डाटा साइंस और मशीन लर्निंग के लिए शीर्ष 5 संसाधन

डेटा नया तेल है। और मशीन लर्निंग आग है। जो भी इन दोनों को नियंत्रित करेगा वह दुनिया को नियंत्रित करेगा.


नहीं, ऊपर कुछ नहीं है जो एक गंदे उपन्यास से लिया गया है.

यह वास्तविकता है.

नई विश्व व्यवस्था सभी के लिए पर्याप्त मात्रा में प्रासंगिक डेटा एकत्र करने और इसे कार्रवाई योग्य अंतर्दृष्टि में संसाधित करने के बारे में है – मानव जाति ने इतिहास में ऐसा कुछ नहीं किया है। यह उस तरह की तकनीक है जो किसी देश को अनुमति देती है आगे बढ़ना दूसरों के लिए, और अंततः, दुनिया पर राज करते हैं। परिणामस्वरूप, इसे दुनिया के प्रगतिशील देशों द्वारा बहुत गंभीरता से लिया जा रहा है.

एक आकर्षक कैरियर विकल्प

एक तरफ अंतरराष्ट्रीय साज़िश, डेटा विज्ञान और मशीन सीखना एक अविश्वसनीय अवसर के साथ एक नया नया क्षेत्र है। डिमांड चार्ट (इसे हल्के ढंग से लगाने के लिए) है, और इसके आसपास पर्याप्त डेटा वैज्ञानिक नहीं हैं। औसत दर्जे के भी नहीं.

जैसे हमने अचानक कई नए रहने योग्य ग्रहों की खोज की है और उन्हें स्थानांतरित करने के लिए पर्याप्त लोग नहीं हैं। मैं टूटे हुए रिकॉर्ड की तरह आगे और पीछे जा सकता था, लेकिन मुझे लगता है कि यह इन्फोग्राफिक बहुत बेहतर काम करता है:

स्रोत: innerbigdata.com

इसलिए हम देखते हैं कि वेतन $ 50,000 + से शुरू होता है, और प्रबंधकों के लिए, $ 250,000 से अच्छा शूट कर सकते हैं.

और सिर्फ इतना ही नहीं, 2020 तक इस ग्रह पर औसत व्यक्ति प्रति सेकंड 1.7 एमबी डेटा पैदा कर रहा होगा। संपूर्ण जीवनकाल में डेटा का 3,500+ टीबी – जितना हम जानते हैं कि अब तक कैसे संभालना है, इससे अधिक डेटा, अकेले विश्लेषण के लिए उपयोग करें। यह कहने के लिए कि भविष्य उज्ज्वल है, इस शानदार नए चरागाह का प्रसार करेगा.

क्या डेटा विज्ञान और मशीन सीखना कठिन है?

अच्छा प्रश्न!

मेरे अनुभव से, उत्तर “हाँ” और “नहीं” दोनों है।

आर्टिफिशियल इंटेलिजेंस (और एक्सटेंशन, मशीन लर्निंग), सबसे मुश्किल काम है अगर आप शोध में शामिल होने और लिफाफे को आगे बढ़ाने के लिए इच्छुक हैं। ऐसे काम के लिए, यहां तक ​​कि पीएच.डी. कंप्यूटर विज्ञान और गणित में प्रत्येक पर्याप्त नहीं है। लेकिन तब, औसत व्यक्ति के पास न तो इस तरह की खोज का समय होता है.

दूसरे छोर पर मैं एप्लाइड डेटा साइंस और मशीन लर्निंग कह रहा हूं.

यही है, आप कुछ वास्तविक दुनिया की समस्या को हल करने के लिए मौजूदा उपकरण, तकनीक और एल्गोरिदम लेते हैं, और उन्हें लागू करते हैं। इस भाग के लिए समर्पण, धारणा और रचनात्मक सोच की आवश्यकता होती है (और कुछ सरल गणित अवधारणाओं के ज्ञान, जो जल्दी से सीखे जाते हैं), लेकिन सच “तकनीकी” ज्ञान के बारे में, सॉफ्टवेयर इंजीनियर की नौकरी की तुलना में अधिक उदार है.

दूसरे शब्दों में, यह एक केवॉक नहीं है, लेकिन इसके द्वारा जा रहा है प्रयास अनुपात के लिए इनाम, वहाँ सबसे अच्छा निवेश में से एक है.

