¿Cuál es el mejor curso sobre análisis de datos o ciencia de datos en Coursera, Udacity o en cualquier otro lugar en Internet?

Answer 1

Gracias por la A2A.

Como Ankit ya había dado una visión general, le indicaré algunos recursos.

Esta respuesta es de un estudiante de pregrado, entusiasta de la ciencia de datos, que aprende de forma independiente. No soy un experto en este campo, pero aquí está mi perspectiva:

Le recomendaría la Especialización en Data Science de Coursera, una de las mejores de MOOC.
Se compone de 9 cursos y un proyecto.
El primer curso Las conferencias de la primera caja de ‘The Data Scientist’s toolbox’ le ofrecen una visión general del resto de los cursos.
Lo recomiendo para un novato, ya que se coloca en un Simplificado, Estructurado y es desde cero. No hay que olvidar que es de ‘John Hopkins University’ una de las principales universidades de bioestadística.
Enlace – Coursera

Udacity fue fundada por Sebastian Thrun, quien es un científico de datos y encabeza la lista de MOOCs.
Su especialización en ciencia de datos probablemente aún no se ha completado, tiene cursos decentes pero independientes, podrían agregar más cursos.
3 cursos sobre aprendizaje automático, EDA, gestión de datos y MongoDB.
Enlace – Catálogo de cursos para clases en línea

Aunque la estructura y el estilo de entrega de estos cursos son diferentes, tienen algunas cosas en común,

• Breve resumen de la ciencia de datos y su alcance.
• Se han cubierto R, estadísticas (Anova, pruebas de hipótesis) y algoritmos de aprendizaje automático.
• Tienes la oportunidad de jugar con los conjuntos de datos que proporcionan.
• Buena cantidad de ejemplos.

Si necesita una certificación, coursera, prefiero Udacity para un curso de nivel principiante, ya que tiene videos cortos y puede tenerlos a nuestro propio ritmo.

Si quieres aprender herramientas de Big Data, echa un vistazo a Big Data University
Coursera y udacity (excepto un par de cursos de Data Wrangling Course con MongoDB, Beginner Hadoop y MapReduce Course en línea) han ingresado en Coursera Big data tools dicen Hadoop, HBase, Hive, Pig, Sqoop, Flume, Mahout, Oozie.

Viniendo a los libros,
Recomiendo encarecidamente leer este libro con el título “Ciencia de datos para empresas de Foster Provost, Tom Fawcett”
Este libro le proporciona toda la información básica que necesita con un toque de negocios.
Enlace a e-Book gratis Data Science for Business

También puede ir a través de “Data Science for Dummies” “Hadoop for Dummies”.

Existen numerosos blogs que tienen numerosos recursos y también pueden consultar las discusiones de LinkedIn, tutoriales de youtube, para no olvidar los estudios de casos.

También te recomiendo que asistas a reuniones, seminarios, sesiones de capacitación y construyas tu red para obtener una comprensión más profunda ya que este es un campo de nicho.

Esperamos que esto sea útil.

Answer 2

Gracias por la A2A.

Nadie puede decirle cómo hacer un análisis de datos en una respuesta de Quora. Lleva años de aprendizaje y capacitación, abordando problemas múltiples, etc. El análisis de datos puede ir desde simples resúmenes estadísticos hasta soluciones complejas de aprendizaje automático. Simplemente no es posible ser respondido en un post.

A continuación se muestra el proceso de análisis de datos. No le explicará cómo hacerlo por los motivos mencionados anteriormente, pero debería comenzar con los pasos que debe conocer.

1. Hacer una pregunta. Todo el análisis de datos comienza con una pregunta. Mucha gente sueña con las cosas que se pueden hacer con un conjunto de datos en particular. Mi proceso de pensamiento es que no hay conjunto de datos. La pregunta define el conjunto de datos. La única advertencia a esto es que puedes estar respondiendo una pregunta y aparece una nueva. Eso está bien. Está más que bien en realidad, ¡es divertido!
2. Adquirir los datos. Este es el proceso en el que después de tener una pregunta, consulta los datos para responderla. Yo llamo a estos datos en bruto. No es crudo per se, pero a menudo no es exactamente en el estado en el que lo quiero.
3. Limpia los datos. Este es el paso donde creo mi conjunto de datos “limpio” y final que me permitirá responder la pregunta.
4. Análisis exploratorio. Aquí es donde reviso mi conjunto de datos. Trazo relaciones entre variables, ejecuto estadísticas de resumen, reviso el estado de los datos que tengo que trabajar, incluidos los valores perdidos, las distribuciones, etc. Voy de un lado a otro entre la limpieza y la exploración (pasos 3 y 4) hasta que tenga los mejores conjunto de datos posible y una comprensión completa de los datos.
5. Modelo. Para la mayoría de la gente, de esto se trata el análisis de datos. Ejecutar pruebas estadísticas, crear modelos, en general, responder a la pregunta. Aquí es donde ocurre la magia.

1. Esto significa que entiendes la tarea en cuestión. ¿Tienes una prueba t? ¿Encajas en un bosque al azar? ¿Es PNL? Las opciones han llenado miles de libros, blogs, podcasts y respuestas de Quora. 🙂
2. Esto significa que entiendes los datos. ¿Mi procedimiento viola alguna suposición de la prueba o algoritmo? ¿Qué característica de la ingeniería está involucrada?

Interpreta los resultados. Dependiendo de la pregunta, hay una forma de evaluar la respuesta encontrada (o no) en el paso del modelo. Puede validar los resultados de un algoritmo, establecer la confianza de una prueba estadística o simplemente aceptar que no hay nada que informar.

Informe. Por último, pero no menos importante, informar de que puede haber muchas cosas. Puede ser un informe real, con texto y visualizaciones, puede ser un producto de datos interactivo con el que los usuarios finales pueden interactuar, puede ser un producto de datos automatizado (también conocido como producto de aprendizaje automático en vivo) que interactúa con otros sistemas.

Hay muchas advertencias a cada punto. Por ejemplo, puede adquirir múltiples datos sin procesar, lo que significa una limpieza múltiple y, en algún momento, unir fuentes de datos.

Para realizar el análisis de datos, es una cuestión de conocer el procedimiento que conduce a una respuesta a una pregunta en particular a través de los datos. Es conceptualmente muy simple pero prácticamente complejo.

Answer 3

En primer lugar, no estoy seguro de si usó los términos ‘análisis de datos’ y ‘ciencia de datos’ estrictamente o si se está refiriendo a ellos como intercambiables. ¿Por qué? Hay una diferencia entre Data Analytics y Data Science. El análisis de datos en general es un nivel básico de la ciencia de datos.

Gracias a la explosión de datos en medios públicos (por ejemplo, medios sociales) y privados (por ejemplo, datos del cliente), existe una demanda cada vez mayor de profesionales de Data Analytics / Data Science . Curiosamente, Data Analytics tiene aplicación en:

• Industrias: comercio minorista, compras en línea, BFSI, TI, etc.
• Funciones: investigación del consumidor, análisis de sentimiento, predicción del mercado de valores, incluido el matrimonio

No es de extrañar, hay una gran cantidad de cursos de Data Analytics / Data Science que ofrecen tanto instituciones académicas como empresas de formación profesional.

