In diesem Artikel stelle ich die Kurse und Bücher vor, die mir am besten erscheinen, um maschinelles Lernen / Datenwissenschaft von Grund auf neu zu lernen. Ich versuche, eine Liste zu erstellen, die so kurz wie möglich ist und gleichzeitig das gesamte Wissen vermittelt, das für den Einstieg in die Praxis erforderlich ist, ohne ernsthafte Wissenslücken.
Haftungsausschluss
Sie können verstehen, worauf diese Empfehlungen basieren, indem Sie die vorherigen Artikel lesen, die meinen Weg und meine Prinzipien des Selbststudiums beschreiben, sowie allgemeine Überlegungen zum Aufbau der Lernphasen:
Vorherige Artikel
Selbststudium in Data Science, von null bis Senior in zwei Jahren
Prinzipien des effektiven Selbstlernens für diejenigen, die maschinelles Lernen lernen möchten
Data Science von Grund auf lernen: Meilensteine und Meilensteine
Ein Überblick über Plattformen zum Lernen von maschinellem Lernen von Grund auf
Die Richtlinien in diesem Artikel werden veraltet sein, und sicher gibt es jetzt ausgezeichnete Kurse und Bücher, die darin enthalten sein könnten. Aber dies sind zumindest einige der besten Materialien zu ihren Themen. Um diese Liste zu erstellen, wurden Dutzende von Kursen und Büchern verworfen, die ebenfalls darauf abzielen, von Grund auf neu zu lernen, aber schlechter darin sind, grundlegende Konzepte zu präsentieren.
Die Richtlinien decken nicht alle potenziell erforderlichen technischen Fähigkeiten ab. Um eine Vorstellung von allem zu bekommen, was wahrscheinlich gemeistert werden muss, lesen Sie Datenwissenschaft von Grund auf neu lernen: Meilensteine und Meilensteine.
Ich zitiere keine Materialien über neuronale Netze, weil ich es in den meisten Fällen für unwirksam halte, mit ihnen zu lernen oder sie in den frühen Stadien des Selbstlernens zu studieren.
Grundkenntnisse erforderlich
Kenntnisse der Programmiergrundlagen: Python und SQL
Es ist unmöglich, maschinelles Lernen oder Datenwissenschaft zu betreiben, ohne Kenntnisse in Programmierung in Python oder R zu haben (besser mit Python beginnen). Die überwiegende Mehrheit der offenen Stellen im Bereich "klassisches" maschinelles Lernen (Lösen von Geschäftsproblemen und Arbeiten mit anfänglich numerischen / statistischen Daten) erfordert SQL-Kenntnisse. Grundlegende Richtlinien zum Erlernen finden Sie unter Selbstlernen in der Datenwissenschaft, Von Null bis Senior in zwei Jahren .
Mathe
. , , , .
, - : ( ), (, , , ), , .
: . , 2 3 . 2 3 , . Math for machine learning, London Imperial College.
( , ), , : Robert Ghrist. . coursera.org, stepik.org
,
Datasmart ( ) - . , data science. , , . , python, pandas, scikit-learn - ( , .. ).
. . ( , .. , , ). - (). , .
— 8 , 2 — seaborn ( , ).
Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking, by Foster Provost ( ) - , , . Datasmart, . " " () . , ..
, - , / - . .
, , , . . , .. , , . . , .
" " - , . -, . , . Python, Pandas, scikit-learn.
- , Python. Applied DS with Python ( 1 3. 2, 4 )
, ( jupyter, pandas). , , . , - .
https://stepik.org/course/4852/syllabus
« » ( " " ). 3 , , 1 , . , ; . 4 , , , , .. , .
Kaggle : ( ) , , , ( .. ). - , , , .
scikit-learn - . , .. .
pandas, - , . , . , .
Python python standard library - . , . , collections itertools
-
( ). . , , : https://www.coursera.org/learn/competitive-data-science. kaggle - .
,
- . - -.
, - , Goodhart's law. .
/
, , https://towardsdatascience.com; 3 .
Statistics Done Wrong .The woefully complete guide by Alex Reinhart - . .
Python Machine Learning, by Sebastian Raschka - , . .
, - .
Git - . - Ry's Git tutorial. git. : http://ndpsoftware.com/git-cheatsheet.html
https://www.practicaldatascience.org/ - . , , , ( Cloud , .. , ).
?
. , , - , - /, , , , - , . - .
/
, , , .
, - self.development.mentor gmail.com,
Einige erkannten, dass es für sie besser war, in einen anderen Bereich zu gehen (Programmierung, großes Datum), andere konnten den Lehrplan / Karriereplan an die individuellen Bedürfnisse anpassen, andere beriet ich diejenigen, die ihnen besser helfen konnten, und rettete jemanden (? ) Von ineffektiver Zeit für Sackgassenprojekte.
Und wenn meine Artikel für Sie nützlich sind, können Sie mich auch finanziell für zukünftige Artikel motivieren. Unter diesem Artikel sollte sich für diese Zwecke ein "Spenden" -Button befinden.