausias Kolumbijos ML profesorius dėl savo sugebėjimo aiškiai paaiškinti dalykus. Šį semestrą jo kursą pasirinko iki 240 studentų. Tai yra didžiausias profesorių, dėstančių mašininį mokymąsi Kolumbijoje, skaičius.

Praktiškas „Python & R“ įvadas iš pramonės ekspertų

  • Mašininis mokymasis AZ ™: „Hand-On Python & R“ duomenų moksle (Kirilas Eremenko, Hadelinas de Pontevesas ir „SuperDataScience“ komanda per „Udemy“)

Mašininis mokymasis AZ ™ sistemoje „Udemy“ yra įspūdingai išsamus pasiūlymas, suteikiantis instrukcijas tiek „ Python“, tiek „R“, o tai nėra retai ir to negalima pasakyti apie jokius kitus geriausius kursus. Ji turi 4,5 žvaigždutės svertinį vidutinį įvertinimą, viršijantį 8119 atsiliepimus, todėl tai yra labiausiai peržiūrėta kursas iš svarstytų.

Tai apima visą mašininio mokymosi darbo eigą ir beveik juokingą (gerąja prasme) algoritmų skaičių per 40,5 valandos vaizdo pagal pareikalavimą. Kursas laikosi labiau pritaikyto požiūrio ir yra lengvesnis matematikos požiūriu nei pirmiau minėti du kursai. Kiekvienas skyrius prasideda Eremenko „intuicijos“ vaizdo įrašu, kuriame apibendrinama pagrindinė dėstomos koncepcijos teorija. Tada de Pontevesas peržiūri diegimą su atskirais vaizdo įrašais tiek „Python“, tiek „R“.

Kaip „premiją“ kurse yra „Python“ ir „R“ kodų šablonai, kuriuos studentai gali atsisiųsti ir naudoti savo projektuose. Yra viktorinų ir namų darbų iššūkių, nors tai nėra stipriosios kurso pusės.

Eremenko ir „SuperDataScience“ komanda yra gerbiama dėl jų sugebėjimo „padaryti kompleksą paprastą“. Taip pat išvardytos būtinos sąlygos yra „tik dalis vidurinės mokyklos matematikos“, todėl šis kursas gali būti geresnis pasirinkimas tiems, kuriuos baugina Stanfordo ir Kolumbijos aukos.

Keli žinomi apžvalgininkai atkreipė dėmesį į tai:

Kursas yra profesionaliai sukurtas, garso kokybė yra puiki, o paaiškinimai yra aiškūs ir glausti ... Tai neįtikėtina vertė jūsų finansinei ir laiko investicijai.

Buvo įspūdinga, kad vienu metu galėjome sekti kursą dviem skirtingomis programavimo kalbomis.

Kirilas yra vienas absoliučiai geriausių „Udemy“ (jei ne interneto) instruktorių ir aš rekomenduoju lankyti bet kurią jo dėstomą klasę. ... Šis kursas turi daugybę turinio, pavyzdžiui, toną!

Varžybos

Mūsų pasirinktas numeris 1 įvertino vidutinį svertinį įvertinimą 4,7 iš 5 žvaigždžių per 422 atsiliepimus. Pažvelkime į kitas alternatyvas, surūšiuotas pagal mažėjantį reitingą. Priminimas, kad į šį vadovą nėra įtraukti tik gilaus mokymosi kursai - juos galite rasti čia.

„Analytics Edge“ (Masačusetso technologijos institutas / edX): daugiau dėmesio skiriama analitikai apskritai, nors ji apima kelias mašininio mokymosi temas. Naudojamas R. Stiprus pasakojimas, kuris pasitelkia žinomus realaus pasaulio pavyzdžius. Iššūkis. Dešimt – penkiolika valandų per savaitę per dvylika savaičių. Nemokamai su patikrintu sertifikatu, kurį galima įsigyti. Jis turi 4,9 žvaigždutės svertinį vidutinį įvertinimą virš 214 apžvalgų.

„Python for Data Science and Machine Learning Bootcamp“ (Jose Portilla / Udemy): turi daug mašininio mokymosi turinio dalių, tačiau apima visą duomenų mokslo procesą. Daugiau labai išsamus „Python“ įvadas. Nuostabus kursas, nors ir nėra idealus šio vadovo taikymo sričiai. 21,5 val. Užsakomojo vaizdo įrašo. Kaina skiriasi priklausomai nuo „Udemy“ nuolaidų, kurios yra dažnos. Ji turi 4,6 žvaigždutės svertinį vidutinį įvertinimą, palyginti su 3316 apžvalgomis.