En cuanto a su pregunta, “Mejor” es muy subjetivo a menos que comparta su objetivo de adquirir Data Analytics / Data Science Skills. Por ejemplo

• ¿Estás mirando a tu primer trabajo?
• ¿Estás buscando expandir / acelerar tu carrera actual?
• ¿Está buscando reenviar una función / departamento de su organización?

Dependiendo de su objetivo, le importarán los diferentes aspectos de un programa de análisis de datos. Por ejemplo, los primeros dos objetivos enumerados anteriormente requerirán un programa acreditado por la industria, mientras que no es importante para el tercer objetivo.

Otro aspecto es sobre el alcance y la profundidad del programa. P.ej:

• ¿Está buscando adquirir habilidades de SAS, R, Python o Excel (o todas ellas)?
• ¿Cuáles son las herramientas que son importantes para usted: Jupyter, Tableau, GIT?

Por ejemplo, si tiene experiencia en programación , entonces es muy recomendable utilizar Data Analytics usando Python, ya que Python es el lenguaje más popular, incluso para el futuro. Aquí hay un video, que te ayudará a apreciar la importancia de Python:

Por otro lado, si no tiene antecedentes ni ganas de programar , Business Analytics utilizando Excel y PowerBI es una buena opción.

SAS & R están perdiendo su importancia y todavía están en uso ya que las grandes corporaciones (por ejemplo, los Bancos) todavía se están ejecutando en sistemas construidos en ellas.

Sin embargo, cualquiera que sea su objetivo o alcance del aprendizaje, el elemento más importante de cualquier gran curso de análisis de datos es el componente práctico / práctico .

La cantidad de tiempo que pasará en el análisis de la variedad de conjuntos de datos determinará la calidad del aprendizaje que experimentará, lo que en última instancia lo llevará a adquirir las habilidades y la confianza necesarias para aplicar su aprendizaje para resolver problemas de la vida real.

Como mencionó Coursera y Udacity, quiero compartir mi perspectiva basada en mi experiencia personal en estas plataformas. Si bien Coursera, edX, Udacity, Udemy tienen algunos de los contenidos de mejor calidad, el verdadero desafío con todas estas plataformas es la tasa de finalización. La mayoría de estas plataformas tienen una tasa de finalización inferior al 10% , lo que significa que no más de 1/10 de los participantes tienen incluso la posibilidad de adquirir las habilidades deseadas.

En una nota similar, el desafío con la mayoría de los programas ofrecidos por las instituciones educativas formales (incluidos los mejores) es la falta de exposición práctica.

Por las razones anteriores, es probable que las empresas de capacitación profesional sean su mejor opción. Los invito a considerar el Curso de certificación de análisis de datos ofrecido por Digital Vidya .

¡Puede asistir a una próxima sesión de orientación sobre el análisis de datos para el crecimiento profesional para experimentar la oportunidad del análisis de datos y nuestro programa antes de tomar una decisión!

Es gratis, en línea y dirigido por el Vicepresidente de Capacitación en Análisis de Datos en Digital Vidya, quien tiene más de 17 años de experiencia en la industria en grandes compañías de tecnología como IBM. El enlace anterior a nuestra página del programa tiene los detalles para esta sesión de orientación.

Espero que la información anterior le brinde claridad sobre los factores a considerar al elegir un curso de análisis de datos. En caso de que pueda ser de más ayuda, no dude en hacerme cualquier pregunta en la sección de comentarios. Todo lo mejor para tu búsqueda!

Answer 4

Para el análisis de datos, aprenda los conceptos básicos de Estadística, SQL, MS Excel y algo de R. He escuchado sobre este curso Analista de datos de la gente en el trabajo y podría ayudar.

Para ser un buen científico de datos, necesita una base sólida en estadísticas fundamentales, modelado avanzado y técnicas de aprendizaje automático, sistemas de datos grandes, capacidad para comprender cómo funcionan las bases de datos relacionales y ejecutar consultas SQL y el conocimiento de algoritmos. He dado más detalles a continuación que espero que te ayuden.

• Estadísticas básicas – repasar los conceptos básicos. Debido a que el conocimiento de estadísticas incompletas es más peligroso que ningún conocimiento en absoluto, las siguientes caricaturas ilustran que: D.

• Modelado avanzado y aprendizaje automático: aprenda temas como modelos de regresión lineal generalizada, regresión no paramétrica, inferencia y red bayesiana, modelos gráficos, modelos ocultos de Markov, métodos de kernel y máquinas de vectores de soporte. Estos son solo algunos temas importantes para cubrir. También es necesario que domines los lenguajes de computación estadística como R, Octave y Python son excelentes para aprender. Puedes estudiar este curso para empezar. Aprendizaje automático.
• Big Data: el manejo de conjuntos de datos que son demasiado complejos o grandes para procesar con los sistemas tradicionales está ocurriendo en tiempo real hoy en día, pero este problema se agravará en el futuro cercano. Por lo tanto, la construcción de habilidades en los marcos de software de Big Data como Hadoop demostrará fructífero. Puedes aprender aquí- Introducción a Big Data -Coursera
• Pensamiento algorítmico : la resolución de problemas es mucho más eficiente, efectiva y también divertida si puedes pensar como un algoritmo. Realmente ayuda si conoce lo siguiente: métodos de organización de datos como hash, árboles, colas, listas, etc. clasificación y búsqueda de algos; modelos graficos basicos; programación dinámica; programación lineal; aritmética de punto flotante; Valores propios, descenso de gradiente estocástico y la lista continúa. Puede comenzar aquí (los requisitos previos son programación básica, cálculo y álgebra lineal) – Algoritmos: Diseño y análisis, Coursera
• Conocimiento de DBMS : debe saber los fundamentos del álgebra relacional y los sistemas de administración de DB además de escribir consultas SQL. No hay necesidad de construir conocimientos avanzados de nivel DBA. Este es un buen curso para revisar- Bases de datos: a ritmo propio

Espero que esto sea útil !!

Answer 5

Data Science no es un centro especial solo para profesionales con los mejores conocimientos técnicos y estadísticos. La demanda se extiende más allá de las habilidades del pequeño grupo de científicos de datos. Aquí le mostramos cómo puede desarrollar las habilidades y obtener su boleto para ser parte del grupo de élite.

Aquí están las 5 principales certificaciones que dominarán el mercado de la ciencia de datos en 2018-

1) Cloudera

Cubriendo un amplio espectro de habilidades de administración y desarrollo, Cloudera es considerada una de las mejores opciones para las certificaciones Hadoop. Las certificaciones, que ponen a prueba las habilidades fundamentales del candidato, comprenden: administrador de CCA, ingeniero de datos de CCP, desarrollador de Harkop y Spark de CCA y analista de datos de CCA.

2) CONSEJO DE CIENCIA DE DATOS DE AMERICA

El Data Science Council of America (DASCA) construye, investiga y diseña certificaciones de ciencia de datos independientes de los proveedores, fundadas en los marcos de ciencia de datos más sólidos del mundo. DASCA ofrece 6 programas de certificación: Ingeniero asociado de Big Data, Ingeniero sénior de Big Data, Analista asociado de Big Data, Analista sénior de Big Data, Científico sénior de datos y Científico principal de datos, que se centra en la ingeniería de datos grandes, análisis de datos grandes y científicos de datos.