अब जब आपने एक डेटा वैज्ञानिक बनने के अपने संकल्प को कठोर बना लिया है और मशीन लर्निंग इंजीनियर ने वहां से सबसे अच्छे विकल्प तलाशने शुरू कर दिए हैं.

मशीन लर्निंग क्रैश कोर्स (Google)

बहुत से लोग जागरूक नहीं हैं, लेकिन Google के पास एक व्यापक, अत्यधिक व्यावहारिक और है मशीन लर्निंग पर मुफ्त कोर्स. कंपनी के अनुसार, यह AI / ML प्रौद्योगिकियों को आगे बढ़ाने और ज्ञान को खुले में रखने के लिए उनकी प्रतिबद्धता का हिस्सा है.

इस कोर्स के बारे में सबसे अच्छी बात यह है कि कोई भी शर्त नहीं है, लेकिन अतिरिक्त समय बिताने के लिए अपने खुद के आँकड़ों की अवधारणा को देखने के लिए तैयार रहें.

मेरा मतलब है, इसकी जरूरत नहीं है, लेकिन यदि आपके पास उन्नत आंकड़ों में शून्य पृष्ठभूमि है, तो इस पाठ्यक्रम में स्पष्टीकरण पर्याप्त नहीं हो सकते हैं। एक और पकड़ यह है कि यह कोर्स मशीन लर्निंग के माध्यम से पेश करता है TensorFlow, जो Google द्वारा विकसित एक ML कार्यान्वयन है। तो, एक तरह से, Google का उद्देश्य मशीन लर्निंग के लिए अपने एपीआई को बढ़ावा देना है, लेकिन इस पाठ्यक्रम द्वारा दिए गए मूल्य को देखते हुए, मैं यह नहीं देखता कि यह कैसे एक ठोकर बनना चाहिए.

यदि कुछ भी हो, तो TensorFlow ML में आने के लिए आसान तरीकों में से एक है और आनंद को लोकप्रियता मिलती है (AI चौखटे की तुलना के लिए, इसे देखें).

CS109 डेटा साइंस (हार्वर्ड यूनिवर्सिटी)

नाम हार्वर्ड विस्मय को प्रेरित करता है, और इसलिए यह पाठ्यक्रम करता है.

पहली चीज़ें पहले: यह एक लेट-गेट-डर्टी-क्विक कोर्स नहीं है जहां आप यहां स्निपेट या स्क्रिप्ट लिखकर मशीन लर्निंग के आसपास टिप करते हैं। यह कोर्स एक गंभीर आग बपतिस्मा है जो कड़ी मेहनत और समय के महत्वपूर्ण निवेश की मांग करता है.

विषय मुफ्त वीडियो, कोड (GitHub पर होस्ट किया गया), और लैब अभ्यास के समाधान के साथ आता है, इसलिए व्यावहारिक रूप से, यदि आप इसे लेना चाहते हैं, तो आप किसी भी चीज से संयमित नहीं हैं।.

आदर्श दर्शक?

तुम … मैं मजाक नहीं कर रहा हूँ.

मैं कहता हूं कि काम करने वाले पेशेवर सभ्य गणित की शिक्षा के साथ काम करते हैं, भले ही वे अब गणित में न हों (अनुमान और प्रमाण की आदतें सबसे आवश्यक चीज हैं)। लेकिन एक बार फिर, कृपया सचेत रहें: आप सोच सकते हैं कि आप अच्छे हैं, लेकिन इस कोर्स में नाश्ते के लिए कड़े नाखून होने की तरह महसूस होगा – अभ्यास की समस्याएं आपको रोने के लिए पर्याप्त चुनौती दे रही हैं, लेकिन फिर, यह वास्तव में आप की बात हो सकती है ‘ फिर से खोज रहे हैं!

मशीन लर्निंग (एंड्रयू एनजी)

डेटा वैज्ञानिकों से भरे बार में जाएं और पूछें कि एंड्रयू एनजी कौन है, और आपको अपने जीवन की धड़कन मिल जाएगी.

डेटा साइंस और मशीन लर्निंग के सर्किलों में, एंड्रयू एन ने कौरसेरा पर अपने असाधारण पाठ्यक्रम के लिए धन्यवाद, एक देवतुल्य स्थिति प्राप्त की है मशीन लर्निंग.

