nub理论(nub平行生了男孩)「建议收藏」

大家好，我是讯享网，大家多多关注。

译者|新月|编辑|吴

以下是翻译:

大学时，我的专业是机械工程师，所以毕业后就进入了钢铁行业。

我每天穿着厚重的钢靴，戴着塑料头盔，在高炉和轧钢厂周围冒险。虽然我们有一定的安全措施，但我知道一旦发生意外，谁也救不了我。跑鞋可能会有帮助，但是头盔，甚至钢铁在1370摄氏度都会变成水。

所以我一直处于恐惧状态，我意识到这份工作不适合我，所以我定了一个目标:2011年进入分析与数据科学领域。从此，大型网络公开课成为我学习新知识的首选。当然，我也参加过很多这样的课程，结果喜忧参半。

2020年，随着数据科学领域的快速变化，我们并不缺少学习数据科学的资源。但是初学者经常会遇到一个问题:应该从哪里开始，应该学什么？网上资源很多，鱼龙混杂。

巴里·施瓦茨曾在《选择的悖论:为什么多就是少》一书中指出，消除消费者的选择可以大大减少购物者的焦虑。数据科学课程也是如此。

所以正文的目的是为你这个迷茫的新手提供建议，为你的数据科学之旅指明方向。

首先，你需要学习一门编程语言。密歇根大学的以下课程解释了如何使用Python和创建自己的应用程序。

Python 3编程专门化:

https://www . coursera . org/specializations/python-3-programming？行动=注册& amprane aid = lvarvwc 5 BD 0 & amp；ranMID = 40328 & ampranSiteID = lvarvwc 5 BD 0-lpz 4 qovnorxvbcwvw 9 krqa & amp；siteID = lvarvwc 5 BD 0-lpz 4 qovnorxvbcwvw 9 krqa & amp；utm _ campaign = lVarvwc5BD0 & amputm_content=2。utm _ medium =合伙人& amputm_source=linkshare

在这门课中，你可以学到编程的基础知识(变量、条件语句、循环语句等。)，以及一些中间知识，如关键字参数、列表派生、lambda表达式和类继承。

接下来，我们需要先了解一下机器学习。

密歇根大学以下课程讲解现代机器学习的基础知识。即使你没有掌握所有的知识，你也可以使用这些工具来建立模型。

Python专门化的应用数据科学:https://www . coursera . org/specializations/Data-Science-Python？ranMID = 40328 & amprane aid = lvarvwc 5 BD 0 & amp；ranSiteID = lvarvwc 5 BD 0-5 xcr 9 hs FAO 15 _ 9 pstk . 4 OA & amp；siteID = lvarvwc 5 BD 0-5 xcr 9 hs FAO 15 _ 9 pstk . 4 OA & amp；utm_content=2。utm _ medium =合伙人& amp链接共享。utm_campaign=lVarvwc5BD

本专业课程旨在拥有基本的python或编程背景，希望通过流行的Python工具包(如pandas、matplotlib、scikit-learn、nltk和networkx)应用统计学、机器学习、信息可视化、文本分析和社交网络分析技术，学习更多关于数据的知识。

完成以上课程后，即可顺利入门。

恭喜你！你对数据科学有基本的了解，也知道如何实现。

但是，你还没有完全理解这些模型背后的数学知识。

你需要知道clf.fit背后的细节如果你不知道模型背后的数学知识，那么你就不是数学科学家。

下面是斯坦福大学提供的一门机器学习课程，里面包含了很多机器学习算法背后的数学知识。

机器学习:

https://www.coursera.org/learn/machine-learning?兰米德= 40328 & amprane aid = lvarvwc 5 BD 0 & amp；ranSiteID = lvarvwc 5 BD 0-btd 7 xbdf 681 vkxre 2h _ Oyg & amp；siteID = lvarvwc 5 BD 0-btd 7 xbdf 681 vkxre 2h _ Oyg & amp；utm_content=2。utm _ medium =合伙人& amp链接共享。utm _ campaign = lVarvwc5BD0 & ampsource = post _ page-& amp；ranMID = 40328 & amprane aid = je 6 nubbo bpq & amp；ranSiteID = je 6 nubbobpq-delipy 0 w 03 upl 5 lvg _ ACYw & amp；siteID = je 6 nubbobpq-delipy 0 w 03 upl 5 lvg _ ACYw & amp；utm _ content = 10 & amputm _ medium =合伙人& amp链接共享。utm _ campaign = je6NUbpObpQ