3) IBM

IBM ofrece una gama única de certificaciones diseñadas exclusivamente para profesionales desde el nivel de entrada hasta el nivel avanzado que comprenden varios roles de trabajo para adaptarse a las necesidades profesionales de los candidatos. Ofrece 2 certificaciones principales en el ámbito de la ciencia de datos: IBM Certified Data Architect e IBM Certified Data Engineer.

4) HORTONWORKS

Hortonworks desarrolla certificaciones basadas en el desempeño y exámenes prácticos que exigen que los candidatos completen un conjunto de tareas. Ofrece 6 certificaciones que incluyen: Desarrollador certificado por HDP, Asociado certificado por Hortonworks, Arquitecto NIFI certificado por Hortonworks Data Flow, Administrador certificado por HDP, Desarrollador Apache Spark certificado por HDP y Desarrollador Java certificado por HDP.

5) Dell EMC

La certificación EMC Proven Professional Data Scientist Associate (EMCDSA) de Dell EMC proporciona un enfoque práctico a los profesionales sobre las herramientas y técnicas avanzadas necesarias para trabajar en conjunto con el análisis de big data.

¿Todavía tienes otro pensamiento sobre las carreras de Big Data? ¡Ahora es el momento adecuado para obtener una certificación y elevarse alto en tu carrera!

Answer 6

¿Qué es el análisis de datos?

El análisis de datos se refiere a las prácticas de investigación continua del desempeño empresarial anterior para obtener información y para impulsar la planificación empresarial. Se utiliza para obtener información sobre el rendimiento empresarial anterior, lo que ayuda a tomar decisiones y se puede utilizar para automatizar y optimizar los procesos empresariales. Básicamente depende de la calidad de los datos.

Algunos ejemplos donde el análisis de datos se utiliza en la vida diaria:

• Las compañías de tarjetas de crédito utilizan el análisis para predecir el perfil de riesgo del cliente.
• Las compañías de seguros utilizan análisis para la estimación de riesgos.

Algunos ejemplos:

• Explorar datos para encontrar nuevos patrones y relaciones se denomina minería de datos.
• Encontrar por qué están ocurriendo ciertos resultados (análisis cuantitativo)
• Para probar decisiones anteriores que también se conoce como (Pruebas A / B)
• Pronósticos futuros resultados

Carrera en analítica de datos:

El 90% de los datos mundiales se ha creado en los últimos 2 años y se espera que crezca 50 veces para 2020 (fuente: Aureus Analytics). La capacidad de analizar estos datos no aumenta proporcionalmente, lo que lleva a una gran escasez de candidatos calificados en este espacio. Así que hay una gran demanda de expertos en análisis de datos. Buenos sueldos para los recién llegados : el rango de salario de los analistas de datos es Rs 169,126 – Rs 774,076 en la India (según PayScale – Comparación de salarios, encuesta salarial, búsqueda de salarios)

Los mejores recursos útiles para la carrera de análisis de datos:

1. Kaggle: una de las mejores fuentes donde puede aprender, practicar, mejorar sus habilidades con datos del mundo real y abordar problemas comerciales reales.

2. Grupos de Linkedin – Top 5 grupos de análisis de datos de linkedin:

• Big Data y Analytics
• Big Data / Análisis / Estrategia / FP&A / S&OP …
• Análisis de negocios avanzados, minería de datos y modelado predictivo
• Data Science Central
• Análisis de negocio

3. Data Science Central y KDnuggets – Data Science Central y KDnuggets son buenos recursos para mantenerse a la vanguardia de las tendencias de la industria en ciencia de datos.

4. Salarios de los científicos de datos – Científico de datos, salario de TI (India)

5. Curso de análisis de datos:

Si está buscando un curso de análisis de datos, le recomendaría que se inscriba en el curso de certificación de análisis de datos de Vidya, que es una certificación del gobierno. Este curso de certificación se ofrece en asociación con Vskills (iniciativa del gobierno de India). Después de tu entrenamiento, aparecerás en un examen y obtendrás este Gobierno. Certificado.

Beneficios del análisis de datos de aprendizaje de Digital Vidya:

El curso presenta Data Analytics al usuario y proporciona una capacitación práctica integral basada en ejemplos de negocios reales .

¡Para cualquier otra consulta no dude en conectarse o puede enviarme un PM directamente!

¡Todo lo mejor!

Answer 7

Ricardo Vladimiro casi lo clava.

Me gustaría agregar una cosa: incluso con el advenimiento de las computadoras, el análisis de datos suele ser bastante difícil. En cierto modo, tener computadoras que pueden hacer mucho lo hace más difícil : no más difícil de hacer, pero más difícil de entender que uno necesita pensar de cierta manera, de manera consistente, para resolver un problema de datos. Con la introducción del término “científico de datos” (que todos quieren ser), y el marketing sobre esta criatura mística … bueno, el marketing se centra en los aspectos computacionales. Lo que es importante, pero no tan importante como la capacidad de pensar los datos de una manera estructurada y basada en principios.

Toma la física. Nadie diría que las computadoras no hacían la vida más fácil como físico. Pero nadie cuestionaría que para trabajar como físico, se necesita bastante entrenamiento en física . El análisis de los datos o la ciencia de los datos, o como se quiera llamar, también requiere capacitación. No solo en los aspectos computacionales, sino en la teoría y la práctica detrás de ellos. Los cuales son muy a menudo estadísticos.

---

Editar: Ricardo comentó esta respuesta, y me di cuenta de que no había sido completamente claro. Me refiero a que el aumento en el software y la potencia de cómputo ha permitido a las personas hacer análisis de maneras que realmente no deberían . El poder informático es una bendición maravillosa para mí, pero un poco de conocimiento es algo peligroso. Alguien sin el conocimiento, con menos poder de cómputo y software que era más difícil de usar, a menudo no hacía cosas que no deberían haber hecho. Mientras hoy, cualquiera puede realizar una regresión, incluso cuando no es apropiado. La educación en análisis de datos / ciencia de datos a menudo está demasiado centrada en la computación y los algoritmos y no es suficiente sobre cuándo deben realizarse.

Answer 8

Llegué un poco tarde a la pregunta, así que no estoy seguro de cuánto se verá esto, pero sentí la necesidad de agregar una perspectiva alternativa sobre las habilidades del analista de datos centrales que no se han cubierto.

Estoy repitiendo una respuesta que di a una pregunta relacionada, pero espero que esto le ayude a ahorrarle a su organización mucho dolor (¡y dinero!).

Permítanme comenzar con dos puntos:

En primer lugar, el análisis de datos no es ciencia de datos y no tiene que serlo. Hay muchas habilidades que debe aprender que le permitirán agregar valor sin hacer ningún modelo. Entiendo el interés en torno a la ciencia de datos (yo mismo hice una maestría en análisis), pero el análisis de datos sólido ha existido durante mucho tiempo y los buenos analistas son valiosos.

En segundo lugar, las herramientas son importantes pero secundarias a la tarea : solo usa las herramientas con las que te sientas cómodo, siempre y cuando la aplicación sea fundamentalmente sólida. Por ejemplo, si terminas modelando, no uses un clasificador binario en una etiqueta categórica multivariable. No haga transformaciones de registro en valores negativos. Pero no importa si usa R o SAS para modelar o Quikview o Tableau para visualización. Es como tener una conversación sobre si los lápices de marca X o marca Y son mejores para dibujar.