और अगर आपको एंड्रयू एनजी की साख पर संदेह है, तो मैं इसे खुद के लिए बोलने दूंगा:

यह एक सशुल्क पाठ्यक्रम है, जिसमें यह कोर्टर्सा की मूल्य निर्धारण योजना का हिस्सा है, लेकिन वित्तीय प्रतिबद्धता और दृढ़ संकल्प केवल पूर्वापेक्षाएँ नहीं हैं। यह एक लंबा पाठ्यक्रम है क्योंकि एंड्रयू सभी चीजों के पीछे गणित में गहरा गोता लगाता है और एमएल और लोकप्रिय एल्गोरिदम को विच्छेदित करता है। लेकिन शुक्र है, यह एक पूर्ण पाठ्यक्रम है, और आप सबसे गहरे गहराई में कदम से मार्गदर्शन करेंगे और वापस लाएंगे.

अत्यधिक अनुशंसित, मुख्य रूप से क्योंकि इस पाठ्यक्रम के पूरा होने के प्रमाण पत्र को पेश करना आज एक बात बन गई है!

पायथन के साथ एप्लाइड डाटा साइंस

कौरसेरा पर विशेषज्ञता में पाठ्यक्रम की एक श्रृंखला शामिल है जो आपको एक विशेष अवधारणा में शून्य से कुशल तक ले जाने का लक्ष्य रखती है। यदि आप पायथन के साथ डेटा साइंस और मशीन लर्निंग पर एक पूर्ण, गंभीर अभी तक अनुकूल पाठ्यक्रम की तलाश कर रहे हैं, तो मैं इसकी अनुशंसा नहीं कर सकता विशेषज्ञता बस.

पाठ्यक्रम के अंत में, आप एक प्रमाण पत्र अर्जित करते हैं.

कोडर्स के लिए प्रैक्टिकल डीप लर्निंग

ये कोर्स यदि आप एक कोडर हैं, तो यह आशीर्वाद है और इस सूची में मेरी सबसे पसंदीदा सिफारिश है.

मैं फिर कहता हूं: यदि आप एक कोडर हैं.

ऐसा इसलिए है क्योंकि यह पाठ्यक्रम आपको प्रोग्रामिंग की मूल बातें सिखाने में कोई समय खर्च नहीं करता है। पाठ्यक्रम का विवरण बहुत स्पष्ट शब्दों में कहा गया है (जोर मूल है):

हम मानते हैं कि इस पाठ्यक्रम को लेने वाले सभी के पास है कम से कम एक वर्ष का कोडिंग अनुभव. पाठ्यक्रम शिक्षण भाषा के रूप में अजगर का उपयोग करता है, इसलिए यदि आप पहले से ही अजगर को नहीं जानते हैं तो हम मानते हैं कि आप सीखने के लिए समय बिताएंगे – एक अनुभवी कोडर के लिए आपको पता होना चाहिए कि अजगर सीखने के लिए काफी आसान भाषा है.

तो अगर आप पहले से ही पायथन को जानते हैं (यदि नहीं तो यहाँ जानें), या जल्दी से आराम पा सकते हैं, यह व्यावहारिक लोगों के लिए एकदम सही पाठ्यक्रम है जो एल्गोरिदम के सैद्धांतिक आधारों के बारे में बहुत अधिक चिंता किए बिना वास्तविक, उपयोगी प्रणालियों का निर्माण करना चाहते हैं।.

मैं इसे अधीर टिंकरों (मेरे जैसे!) के लिए भी कह सकता हूं, जो समारोह और एकरसता से घृणा करते हैं.

और ओह, क्या मैंने इसका 100% नि: शुल्क उल्लेख किया है और इसमें एक महान समुदाय है?!

निष्कर्ष

ओह!

यह संकलन करने के लिए एक कठिन सूची थी। इसलिए नहीं कि बहुत अच्छे स्रोत नहीं थे, बल्कि इसलिए भी थे क्योंकि बहुत सारे रास्ते थे!

मशीन लर्निंग एक ऐसा डोमेन है जो शाब्दिक रूप से फट गया है और कठिन समस्याओं को वास्तव में सुरुचिपूर्ण ढंग से हल कर रहा है, और इसलिए हैं ऑनलाइन पाठ्यक्रमों के सैकड़ों, मुफ्त और भुगतान, उनमें से ज्यादातर वास्तव में, वास्तव में अच्छा है। लेकिन यह भ्रम का एक स्रोत भी हो सकता है, यही कारण है कि मैंने अपने अनुभव के स्तर के अनुसार विभिन्न प्रकार के शिक्षार्थियों के लिए इसे पांच तक उबालने की कोशिश की है.

आशा है कि यह मदद की!

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map