我认为这是一门你必须上的课程，因为它激发了我对这一领域的兴趣，而且吴恩达是一位很棒的讲师。另外，这是我学的第一门课。

这门课程几乎包含了机器学习的所有内容:回归、分类、异常检测、推荐系统、神经网络以及很多优秀的建议。

这门推理统计学的课程是由杜克大学的etinkaya-Rundel教授的。这是最简单的入门课程。

推断统计学:https://www . coursera . org/learn/interestial-Statistics-intro？ranMID = 40328 & amprane aid = lvarvwc 5 BD 0 & amp；ranSiteID = lvarvwc 5 BD 0-yde VG 6k 5 kidzltnqbbvqvq & amp；siteID = lvarvwc 5 BD 0-yde VG 6k 5 kidzltnqbbvqvq & amp；utm_content=2。utm _ medium =合伙人& amp链接共享。utm_campaign=lVarvwc5BD0

etinkaya-Rundel是一位出色的讲师。她把统计推断的基础知识讲解的很好，这也是必修课。

在本课程中，您将学习假设检验、置信区间以及数字和分类数据的统计推断方法。

虽然创建模型，提出不同的假设是一种成就感，但是对数据的处理也不容小觑。

在ETL和数据准备任务中，SQL无处不在，所以基本的SQL知识大家都要知道。

此外，SQL已经成为Apache Spark等大数据工具的标准。下面在加州大学戴维斯分校的课程会教你SQL的专业知识，以及如何使用SQL进行分布式计算。

了解数据科学专业的SQL基础知识:

https://www . coursera . org/specializations/learn-SQL-basics-data-science？ranMID = 40328 & amprane aid = lvarvwc 5 BD 0 & amp；ranSiteID = lvarvwc 5 BD 0-mbezdihx 4 txzezrykss 6 xq & amp；siteID = lvarvwc 5 BD 0-mbezdihx 4 txzezrykss 6 xq & amp；utm_content=2。utm _ medium =合伙人& amp链接共享。utm_campaign=lVarvwc5BD0

课程介绍:通过四个数据科学应用难度递增的SQL项目，学习SQL的基础知识，数据排序，SQL分析，AB测试，使用Apache Spark的分布式计算等课题。

上面我们学的知识很简单(大家可能有不同看法)，学习资料都是现成的，用到的数学知识非常有限。但是这些知识可以为下一步打下良好的基础。以下是由顶级Kaggle机器学习从业者和CERN科学家讲授的高级机器学习课程。它讲述了很多非常难的概念，可以带领你了解机器过去的工作方式，以及机器学习世界的最新发展。

高级机器学习专业化:

https://www.coursera.org/specializations/aml?兰米德= 40328 & amprane aid = lvarvwc 5 BD 0 & amp；ranSiteID = lvarvwc 5 BD 0-HW tri 7 XT 6 lsows 0g 2 lgnca & amp；siteID = lvarvwc 5 BD 0-HW tri 7 XT 6 lsows 0g 2 lgnca & amp；utm_content=2。utm _ medium =合伙人& amp链接共享。utm_campaign=lVarvwc5BD0

课程介绍:本课程介绍深度学习、强化学习、自然语言理解、计算机视觉和贝叶斯方法。顶级Kaggle机器学习从业者和CERN科学家将在课程中分享他们解决真实问题的经验，帮助你填补理论和实践之间的空鸿沟。

下面的深度学习课程含金量非常高。

深度学习专业化:

https://www.coursera.org/specializations/deep-learning?兰米德= 40328 & amprane aid = lvarvwc 5 BD 0 & amp；ranSiteID = lvarvwc 5 BD 0-m3 sbadpjeg 1 z 1 rwvng 39 OQ & amp；siteID = lvarvwc 5 BD 0-m3 sbadpjeg 1 z 1 rwvng 39 OQ & amp；utm_content=2。utm _ medium =合伙人& amp链接共享。utm_campaign=lVarvwc5BD0