Duomenų mokslo ir mašininio mokymosi „Bootcamp“ su R (Jose Portilla / Udemy): Čia taip pat taikomi aukščiau paminėto „Portilla“ kurso komentarai, išskyrus R. 17,5 valandos vaizdo įrašą pagal pareikalavimą. Kaina skiriasi priklausomai nuo „Udemy“ nuolaidų, kurios yra dažnos. Ji turi 4,6 žvaigždutės svertinį vidutinį įvertinimą virš 1317 apžvalgų.

Mašininio mokymosi serija („Lazy Programmer Inc./Udemy“): dėsto duomenų mokslininkas / didžiųjų duomenų inžinierius / „full stack“ programinės įrangos inžinierius su įspūdingu atnaujinimu, „Lazy Programmer“ šiuo metu turi 16 mašininiam mokymuisi skirtų kursų apie „Udemy“. Iš viso kursai turi daugiau nei 5000 įvertinimų ir beveik visi jie turi 4,6 žvaigždutės. Kiekvieno kurso aprašyme pateikiama naudinga kursų tvarka. Naudoja „Python“. Kaina skiriasi priklausomai nuo „Udemy“ nuolaidų, kurios dažnai būna.

Mašininis mokymasis („Georgia Tech / Udacity“): trijų atskirų kursų rinkinys: prižiūrimas, neprižiūrimas ir mokymosi sustiprinimas. Dalis „Udacity“ mašininio mokymosi inžinieriaus „Nanodegree“ ir „Georgia Tech“ internetinio magistro laipsnio (OMS). Įkandami vaizdo įrašai, kaip ir „Udacity“ stilius. Draugiški profesoriai. Numatoma keturių mėnesių trukmė. Laisvas. Vidutinis įvertintas 4,56 žvaigždutės įvertinimas viršija 9 atsiliepimus.

„Predictive Analytics“ su „Spark“ diegimas „Azure HDInsight“ („Microsoft“ / „edX“): pristatomos pagrindinės mašininio mokymosi sąvokos ir įvairūs algoritmai. Pasinaudoja keliais dideliems duomenims pritaikytais įrankiais, įskaitant „Apache Spark“, „Scala“ ir „Hadoop“. Naudoja ir „Python“, ir R. keturias valandas per savaitę per šešias savaites. Nemokamai su patikrintu sertifikatu, kurį galima įsigyti. Vidutinis įvertintas 4,5 žvaigždutės įvertinimas viršija 6 atsiliepimus.

Duomenų mokslas ir mašininis mokymasis naudojant „Python“ - rankos! (Frank Kane / Udemy): naudoja „Python“. Kane'as turi devynerių metų patirtį „Amazon“ ir IMDb. Devynios valandos vaizdo įrašo pagal pareikalavimą. Kaina skiriasi priklausomai nuo „Udemy“ nuolaidų, kurios yra dažnos. Jis turi 4,5 žvaigždutės svertinį vidutinį įvertinimą virš 4139 atsiliepimų.

„Scala“ ir „Spark“, skirta dideliems duomenims ir mašininiam mokymuisi (Jose Portilla / Udemy): „Didieji duomenys“ sutelkti dėmesį, ypač į įgyvendinimą „Scala“ ir „Spark“. Dešimt valandų vaizdo pagal pareikalavimą. Kaina skiriasi priklausomai nuo „Udemy“ nuolaidų, kurios yra dažnos. Jis turi 4,5 žvaigždutės svertinį vidutinį įvertinimą virš 607 atsiliepimų.

Mašinų mokymosi inžinierius „Nanodegree“ („Udacity“): „Udacity“ pavyzdinė mašininio mokymosi programa, kurioje yra geriausia klasėje projekto peržiūros sistema ir palaikymas karjeroje. Programa yra kelių atskirų nemokamų „Udacity“ kursų rinkinys. Kartu sukūrė Kaggle. Numatoma šešių mėnesių trukmė. Šiuo metu kainuoja 199 USD per mėnesį, o 50% mokslą galima grąžinti tiems, kurie baigia studijas per 12 mėnesių. Vidutinis įvertintas 4,5 žvaigždutės įvertinimas viršija 2 atsiliepimus.

