Ресурсы для обучения Data Science

Благодаря Data Science мы можем контролировать взлёты и посадки в самых больших аэропортах, можем анализировать и прогнозировать появление эпидемий без врачей. Благодаря не только современной технике, но и тем обученным программам, которые в ней установлены, доктора могут практически безошибочно ставить сложные диагнозы в некоторых отраслях медицины. Более того, у нас даже есть беспилотный транспорт и с каждым годом он лучше и умнее! Предлагаем вам не оставаться в стороне от такой интересной и перспективной науки и стать на сторону её развития.

Ядро науки о данных

Программа дополнительного образования от Udacity «DataAnalyst» (платно и на английском).

Если у вас есть желание подстроить программу образования под себя, то это будет бесплатно. Предлагаем следующую последовательность бесплатных курсов, входящих в программу выше:

Введение в инференциальную статистику;

Введение в описательную статистику;

Введение в аналитическую обработку данных (с применением NumPy и Pandas);

Введение в первичную обработку данных;

SQL для аналитической обработки данных;

MongoDB для аналитической обработки данных (при возможности и желании можно изучить аналитическую обработку данных с помощью языка R.);

Введение в Машинное обучение;

Визуализация данных и работа с D3.js;

A/B тестирование.

Дополнительные курсы на русском языке

Введение в базы данных (при возможности и желании можно изучить анализ данных в R [первая и вторая части]);
СУБД;
Алгоритмы и структуры данных;
Методы обработки больших данных.

Машинное обучение

Введение в машинное обучение;

Обучение работе с TensorFlow с применением в реальных приложениях;

Машинное обучение и масштабирование;

Нейронные сети и машинное обучение.

Разработка программного обеспечения

Python

Тестирование и отладка;

Использование Git и GitHub для контроля версий;

Создание реактивных аналитических веб-приложений на Python (статья).

Разработка программного обеспечения на R (ниже перечислены отдельные курсы, входящие в состав программы по обучению разработке программного обеспечения на языке R).

Программное окружение и R;

Продвинутый уровень написания программ на R;

Сборка пакетов на R;

Сборка инструментов визуализации данных.

Дополнительные материалы

Введенние в Hadoop и MapReduce;

Python как инструмент доступа к веб-данным.

Dataquest

Для кого этот курс: для новичков в Data Science — включая тех, кому большие данные необходимы для работы над бизнес-проектами. При выборе программы студент должен определить, насколько ему знаком Python.

«Введение в машинное обучение» от «Яндекса» и ВШЭ на Coursera.

Для кого этот курс: для тех, кого не пугают слова «матрица», «вектор» и «производная». Для выполнения практических заданий потребуются базовые навыки программирования. Очень желательно знать Python. Задания рассчитаны на использование этого языка и его библиотек numpy, pandas и scikit-learn.

Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных.

Не обязательно пытаться освоить всё и сразу. Есть мнение, что для Data Scientist’a достаточно знать только Python, а без R можно обойтись. Другие считают наоборот. В любом случае, пробуйте, выбирайте то, что вам ближе и у вас несомненно всё получится.

Источники tproger.ru и rb.ru

Вступай в сообщества ITmentor Вконтакте, Facebook и Telegram