Así que con eso en mente, aquí hay siete sugerencias que aprendí sobre todo de la manera más difícil, y hago todo lo posible para profundizar en mis analistas:

Comprender el proceso de generación de datos. Se le dan los datos de orden de compra. Si lo tomara a un valor nominal sin comprender que la mitad de los datos se generó automáticamente y la mitad se ingresó manualmente, con diferentes plazos de entrega, eso le habría costado cientos de miles en una mala previsión de inventario.

Sanity comprueba tus datos. Se le proporciona un conjunto de datos de transacciones financieras para analizar las tendencias. Si se toma el tiempo para realizar un análisis exploratorio de los datos y se asegura de que los datos tengan sentido, descubra millones de dólares en transacciones en los próximos 50 años . Obviamente, ese fue un error o una peculiaridad del sistema que habría arruinado cualquier cálculo que hubieras hecho.

Compruebe si hay definiciones cambiantes. Si observa cualquier dato de censo o conjuntos de datos de “datos abiertos”, existe el peligro de que la definición (por ejemplo, lo que constituye un delito penal “grave”) cambie a la mitad del tiempo.

Piense cuidadosamente sobre el sesgo de la muestra. En un estudio gubernamental realizado sobre transporte público se llevó a cabo en una estación de tren. No hay manera de que sea representativo de lo que piensa la población en general. (Si alguien odiara el transporte público o sintiera que no satisfacía sus necesidades, no estaría en el
estación de tren)

Piense en el contexto de los datos . En los datos de nómina, tratar de comparar paquetes entre países puede ser complicado. Además de cambiar las tasas de cambio, los diferentes países tienen diferentes puntos de vista hacia el salario fijo en comparación con las comisiones, el salario mínimo, las bonificaciones, el ahorro regulado, etc.

Comprender las estadísticas . Habrá casos en que los datos comparables se acerquen y los consumidores de sus datos estarán ansiosos por recibir una “señal” que los dominará de una u otra forma. Es su responsabilidad señalar que algunos hallazgos son ahora estadísticamente significativos. También es su responsabilidad elegir sus métricas cuidadosamente: el ‘promedio’ simplemente falla en muchas situaciones.

Hable con los DBA para comprender las peculiaridades específicas del sistema. Los conjuntos de datos de la vida real están plagados de comportamientos extraños impulsados ​​por la forma en que los diferentes sistemas manejan los datos. En particular, los nulos o los datos faltantes se pueden manejar de varias maneras. Y una operación como división de enteros o división por 0 puede causar estragos en las métricas.

Espero que eso ayude. Todo lo mejor y siéntase libre de enviarme un mensaje si tiene alguna pregunta específica.

Answer 9

El año pasado tuve la misma pregunta, hice toda la investigación y finalmente llegué a esta conclusión para ir con el Diploma de Ciencia de Datos de UpGrad e IIIT-B.

Lo que encontré atractivo es

1. La buena mezcla de:

• Análisis de datos / visualización
• Conceptos de aprendizaje automático
• Conceptos estadisticos
• Conceptos de Big Data
• Trabajo de codificación y estudios de caso.

2. Una celda de colocación virtual dedicada.

3.Coste efectivo en comparación con otros cursos con marca también.

4. Las clases virtuales completas facilitan que los profesionales como yo estudien cuando haya tiempo libre disponible

5. Aplicación web y aplicación móvil agradables y fáciles de usar para aprender en cualquier momento y en cualquier lugar

6. Cumplimiento de la línea de tiempo y una plataforma de gran discusión para discutir y ponerse en contacto con los compañeros de lote que son altamente calificados y experimentados.

Lo que falta en otros cursos similares:

1. Falta de equilibrio entre programación y conceptos.

2. Falta de oportunidades de colocación.

3.No hay cobertura de extremo a extremo de los conceptos necesarios (por ejemplo, este curso cubre principalmente todos los algoritmos de aprendizaje automático)

4. Tiempo a tiempo guía de mentor

En general, estoy satisfecho con la experiencia de aprendizaje que tengo en los últimos 10 meses. Estoy en la última fase del curso y ya he cambiado mi trabajo por la orientación y el aprendizaje que obtuve a través de este curso + mi experiencia laboral previa.

Answer 10

El tiempo invertido en aprender en línea es el mejor en estos días. Es mejor que el tiempo empleado en cualquier otro modo de aprendizaje. Analytics tiene que ver con la práctica y los recursos en línea le ofrecen esa oportunidad.

Como has aprendido de estadística. Por favor, comience con cursos en línea sobre análisis de datos (también conocido como Data Science). Muchos de estos cursos son gratuitos. Recomendaría que practiques con conjuntos de datos reales para dominar el arte.

Necesita conjuntos de datos para practicar algunas de estas técnicas en uno o como máximo dos de los siguientes idiomas R / Python / SAS:

• Fundamentos de Estadística Descriptiva e Inferencial
• Aplicaciones de la teoría de la probabilidad y la función de distribución en los negocios
• Pruebas de hipótesis para un problema de negocios: errores de tipo I y II
• Regresión lineal – Predicción de ventas / pérdidas para empresas
• Regresión logística y desarrollo de scorecard
• Árbol de decisión (CHAID / CART / Random Forest)
• Web y Social Media Analytics usando R y Excel
• Análisis de Texto y Sentimiento de los comentarios de clientes o inversores en Twitter u otras fuentes, como registros de servicio al cliente / Red, etc.
• Modelos de venta cruzada y aumento de ventas en el sector financiero y los bancos
• Análisis de cestas de mercado – Motor de recomendación – en múltiples sectores
• Clustering y segmentación de datos de clientes.
• Predicción utilizando series de tiempo (ARIMA)
• Puntaje de crédito para individuos y empresas para determinar su solvencia crediticia

¿Quieres aprender y ser guiado?

Únase a un seminario web gratuito en línea el sábado 25 de febrero al registrarse aquí

Internet tiene todo esto en un lugar u otro y varía en calidad. Le recomendaría que también analice un programa de profesionales de Analytics que lo ayudará a realizarlo en la Certificación de Acelerador de Analytics de 48 Horas: R, SAS, Tableau y Microsoft BI. Las dos primeras clases son completamente gratuitas para que pueda probarlas. Continúa si te gusta.

Amit

Descargo de responsabilidad: Soy el CEO de Equiskill

Answer 11

Hola,

Me alegra que esté eligiendo una de las carreras más prósperas en tecnología: la ciencia de datos.

Imarticus ayuda a los aspirantes como usted a actualizarse e iniciar una carrera en Data Science.

Proyectos extensos, estudios de caso y tutoría son algunos de los aspectos más destacados de nuestros cursos, ya que creemos en ” Aprender haciendo “, que nos ha ganado varios premios estimados en la industria.

Si desea sobresalir en una carrera en Data Science, puede sentirse libre de considerar cualquiera de nuestros cursos. Imarticus proporciona asistencia profesional al 100% para estos programas, lo que incluye la creación de currículums, la preparación extensa de entrevistas, etc.