Mokymasis iš duomenų (įvadinis mašininis mokymasis) (Kalifornijos technologijos institutas / edX): registracija šiuo metu baigta naudojant „edX“, tačiau ją taip pat galima gauti per „CalTech“ nepriklausomą platformą (žr. Toliau). Vidutinis įvertintas 4,49 žvaigždutės įvertinimas viršija 42 atsiliepimus.

Mokymasis iš duomenų (įvadinis mašininis mokymasis) (Yaser Abu-Mostafa / Kalifornijos technologijos institutas): „Tikras„ Caltech “kursas, o ne sušvelninta versija“. Apžvalgos pažymi, kad tai puikiai supranta mašininio mokymosi teoriją. Profesorius Yaseris Abu-Mostafa yra populiarus tarp studentų ir taip pat parašė vadovėlį, kuriuo remiasi šis kursas. Vaizdo įrašai yra įklijuoti į „YouTube“ paskaitas (su paskaitomis skaidriomis „vaizdas į vaizdą“). Namų užduotys yra .pdf failai. Internetinių studentų patirtis nėra tokia šlifuota, kaip trys geriausios rekomendacijos. Vidutinis įvertintas 4,43 žvaigždutės įvertinimas viršija 7 atsiliepimus.

Kasybos masiniai duomenų rinkiniai (Stanfordo universitetas): mašininis mokymasis, daugiausia dėmesio skiriant „didiesiems duomenims“. Pristato šiuolaikines paskirstytas failų sistemas ir „MapReduce“. Dešimt valandų per savaitę per septynias savaites. Laisvas. Vidutinis įvertintas 4,4 žvaigždutės įvertinimas viršija 30 apžvalgų.

„AWS Machine Learning“: pilnas vadovas su „Python“ (Chandra Lingam / Udemy): unikalus dėmesys debesų kompiuterio mokymuisi ir ypač „Amazon Web Services“. Naudoja „Python“. Devynios valandos vaizdo įrašo pagal pareikalavimą. Kaina skiriasi priklausomai nuo „Udemy“ nuolaidų, kurios yra dažnos. Vidutinis įvertintas 4,4 žvaigždutės įvertinimas viršija 62 atsiliepimus.

Įvadas į mašininį mokymąsi ir veido aptikimą „Python“ (Holczer Balazs / Udemy): naudoja „Python“. Aštuonios valandos vaizdo įrašo pagal pareikalavimą. Kaina skiriasi priklausomai nuo „Udemy“ nuolaidų, kurios yra dažnos. Vidutinis įvertintas 4,4 žvaigždutės įvertinimas viršija 162 atsiliepimus.

„StatLearning“: Statistinis mokymasis (Stanfordo universitetas): Remiantis puikiu vadovėliu „Įvadas į statistinį mokymąsi, taikant R programas“, kurį mokė jį parašę profesoriai. Recenzentai pažymi, kad MOOC nėra toks geras kaip knyga, remdamiesi „plonais“ pratimais ir vidutinišku vaizdo įrašu. Penkias valandas per savaitę per devynias savaites. Laisvas. Jis turi 4,35 žvaigždutės svertinį vidutinį įvertinimą virš 84 apžvalgų.

Mašininio mokymosi specializacija (Vašingtono universitetas / Coursera): Puikūs kursai, tačiau dvi paskutinės klasės (įskaitant pagrindinio projekto projektą) buvo atšauktos. Recenzentai pažymi, kad ši serija yra lengviau virškinama (skaitykite: lengviau tiems, kurie neturi stiprios technikos) nei kiti geriausi mašinų mokymosi kursai (pvz., Stanfordo ar „Caltech“). Turėkite omenyje, kad serija yra neišsami, trūksta rekomendacinių sistemų, gilaus mokymosi ir trūksta santraukos. Galimi nemokami ir mokami variantai. Jis turi 4,31 žvaigždutės vidutinį svertinį įvertinimą virš 80 apžvalgų.