讲师吴恩达用非常简单易懂的方式解释了非常难的概念。

课程介绍:了解深度学习的基础知识，如何构建神经网络，学习如何带领机器学习项目走向成功。您将了解卷积网络、递归神经网络(RNN)、长期和短期记忆网络(LSTM)、Adam、Dropout、批量标准化、Xavier/He初始化等等。此外，您将深入到医疗保健、自动驾驶、手语阅读、音乐生成和自然语言处理等案例研究中。

我平时从不提倡学习工具，但在这里推荐Pytorch。原因是不可思议，非常重要。如果你想了解Pytorch，你需要阅读最近许多研究论文中的代码。对于深度学习领域的研究人员来说，Pytorch已经成为默认的编程语言，这将使我们受益匪浅。

IBM提供的课程-使用Pytorch的深度神经网络:

https://www . coursera . org/learn/deep-neural-networks-with-py torch？ranMID = 40328 & amprane aid = lvarvwc 5 BD 0 & amp；ranSiteID = lvarvwc 5 BD 0-qsetzsahs 03 w9 yvhnwt _ QA & amp；siteID = lvarvwc 5 BD 0-qsetzsahs 03 w9 yvnwt _ QA & amp；utm_content=2。utm _ medium =合伙人& amp链接共享。utm_campaign=lVarvwc5BD0

课程介绍:本课程将首先介绍Pytorch张量和自动微分软件包。每章将涵盖不同的模型，从线性回归、logistic回归/softmax回归等基础知识开始。其次，前馈深度神经网络，不同的激活函数，标准化和辍学层的作用。然后将介绍卷积神经网络和迁移学习。最后，将介绍其他几种深度学习方法。

构建一个优秀的机器学习系统需要考虑很多因素。但是作为数据科学家，我们通常只担心项目的某些部分。

但是，我们有没有考虑过模型建立后如何部署？

我见过很多机器学习的项目，但是很多都是注定要失败的，因为这些项目从一开始就没有生产计划。在现实世界中，拥有一个好的平台并知道如何部署机器学习应用程序是至关重要的。以下AWS课程介绍如何使用AWS实现机器学习应用。

AWS机器学习入门:

https://www.coursera.org/learn/aws-machine-learning?兰米德= 40328 & amprane aid = lvarvwc 5 BD 0 & amp；ranSiteID=lVarvwc5BD0-Kfb17yr。B2kcW5gmdqpYjw & ampsiteID=lVarvwc5BD0-Kfb17yr。B2kcW5gmdqpYjw & amputm_content=2。utm _ medium =合伙人& amp链接共享。utm_campaign=lVarvwc5BD0

在本课程中，您将学到:

一、如何使用内置算法的亚马逊SageMaker和Jupyter笔记本实例建立、训练和部署模型。

二、如何使用亚马逊的AI服务(如Amazon understand、Amazon Rekognition、Amazon Translate等。)来构建智能应用。

算法和数据结构是数据科学不可或缺的一部分。虽然大部分数据科学家不学算法和数据结构，但都是必不可少的。

很多公司在招聘数据科学家的面试过程中，都会问到数据结构和算法。

数据结构和算法专业化:

https://www . coursera . org/specializations/data-structure-algorithms？ranMID = 40328 & amprane aid = lvarvwc 5 BD 0 & amp；ranSiteID = lvarvwc 5 BD 0-gfspwabzey 8 lf 9 dkwhbyyg & amp；siteID = lvarvwc 5 BD 0-gfspwabzey 8 lf 9 dkwhbyyg & amp；utm _ content = 10 & amputm _ medium =合伙人& amp链接共享。utm_campaign=lVarvwc5BD0

在这门课程中，你将学习解决各种计算问题的算法，并用你喜欢的编程语言实现大约100个算法编程问题。本课程提供的算法问题与你下次面试可能遇到的编程问题非常接近。

原文链接:https://towardsdatascience . com/top-10-2020年成为数据科学家的资源-99a315194701

作者:Rahul Agarwal，数据科学家@ WalmartLabs。

这篇文章是CSDN翻译的。转载请注明出处。