Nuestros cursos son los siguientes:

Programa de aprendizaje de Big Data y máquina : El programa de aprendizaje de Big Data y máquina, en asociación con IBM como socio de EdTech, es un curso de certificación de 160 horas, el primero en su tipo, que ofrece una exposición profunda a Data Science, Big Data, Machine y Aprendizaje Profundo. El riguroso plan de estudios alineado con la industria ofrece una comprensión completa de Python, Spark y Hadoop para las carreras en Aprendizaje automático y Big Data. El programa también presenta siete proyectos de la industria y una interacción periódica con los líderes de la industria en el ecosistema de Aprendizaje Automático.

Data Science Prodegree : este programa está creado en colaboración con Genpact como socio de conocimiento. Este programa lo ayuda a comprender mejor el análisis de datos y las estadísticas, junto con las perspectivas comerciales y las prácticas de vanguardia que utilizan SAS, R, Python, Hive, Spark y Tableau.

Programa de posgrado en análisis de datos : este programa lo ayuda a comprender los conceptos fundamentales y el aprendizaje práctico de herramientas analíticas líderes, como SAS, R, Python, Hive, Spark y Tableau, así como análisis analíticos funcionales en muchos dominios.

A través de diversos proyectos y estudios de casos, impartimos las habilidades integrales del rol en nuestros estudiantes junto con una amplia capacitación en las herramientas y técnicas clave. Imarticus Learning lo ayuda a prepararse para estar listo para el trabajo con la preparación de la entrevista, la creación de un currículum vitae y los talleres y 1-1 entrevistas simuladas con expertos de la industria.

Para saber más sobre los programas de Imarticus, visite el sitio web de Imarticus ( https://imarticus.org/?utm_sourc… )

¡Espero que esto te ayudará!

Todo lo mejor..:)

Answer 12

Según las estadísticas, “Data Scientist” es uno de los empleos de más rápido crecimiento y mejor remunerados en la industria tecnológica. De acuerdo con los informes de uno de los portales de empleo, el número de anuncios de trabajo para el “científico de datos” creció un 57% año con año.

Pero la ciencia de los datos sigue siendo un área en ciernes que no se ha explorado por completo y aún hay muchas más normas que deben establecerse para que florezca plenamente. A pesar de que hay una demanda excepcionalmente alta, sin embargo, no está del todo claro en cuanto a qué educación necesita alguien, para obtener uno de estos perfiles deseados. No es muy probable que todos los científicos de datos sigan el mismo camino. Tenga en cuenta que tomar un título en ciencia de datos no haría ni rompería su carrera.

Hay muchas de estas preguntas que se han formulado en línea relacionadas con la ciencia de la información, tales como:

· ¿Tenemos un título en ciencias de datos?

· ¿Para entender la ciencia de datos debo asistir a un curso de capacitación?

· ¿Debo tomar algún curso de certificación y saltar?

Tenga en cuenta que obtener un título no le causaría ningún daño ni daño, pero tenga en cuenta el hecho de que no todos los programas son iguales. También hay otros caminos válidos para desarrollar su carrera en el campo de la ciencia de datos. Como se ha dicho correctamente en una de las respuestas, “nadie puede decirle cómo hacer un análisis de datos en una respuesta de Quora. Lleva años de aprendizaje y capacitación, abordando problemas múltiples, etc. ”

Principalmente, los científicos de datos son grandes buscadores de datos que toman una masa gigantesca de datos no estructurados y usan sus formidables habilidades en matemáticas, estadísticas y programación para limpiarlos, masajearlos y organizarlos. Cuando hablamos de análisis de datos, puede ir desde simples resúmenes estadísticos hasta soluciones complejas de aprendizaje automático.

Algunas de las preguntas que debe tener en cuenta antes de obtener un título o certificación,

1. No se requiere específicamente un título en ciencia de datos: soy más partidario del autoaprendizaje que la educación hostil.

2. Múltiples disciplinas en la ciencia de datos : dado que el trabajo es realmente una combinación de diferentes conjuntos de habilidades que rara vez se pueden encontrar juntas. Así que no puedes confiar en ninguna habilidad.

3. Reempaquetar material de otros cursos: la ciencia de datos involucra múltiples habilidades que quizás ya conozca. Se ha notado hasta el momento que existe una tendencia a reorganizar solo algunos de los cursos existentes y se ofrece como uno de los cursos posteriores en “ciencia de datos”.

Entonces, antes de elegir un título o certificación, asegúrese de que estas preguntas tengan respuestas justificables.

Hay una serie de cursos que se seleccionan con una buena oferta y valor de mercado como, por ejemplo,

Coursera: en este curso obtendrá una introducción a las principales herramientas e ideas en la caja de herramientas del científico de datos. El curso ofrece una descripción general de los datos, las preguntas y las herramientas con las que trabajan los analistas de datos y los científicos de datos. Hay dos componentes en este curso. La primera es una introducción conceptual a las ideas detrás de convertir datos en conocimiento accionable. El segundo es una introducción práctica a las herramientas que se utilizarán en el programa como control de versiones, markdown, git, GitHub, R y RStudio.

Jigsaw Academy – Estudiar Data Analytics puede abrir un mundo más amplio para ti sin importar cuál sea tu rol. Una comprensión básica de esto le permite ver una imagen más amplia y predecir problemas, tendencias y hábitos, y estas habilidades pueden mejorar cualquier organización.

Vskills: el curso de Vskills en Data Science en R le proporcionará el conocimiento completo de los Métodos fundamentales para Data Science y ejemplos de aprendizaje automático para Data Science en R. También aprenderá y desarrollará sus habilidades en la práctica de Data Science y el lenguaje de programación R y cómo convertir los datos en información procesable. R es uno de los lenguajes de programación más demandados y es utilizado principalmente por científicos de datos.

edX: este curso forma parte del Certificado del programa profesional de Microsoft en Data Science . La demanda de talento de la ciencia de datos está explotando. Desarrolla tu carrera como científico de datos, a medida que exploras habilidades y principios esenciales con expertos de la Universidad de Duke y Microsoft.

Udacity: la clase de Introducción a la ciencia de datos examinará los temas fundamentales de la ciencia de datos , a saber: Manipulación de datos . Análisis de datos con estadísticas y aprendizaje automático, comunicación de datos con visualización de información.

PD: Data Science es conceptualmente muy simple pero prácticamente complicado.

Answer 13

¿Qué hace que el curso de análisis de Vidya digital sea el mejor?

Digital Vidya es una plataforma en línea para personas que están encontrando una fuente confiable para aprender habilidades digitales. En Digital Vidya, ofrecemos varios cursos. Un individuo puede seleccionar cualquier curso en función de sus requisitos.

Digital Vidya ofrece un curso muy completo sobre analítica digital. Preparado por profesionales con experiencia, el curso puede ser recogido incluso por alguien que no sabe nada sobre programación. Hay varios aspectos que hacen que el curso analítico de Digital Vidya sea el mejor que se puede tomar en línea. Por ejemplo, aquí hay tres características principales que lo hacen el mejor.