Nuo 0 iki 1: mašininis mokymasis, NLP ir „Python-Cut to Chase“ („Loony Corn / Udemy“): „Žemiškas, drovus, bet užtikrintai perimantis mašininio mokymosi metodiką“. Dėstė keturių žmonių komanda, turinti dešimtmečių pramonės patirtį kartu. Naudoja „Python“. Kaina skiriasi priklausomai nuo „Udemy“ nuolaidų, kurios yra dažnos. Jis turi 4,2 žvaigždutės įvertintą vidutinį įvertinimą, įvertinant daugiau nei 494 atsiliepimus.

Mašininio mokymosi principai („Microsoft“ / „edX“): naudoja „R“, „Python“ ir „Microsoft Azure Machine Learning“. Dalis „Microsoft“ profesionalios programos duomenų mokslo pažymėjimo. Nuo trijų iki keturių valandų per savaitę per šešias savaites. Nemokamai su patikrintu sertifikatu, kurį galima įsigyti. Vidutinis įvertintas 4,09 žvaigždutės įvertinimas viršija 11 atsiliepimų.

Didieji duomenys: statistinė išvada ir mašininis mokymasis (Kvinslando technologijos universitetas / FutureLearn): gražus, trumpas tiriamasis mašininio mokymosi kursas, daugiausia dėmesio skiriant didiesiems duomenims. Apima keletą įrankių, tokių kaip R, H2O Flow ir WEKA. Tik tris savaites trunka rekomenduojamos dvi valandos per savaitę, tačiau vienas apžvalgininkas pažymėjo, kad tinkamesnės būtų šešios valandos per savaitę. Galimi nemokami ir mokami variantai. Jis turi 4 žvaigždučių svertinį vidutinį įvertinimą, palyginti su 4 apžvalgomis.

Genomikos duomenų mokslas ir klasteris (Bioinformatika V) (Kalifornijos universitetas, San Diegas / Coursera): Tiems, kurie domisi kompiuterių mokslo ir biologijos susikirtimu ir kaip tai atstovauja svarbiai šiuolaikinio mokslo sienai. Dėmesys sutelktas į grupes ir matmenų mažinimą. UCSD Bioinformatikos specializacijos dalis. Galimi nemokami ir mokami variantai. Jis turi 4 žvaigždučių svertinį vidutinį įvertinimą, palyginti su 3 apžvalgomis.

Įvadas į mašininį mokymąsi („Udacity“): prioritetizuoja temos plotį ir praktines priemones („Python“), o ne gilumą ir teoriją. Instruktoriai Sebastianas Thrunas ir Katie Malone daro šią klasę tokią linksmą. Susideda iš įkandimo dydžio vaizdo įrašų ir viktorinų, po kurių kiekvienai pamokai skiriamas mini projektas. Šiuo metu „Udacity“ duomenų analitiko „Nanodegree“ dalis. Numatoma dešimties savaičių trukmė. Laisvas. Jis turi 3,95 žvaigždutės įvertintą vidutinį įvertinimą virš 19 apžvalgų.

Mašinų mokymasis duomenų analizei (Wesleyan University / Coursera): Trumpas intro mašininis mokymasis ir keli pasirinkti algoritmai. Apima sprendimų medžius, atsitiktinius miškus, laso regresiją ir k reiškia grupes. Dalis Wesleyano duomenų analizės ir aiškinimo specializacijos. Numatoma keturių savaičių trukmė. Galimi nemokami ir mokami variantai. Jis turi 3,6 žvaigždutės įvertintą vidutinį įvertinimą per 5 atsiliepimus.

Programavimas su „Python for Data Science“ („Microsoft“ / edX): „Microsoft“ sukurtas bendradarbiaujant su „Coding Dojo“. Naudoja „Python“. Aštuonios valandos per savaitę per šešias savaites. Galimi nemokami ir mokami variantai. Jis turi 3,46 žvaigždutės vidutinį svertinį įvertinimą per 37 atsiliepimus.

Mašinų mokymasis prekybai (Georgia Tech / Udacity): pagrindinis dėmesys skiriamas tikimybinio mašininio mokymosi metodų taikymui priimant sprendimus dėl prekybos. Naudoja „Python“. Dalis „Udacity“ mašininio mokymosi inžinieriaus „Nanodegree“ ir „Georgia Tech“ internetinio magistro laipsnio (OMS). Numatoma keturių mėnesių trukmė. Laisvas. Vidutinis įvertintas 3,29 žvaigždutės įvertinimas viršija 14 apžvalgų.

Praktinis mašininis mokymasis (Johns Hopkins universitetas / Coursera): Trumpas, praktinis įvadas į daugybę mašininio mokymosi algoritmų. Keli vienos / dviejų žvaigždučių atsiliepimai, išreiškiantys įvairius rūpesčius. Dalis JHU Duomenų mokslo specializacijos. Nuo keturių iki devynių valandų per savaitę per keturias savaites. Galimi nemokami ir mokami variantai. Jis turi 3,11 žvaigždutės svertinį vidutinį įvertinimą per 37 atsiliepimus.

Mašinų mokymasis duomenų mokslui ir analizei (Kolumbijos universitetas / edX): pristato platų mašininio mokymosi temų spektrą. Kai kurie aistringi neigiami atsiliepimai, susiję su turinio pasirinkimu, programavimo užduočių trūkumu ir neįkvepiančiu pristatymu. Nuo septynių iki dešimties valandų per savaitę per penkias savaites. Nemokamai su patikrintu sertifikatu, kurį galima įsigyti. Vidutinis įvertintas 2,74 žvaigždutės įvertinimas viršija 36 atsiliepimus.

Rekomenduojančių sistemų specializacija (Minesotos universitetas / Coursera): didelis dėmesys skiriamas vienai konkrečiai mašininio mokymosi rūšiai - rekomenduojančioms sistemoms. Keturių kursų specializacija plius akmenų projektas, kuris yra atvejo tyrimas. Dėstė naudodamas „LensKit“ (atviro kodo rekomendacinių sistemų įrankių rinkinys). Galimi nemokami ir mokami variantai. Jis turi 2 žvaigždučių svertinį vidutinį įvertinimą virš 2 atsiliepimų.

Mašininis mokymasis naudojant didelius duomenis (Kalifornijos universitetas, San Diegas / Coursera): siaubingi atsiliepimai, pabrėžiantys prastą instrukciją ir vertinimą. Kai kurie pastebėjo, kad viso kurso pabaiga užtruko kelias valandas. Dalis UCSD didžiųjų duomenų specializacijos. Galimi nemokami ir mokami variantai. Vidutinis įvertintas 1,86 žvaigždutės įvertinimas viršija 14 apžvalgų.

Praktinė nuspėjamoji analizė: modeliai ir metodai (Vašingtono universitetas / Coursera): Trumpas įvadas į pagrindines mašininio mokymosi koncepcijas. Vienas apžvalgininkas pažymėjo, kad trūko viktorinų ir kad užduotys nebuvo sudėtingos. Dalis UW duomenų mokslo mastelio specializacijos srityje. Šešias – aštuonias valandas per savaitę keturias savaites. Galimi nemokami ir mokami variantai. Vidutinis įvertintas 1,75 žvaigždutės įvertinimas viršija 4 atsiliepimus.

Šie kursai nuo 2017 m. Gegužės mėn. Turėjo vieną apžvalgą arba jų nebuvo.

Mašinų mokymasis muzikantams ir menininkams (Goldsmiths, Londono universitetas / Kadenze): unikalus. Studentai mokosi algoritmų, programinės įrangos įrankių ir mašininio mokymosi geriausios praktikos, kad suprastų žmogaus gestą, muzikinį garsą ir kitus realaus laiko duomenis. Septyni užsiėmimai. Galimi audito (nemokamas) ir aukščiausios kokybės (10 USD USD per mėnesį) variantai. Ji turi vieną 5 žvaigždučių apžvalgą.

Taikomasis mašininis mokymasis Python'e (Mičigano universitetas / Coursera): mokoma naudojant „Python“ ir „scikit learn“ įrankių rinkinį. Dalis taikomųjų duomenų su Python specializacija. Planuojama pradėti gegužės 29 d. Galimi nemokami ir mokami variantai.

Taikomasis mašininis mokymasis („Microsoft“ / edX): mokoma naudojant įvairius įrankius, įskaitant „Python“, „R“ ir „Microsoft Azure Machine Learning“ (pastaba: „Microsoft“ kuria kursą). Apima praktines laboratorijas, kad būtų sustiprintas paskaitos turinys. Nuo trijų iki keturių valandų per savaitę per šešias savaites. Nemokamai su patikrintu sertifikatu, kurį galima įsigyti.