Un curso a fondo

El curso de analítica digital que tomas en Digital Vidya no es otro de aquellos en los que ves videos pregrabados y tienes que hacer pequeños cuestionarios. El curso que estudiarás será uno de los programas más prácticos y completos. Cada sesión se da en línea, por lo que no importa dónde se encuentre. Las sesiones son en vivo y están dirigidas por instructores experimentados y profesionales. No hay problema si de alguna manera se ha perdido su sesión en vivo. Si se lo ha perdido, puede ver la sesión más tarde porque cada sesión en vivo se grabará y se guardará más tarde.

Más información: asista a la sesión de demostración en línea gratuita realizada por vidya digital para saber cómo este programa le ayudará a comenzar su carrera en el análisis de datos.

Un certificado verificado

Una vez que haya completado sus estudios del curso y haya tomado el examen, se le otorgará un certificado. El certificado será una prueba de que ha adquirido grandes habilidades en el análisis de datos, lo que sería muy útil en futuras solicitudes de empleo. El certificado será otorgado a usted por Digital Vidya y Vskills.

Vskills es el nombre de un examen de prueba de habilidades que realiza el propio ICSIL. Son administraciones del gobierno. de la india . Esto significa que no solo recibiría un certificado, sino que también será válido y verificado por el gobierno. Los propios funcionarios, haciéndolo aún más valioso.

Nuestro estándar

Digital Vidya tiene un alto nivel entre las instituciones digitales. Los estándares son medidos por los socios y clientes que tiene. Digital Vidya es un socio oficial de Google y Microsoft. Necesitan que sus funcionarios y agentes estén capacitados en habilidades digitales, y por esa misma razón nos han elegido. Enseñamos a los funcionarios y agencias que trabajan con Google y Microsoft todo lo que necesitan saber sobre marketing digital, SEO o análisis de datos. Esta es una de las razones por las que nuestros participantes obtienen un valor tan alto cuando solicitan un trabajo.

Oportunidades de trabajo o asistencia de colocación

Dado que hay muchos de nuestros estudiantes que se certifican después de participar en nuestros programas, hay muchas grandes empresas que acuden a nosotros para un nuevo reclutamiento. Por lo tanto, esto les da a los participantes una muy buena oportunidad de encontrar un trabajo decente. Encontrar un trabajo es muy difícil, pero qué mejor cuando el trabajo en sí está llegando a ti. Algunas de las compañías más grandes lo contratarán como analista de datos porque saben que si ha participado en nuestros programas, ya ha dominado la habilidad de análisis de datos.

Me gustaría compartir algunas de mis respuestas de quora relacionadas con el análisis de datos:

Leer más: ¿Cuál es el camino para comenzar una carrera en el análisis de datos?

¿Cuáles son algunas de las mejores herramientas de análisis de datos?

¿Cuáles son las habilidades más valiosas para aprender para un científico de datos ahora?

¿Cómo aprendo el análisis de datos con Python?

¿Cómo puedo convertirme en un científico de datos?

¿Cuáles son las habilidades necesarias para convertirse en analista de datos? ¿Hay que ser bueno en matemáticas? ¿Cómo es la vida de un analista de datos?

Para cualquier otra consulta no dude en preguntar !!

Answer 14

Coursera, udacity, MOOC y muchos más ofrecen contenido en línea fantástico. Y han revolucionado el ecosistema de muchas más maneras. Pero todavía hay una brecha que se debe llenar para garantizar que usted sea lucrativo en cualquier mercado laboral.

Cuando su enfoque es una habilidad única, aprender de los cursos en línea funciona mejor. Pero el dominio que exige habilidades donde uno tiene que organizar herramientas, técnicas, procesos en múltiples niveles (matemático, computacional, algorítmico), aprender en línea sin una mentoría activa sería un desafío. Los programas offline de persona a persona son más adecuados.

En GreyAtom ponemos énfasis en el aprendizaje inmersivo que en realidad significaría:

• Replicando posibles escenarios de trabajo.
• Aprendizaje interactivo
• Enseñar habilidades o técnicas particulares.
• aprender = hacer un trabajo real
• Aprendizaje practico
• Trabajando en equipo, aprendiendo de instructor
• Menos en el aula
• Más proyecto / estudio de caso basado
• Tratar con problemas reales, datos reales, escenarios reales, flujo de trabajo real
• Herramientas que reflejan la industria, herramientas y estructuras alineadas en la industria.
• Imitando una situación o escenario que enfrentan las industrias / empresas.
• O realizar proyectos basados ​​en los escenarios de trabajo reales.
• Jugar y realizar una tarea como se hace en el lugar de trabajo.
• Entrenamiento para la industria antes de ser contratado.
• Buscando alternativas para la gestión tradicional de proyectos / escenarios / problemas.
• Fases cortas de trabajo, reevaluación frecuente, adaptación de planos.
• Scrum sprints: evaluación colaborativa, agradable, rápida, entrega de productos en ciclos cortos, retroalimentación rápida, mejora continua,
• Scrum sprints- Creando lugares de trabajo alegres y sostenibles.
• Los sprints ágiles mejoran la comunicación, el trabajo en equipo y la velocidad.

Full Stack Data Science Engineer es uno de los trabajos más buscados en este momento. GreyAtom se centra en la creación de ingenieros de ciencia de datos de pila completa y le brinda todas las herramientas, técnicas y conceptos básicos necesarios para generar un impacto. En solo 14 semanas, aplicará la resolución de problemas y el pensamiento creativo a conjuntos de datos del mundo real, adquiriendo experiencia en toda la pila de ciencia de datos.

Tendrá un historial de contribuciones de código abierto y ayudará a la comunidad más amplia de ingeniería de software (a través de Github, StackOverflow, un blog, etc.).

Puede consultar los detalles del curso haciendo clic en este enlace Full Stack Data Science Engineering | Greyatom

Los datos realmente potencian todo lo que hacemos. Si le apasiona la ciencia de datos y desea redefinir su carrera, visítenos en el programa in situ de GreyAtom: ciencia de datos, aprendizaje automático, Big Data

Creemos que “Aprender = hacer un trabajo real”

Descargo de responsabilidad: soy el consejero académico @GreyAtom y ayudar a las personas a encontrar carreras sostenibles en Data Science es mi pasión.

Answer 15

Con la explosión de internet uno se echa a perder para elegir. Sin embargo, Internet para toda la información que proporciona se convierte lenta y constantemente en una reserva de información excesiva e irrelevante (el problema de Big Data, por así decirlo). Si bien hay una gran cantidad de opciones, uno puede optar por capacitarse en Analytics; Ya sean rudimentos o temas avanzados con la mayoría de ellos gratis, no son tan exitosos en mantener el interés del alumno.

Ver videos motivadores en YouTube sobre pérdida de peso y 8 paquetes de abdominales no te llevará a ningún lado hasta que te registres para esa membresía de gimnasio. Del mismo modo, para un aprendiz serio de análisis, se trata de un compromiso que usted se hace a sí mismo. Si bien el Conocimiento es gratuito, también lo es la persona que intenta adquirirlo sin ninguna limitación.

La mejor manera de hacerlo es pagando una tarifa. Fee desempeña un papel fundamental en la creación de un contrato entre el profesor y el profesor. La ‘tarifa’ pagada sirve de ímpetu para que los estudiantes exijan más del curso y los Institutos trabajan arduamente para justificar la ‘tarifa’ recaudada.