Mašininis mokymasis su „Python“ („Big Data University“): mokoma naudojant „Python“. Taikoma pradedantiesiems. Numatomas keturių valandų užbaigimo laikas. Didžiųjų duomenų universitetas yra susijęs su IBM. Laisvas.

Mašininis mokymasis naudojant „Apache SystemML“ („Big Data University“): mokoma naudojant „Apache SystemML“, kuri yra deklaratyvaus stiliaus kalba, skirta didelio masto mašininiam mokymuisi. Numatomas aštuonių valandų užbaigimo laikas. Didžiųjų duomenų universitetas yra susijęs su IBM. Laisvas.

Mašininis mokymasis duomenų mokslui (Kalifornijos universitetas, San Diegas / edX): pradedamas vykdyti tik 2018 m. Sausio mėn. Programavimo pavyzdžiai ir užduotys yra „Python“, naudojant „Jupyter“ bloknotus. Aštuonios valandos per savaitę per dešimt savaičių. Nemokamai su patikrintu sertifikatu, kurį galima įsigyti.

Įvadas į „Analytics“ modeliavimą (Georgia Tech / edX): Kursas reklamuoja R kaip pagrindinį programavimo įrankį. Nuo penkių iki dešimties valandų per savaitę per dešimt savaičių. Nemokamai su patikrintu sertifikatu, kurį galima įsigyti.

Nuspėjama analizė: įžvalgų gavimas iš didelių duomenų (Kvinslando technologijos universitetas / FutureLearn): trumpa kelių algoritmų apžvalga. Naudoja „Hewlett Packard Enterprise“ „Vertica Analytics“ platformą kaip taikomą įrankį. Pradžios data turi būti paskelbta. Dvi valandos per savaitę per keturias savaites. Nemokama su pasiekimo pažymėjimu, kurį galima nusipirkti.

Įvadas į mašininį mokymąsi (Universitas Telefónica / Miríada X): dėstoma ispanų kalba. Įvadas į mašininį mokymąsi, apimantį prižiūrimą ir neprižiūrimą mokymąsi. Iš viso dvidešimt numatytų valandų per keturias savaites.

Mašininio mokymosi kelio žingsnis („Dataquest“): mokoma „Python“ naudojant interaktyvią „Dataquest“ naršyklės platformą. Keli vadovaujami projektai ir „pliuso“ projektas, kuriame jūs kuriate savo mašininio mokymosi sistemą naudodami savo duomenis. Būtina prenumerata.

Šiuos šešis kursus siūlo „DataCamp“. „DataCamp“ hibridinis mokymo stilius naudodamas vaizdo ir teksto instrukcijas su daugybe pavyzdžių, naudodamas naršyklės kodo rengyklę. Norint gauti pilną prieigą prie kiekvieno kurso, reikia prenumeratos.

Įvadas į mašininį mokymąsi („DataCamp“): Apima klasifikavimo, regresijos ir grupavimo algoritmus. Naudojama R. Penkiolika vaizdo įrašų ir 81 pratimai, kurių numatoma laiko juosta yra šešios valandos.

Prižiūrimas mokymasis naudojant „scikit-learn“ („DataCamp“): naudoja „Python“ ir „scikit-learn“. Apima klasifikavimo ir regresijos algoritmus. Septyniolika vaizdo įrašų ir 54 pratimai, kurių numatoma laiko juosta yra keturios valandos.

Neprižiūrimas mokymasis R („DataCamp“): Pateikiamas pagrindinis įvadas į grupes ir matmenų mažinimą R. Šešiolika vaizdo įrašų ir 49 pratimai, kurių numatoma laiko juosta yra keturios valandos.

Mašininio mokymosi įrankių rinkinys („DataCamp“): moko „didelių idėjų“ mašininio mokymosi srityje. Naudojami R. 24 vaizdo įrašai ir 88 pratimai, kurių numatoma laiko juosta yra keturios valandos.

Mašininis mokymasis su ekspertais: mokyklos biudžetai („DataCamp“): „DrivenData“ mašininio mokymosi konkurso atvejo analizė. Įtraukia modelį, kuris automatiškai klasifikuoja daiktus į mokyklos biudžetą. „DataCamp“ „Prižiūrimas mokymasis naudojant„ scikit-learn ““ yra būtina sąlyga. Penkiolika vaizdo įrašų ir 51 pratimas, kurio numatoma laiko juosta yra keturios valandos.