En ExcelR proporcionamos la combinación ecléctica de la libertad de aprendizaje a su ritmo y las clases programadas en tiempo real. A diferencia de los operadores que vuelan por la noche, ExcelR ha entrenado constantemente a las personas en Data Science durante los últimos 3 años, muchos de los cuales ahora disfrutan de los frutos del trabajo combinado. Los formadores de ExcelR son profesionales altamente calificados, de los mejores institutos del país y han trabajado en empresas de primer nivel del mundo.

ExcelR es una empresa de consultoría y capacitación comprometida a brindar la mejor capacitación al menor costo. Hemos implementado una metodología sólida para la medición del rendimiento (tareas, participación en clase) y proporcionar recompensas (invitaciones para contribuir en proyectos en vivo). Otra ventaja es la fuerte red de alumnos entre los participantes pasados ​​y actuales que ayudan en gran medida a las ubicaciones.

Visite nuestro sitio web para obtener más detalles y lea lo que nuestros participantes tienen que decir sobre nosotros.

Feliz aprendizaje.

Answer 16

Hola,

Hay cientos de cursos ofrecidos por numerosas organizaciones que atienden a diferentes segmentos del mercado. Encontrar el programa adecuado que cumpla con sus requisitos puede ser engorroso.

Pregunté sobre los programas ofrecidos por Great Lakes Institute of Management, Jigsaw Academy, IIIT-B y Upgrad, Aegis School of Business y MOOC en línea sobre Udemy y DataCamp. Comparé los programas en parámetros como el contenido del curso, la experiencia del profesorado, la tarifa del curso, la flexibilidad del programa, la orientación de la aplicación y las facilidades de tutoría. Finalmente, seleccioné el Diploma de PG en Data Science [PGDDS] por IIIT-B y Upgrad como los parámetros mencionados anteriormente específicos de este programa alineados con mis objetivos de aprendizaje.

Pertenezco a la 4ta cohorte de este programa y, después de completar 5 meses del curso, puedo compartir mi experiencia y opiniones.

¿Es este programa el adecuado para mí?

La respuesta a esta pregunta variará de persona a persona. Como no tenía experiencia previa en este dominio, estaba buscando un programa con un marco de curso de principiante a intermedio junto con una estructura de curso bien definida.

El programa en IIIT-B ofrece 8 cursos que abarcan herramientas analíticas como R, Python, Tableau, Excel, SQL, Hadoop * y Spark *. Las opciones de especialización de dominios en análisis de banca, salud o comercio electrónico junto con un proyecto final de 3 meses proporcionan una plataforma para implementar conceptos en un entorno práctico. Los interesantes estudios de casos basados ​​en aplicaciones y las asignaciones lo alientan a mejorar de manera incremental sus habilidades y fomentar una competencia sana entre la cohorte. Con presentaciones semanales y evaluaciones periódicas, el programa garantiza que te mantengas al tanto del resto de tu cohorte. A menudo encuentro que las personas se registran para los MOOC en línea, pero a menudo no completan el curso a tiempo debido a la falta de motivación y no hay disposiciones para que los mentores realicen un seguimiento de su progreso y desempeño.

Debido a que este programa no está limitado por las restricciones tradicionales del aula, la flexibilidad en términos de horas de aprendizaje hace que sea beneficioso para los profesionales que trabajan para equilibrar el compromiso laboral con su deseo de seguir un programa de certificación en Data Science. Las opciones de accesibilidad en plataformas móviles o web hacen que el acceso al contenido sea fácil e instantáneo.

La mentoría de los estudiantes junto con las instalaciones de orientación profesional hacen que este programa sea único, ya que puede ayudarlo a evaluar los roles en el dominio analítico que coinciden con su conjunto de habilidades y experiencia. Para alguien que ingresa a este dominio como novato, estas ideas pueden ser cruciales en la configuración de futuras decisiones de carrera.

La mayoría de las personas que buscan un programa de estudio en analítica son principiantes que buscan ganar algo de experiencia en el dominio y desarrollar su conjunto de habilidades. Este programa cubre la mayoría de estas bases y, por lo tanto, es una opción digna de ser considerada. El programa cuesta aproximadamente 2.25 lakhs en el momento de mi solicitud y hay algunas opciones de flexibilidad de pago si es necesario.

Reconoceré que hay muchas plataformas gratuitas para aprender conceptos específicos de Google, edX y Coursera. Sin embargo, para muchos estudiantes que tratan de aprender de estos recursos sin una guía o una estructura de curso refinada pueden encontrarlo abrumadoramente conduciendo a un aprendizaje ineficaz. En el currículum vitae, completar estos cursos desde estos repositorios gratuitos inevitablemente te ayudará a mejorar tu habilidad, pero puede que no te muestre mucho interés cuando se mencione en tu CV / currículum. Haber completado un programa certificado de una institución de renombre como IIIT-B le brinda esa ventaja de marca. Puede elegir hacer el programa de diploma PG de IIIT-B y elegir MOOC específicos para complementar su aprendizaje o para especializarse en ciertos temas. Esto mejorará en gran medida sus posibilidades de entrar en el mercado laboral analítico. [Aprovecharé esta oportunidad para mencionar que el programa PGDDS no cubre temas específicos en detalle. Por ejemplo, el aspecto de las estadísticas no se cubre con tantos detalles como se podría esperar. Sin embargo, el contenido del curso lo alienta a leer material de referencia adicional para ampliar sus conocimientos. Esta brecha de contenido se puede cubrir y complementar con los MOOC en línea y los libros de referencia].

Le recomiendo que identifique sus objetivos de aprendizaje y haga una lista de los temas que le gustaría aprender. Luego acceda a los folletos del curso como el de PG Diploma in Data Science | Certificación de Ciencia de Datos | Actualice y evalúe si sus requisitos se alinean con el plan de estudios. Interactúe con la cohorte actual a través del foro de LinkedIn y evalúe los beneficios frente a la inversión. Esto le ayudará a reducir qué programa es el más adecuado para usted.

[A continuación, proporcioné información detallada sobre las diferentes facetas del programa PGDDS]

Programa de estudios:

Un breve resumen de los cursos cubiertos en este programa:

Los temas tratados son de nivel básico a intermedio. Por lo tanto, los principiantes en este dominio no tendrán ninguna desventaja de aprendizaje. Cada curso tiene entregas semanales y se acompaña de estudios de casos y tareas relevantes para la industria. El rendimiento del curso se evalúa periódicamente a través de los exámenes de los cursos completados. Se sigue un sistema de GPA y se puede ver un informe de puntuación en cualquier momento en la plataforma.

El contenido del curso es refinado y bien curado. Existe un flujo lógico y una transición entre los módulos y los cursos que conducen a una experiencia de aprendizaje conducente y efectiva. Le insto a que experimente la plataforma y el contenido de muestra creando una cuenta gratuita en el sitio web http://learn.upgrad.com . Hay acceso a un módulo que introduce términos en ciencia de datos y conceptos en Análisis junto con un caso de estudio de muestra.

Profesores y expertos de la industria:

El contenido del curso se entrega a través de expertos en la materia que comprenden profesores de IIIT-B y expertos de la industria de firmas de análisis relevantes. Las instrucciones y los conceptos del curso se explican vívidamente a través de ilustraciones claras y ejemplos relevantes.