Neprižiūrimas mokymasis „Python“ sistemoje („DataCamp“): apima įvairius neprižiūrimus mokymosi algoritmus, naudojant „Python“, „scikit-learn“ ir „scipy“. Kursas baigiasi tuo, kad studentai kuria rekomendacijų sistemą, kad rekomenduotų populiarius muzikos atlikėjus. Trylika vaizdo įrašų ir 52 pratimai, kurių numatoma laiko juosta yra keturios valandos.

Mašinų mokymasis (Tom Mitchell / Carnegie Mellon universitetas): Carnegie Mellon absolventų įvadinis mašininio mokymo kursas. Būtina sąlyga jų antrojo kurso „Statistinis mašininis mokymasis“. Įrašytos universiteto paskaitos su praktikos problemomis, namų darbų užduotimis ir tarpiniu laikotarpiu (visi su sprendimais), paskelbti internete. Taip pat egzistuoja 2011 m. Kurso versija. CMU yra viena iš geriausių mašininio mokymosi absolventų mokyklų ir turi visą skyrių, skirtą ML. Laisvas.

Statistinis mašininis mokymasis (Larry Wasserman / Carnegie Mellon universitetas): greičiausiai pažangiausias šio vadovo kursas. Carnegie Mellon mašininio mokymo kurso tęsinys. Užfiksuotos universiteto paskaitos su praktikos problemomis, namų darbų užduotimis ir viduriniu laikotarpiu (visi su sprendimais), paskelbti internete. Laisvas.

Mašinų mokymasis bakalaurantais (Nando de Freitas / Britų Kolumbijos universitetas): mašininio bakalauro studijų kursas. Paskaitos filmuojamos ir pateikiamos „YouTube“ su skaidrėmis, paskelbtomis kurso svetainėje. Kursų užduotys taip pat paskelbtos (tačiau nėra sprendimų). de Freitas dabar yra nuolatinis Oksfordo universiteto profesorius ir įvairiuose forumuose sulaukia pagyrimų už dėstymo sugebėjimus. Galima baigti versiją (žr. Toliau).

Mašininis mokymasis (Nando de Freitas / Britų Kolumbijos universitetas): baigė mašininio mokymo kursą. Čia pateikiami ir aukščiau pateiktų „de Freitas“ bakalauro studijų komentarai.

Apvyniokite jį

Tai penktoji šešių dalių serija, apimanti geriausius internetinius kursus, leidžiančius patekti į duomenų mokslo sritį. Pirmame straipsnyje aptarėme programavimą, antrojo - statistiką ir tikimybę, trečiajame - duomenų mokslo įvadus, ketvirtame - duomenų vizualizavimą.

Kiekvieną „Intro to Data Science“ kursą internete suskirstiau pagal tūkstančius duomenų taškų

Prieš metus atsisakiau vienos geriausių informatikos programų Kanadoje. Aš pradėjau kurti savo duomenis ...

Paskutinis darbas bus šių straipsnių santrauka, taip pat geriausi internetiniai kursai, skirti kitoms pagrindinėms temoms, tokioms kaip duomenų grumtis, duomenų bazės ir net programinės įrangos inžinerija.

Jei ieškote išsamaus duomenų mokslo internetinių kursų sąrašo, juos galite rasti „Class Central“ duomenų mokslo ir didelių duomenų temų puslapyje.

Jei jums patiko tai skaityti, peržiūrėkite kitus „Class Central“ kūrinius:

Čia yra 250 „Ivy League“ kursų, kuriuos dabar galite nemokamai lankyti internete

250 MOOC iš Browno, Kolumbijos, Kornelio, Dartmuto, Harvardo, Penno, Prinstono ir Jeilio.

Pagal duomenis 50 geriausių nemokamų internetinių universitetinių kursų

Kai 2011 m. Lapkričio mėn. Atidariau „Class Central“, buvo apie 18 nemokamų internetinių kursų ir beveik visi…

Jei turite pasiūlymų dėl praleistų kursų, praneškite man atsakymuose!

Jei radote tai naudinga, spustelėkite? taigi daugiau žmonių tai pamatys čia, „Medium“.

Tai sutrumpinta mano originalaus straipsnio, paskelbto „Class Central“, versija, kurioje pateikiau išsamias kursų programas.