Disfruté muchísimo de las sesiones conducidas por el Sr. Anand S. CEO de Gramener. Sus anécdotas de su carrera profesional brindan una oportunidad de aprendizaje memorable.

Las sesiones semanales en vivo se llevan a cabo donde los estudiantes pueden publicar preguntas relevantes y dudas que serán resueltas por el experto o profesor relevante en la materia.

Duración y compromiso de tiempo:

El curso se extiende a lo largo de 11 meses y el compromiso semanal se establece como de 8 a 10 horas, pero a menudo toma alrededor de 12 a 14 horas por semana para cubrir los temas de manera efectiva.

Diversamente hábil ventaja de cohorte y foro de discusión:

Cada cohorte se compone de más de 300 estudiantes de diversos orígenes, dominios profesionales y grupos de edad. El beneficio de esta diversidad se aprovecha a través del foro de discusión en la plataforma. Una cohorte entusiasta asegura discusiones constructivas sobre temas relevantes para Data Science y orientación oportuna para resolver dudas. Upgrad también realiza reuniones sociales ocasionales para brindar la oportunidad de interactuar con los miembros de la cohorte en las principales ciudades.

Mentor de estudiantes y mentor de orientación profesional:

A cada estudiante se le asigna un mentor que realiza un seguimiento de su desempeño y brinda actualizaciones semanales junto con cualquier apoyo o asistencia con respecto al curso. Aparte de esto, hay un equipo de asistentes de enseñanza para aclarar las dudas de la materia.

Cada estudiante puede seleccionar un mentor de orientación profesional de un grupo diverso de profesionales establecidos en el dominio analítico. Esto es crucial para el estudiante, ya que proporciona información sobre posibles roles analíticos que se alinean con su perfil. Junto con los conocimientos sobre la creación de curriculum vitae y el desarrollo de un plan de carrera.

Certificación de un instituto de estreno:

La finalización exitosa de los requisitos del programa resultará en la expedición de un Diploma de Postgrado en Ciencia de Datos del Instituto Internacional de Tecnología de la Información-Bangalore. Esta certificación en combinación con un conjunto de habilidades analíticas maduras puede abrir significativamente oportunidades en el mercado profesional de análisis de datos.

Colaboraciones a través de estudios de caso grupales:

Los miembros de la cohorte deben formar equipos de 4 estudiantes y colaborar en una serie de estudios de caso. Esto brinda la oportunidad de trabajar como un momento para formular colectivamente una solución innovadora para el problema comercial dado. Colaboré con un estudiante de Filipinas y dos estudiantes de Kenia para mis estudios de caso. Proporciona una oportunidad única para interactuar y aprender de otros estudiantes en la cohorte.

En conclusión, les insto a que consideren este programa como una opción notable al seleccionar un programa de certificación. Obtenga material sobre el contenido del curso y entregue el curso y cotejelo con sus objetivos de aprendizaje. Considere las ventajas en el post mencionado y compare el costo del programa con los beneficios educativos proyectados. Por último, comuníquese con la cohorte actual del programa y discuta sus dudas con ellos. Tome su decisión final en base a todas estas entradas y su experiencia. Te deseo la mejor de las suertes. Que la fuerza esté con usted.

Answer 17

He completado la Especialización Coursera Datascience. Como tengo un maestro de física, las matemáticas y las estadísticas no fueron realmente difíciles.

Los cursos se basan en R y, si ya has programado algo, no es demasiado difícil dominar el idioma.

Los 9 cursos cubren una amplia gama de temas (forma R y github para la programación de aplicaciones web (elementales).

Para cada curso, hay uno o varios cuestionarios. Por lo general, necesitas escribir un código para contestar las preguntas. También hay tareas, que son revisadas por pares. Una vez que haya enviado su tarea, debe revisar varios compañeros.

Los exámenes y las tareas vienen con fechas de vencimiento, lo que lo motiva a mantener algún tipo de ritmo.

La última parte es el llamado “Proyecto Capstone”, que es al mismo tiempo la parte más desafiante y la más “divertida” de la especialización. Es una tarea de procesamiento de lenguaje natural, y usted tiene poca información “dada”. Tienes que hacer bastante investigación para completar la tarea.

Completé la especialización en 6 meses, pero creo que la duración “nominal” es de 8 meses.

No puedo compararme con otros entrenamientos, ya que este es el único que tomé hasta ahora. El costo total fue de unos pocos cientos de dólares que, en mi situación, son deducibles de impuestos.

Answer 18

Hola punit gola

Gran pregunta !! Yo también había respondido esto antes. Aqui tienes:

Hay muchos cursos que se ofrecen en Course Era y otras plataformas de Internet, sin embargo, hemos enumerado los mejores institutos que ofrecen el Curso de análisis de datos en la India con un registro de ubicaciones globales. Puede encontrar una lista de ellos junto con los detalles mencionados a continuación.

• Programa de certificación en análisis de negocios e inteligencia por IIM Bangalore: es el instituto más buscado en toda Asia, ofrece un programa de análisis de negocios de 1 año y un curso de inteligencia en línea y fuera de línea.
• Curso de análisis de datos por Digital Vidya : es el instituto de capacitación líder de Asia, ofrece un curso de análisis de datos que imparte una formación práctica integral.
• Curso de especialización en ciencia de datos de Jigsaw Academy: puede obtener conocimientos de herramientas analíticas (Excel, R y SAS), conceptos estadísticos, tácticas estadísticas y habilidades de análisis predictivo después de 6 meses.
• Analista certificado de Big Data y Data Science por AnalytixLabs
  Con sede en Delhi: ofrecen cursos en línea y fuera de línea como Big Data Analytics, Data Science y Visual Visualization.
• Programa de certificación en Business Analytics – NMIMS Hyderabad – Ofrecen el programa en Business Analytics que combina aplicaciones en tiempo real, conceptos estadísticos introductorios y avanzados y pensamiento analítico.
• Certificado en Big Data and Analytics por Edureka : es un instituto de formación en línea que ofrece cursos basados ​​tanto en tecnología como en negocios. Puede tener clases en línea dirigidas en línea y también cursos impartidos por profesionales de la industria de negocios.
• Programa de posgrado (PGP) en Business Analytics y Big Data por Aegis School of Business: el plan de estudios diseñado se adapta a los diferentes requisitos de organización de todo el mundo, incluyendo comercio minorista, manufactura, salud, educación, seguros, servicios informáticos y más.
• Programa de Business Intelligence y Business Analytics de OrangeTree Global : los cursos se imparten en formato en línea y fuera de línea. Los estudiantes aprenden la aplicación de herramientas de análisis de negocios.
• Big Data Analytics de Manipal Pro Learn : ofrecen análisis de Big Data con Hadoop. El curso está diseñado de tal manera que le ayudará a seguir una carrera en analítica.
• Programa de postgrado en Business Analytics por Praxis Business School : es uno de los mejores institutos para cursos de administración y capacitación. Entrenamiento de 9 meses en modo aula.

Espero que esto ayude.

Saludos,

Vaibhav Kakkar

Conectemos en LinkedIn

Answer 19

Hay muchas video conferencias en Youtube o clases gratuitas en línea como coursera para aprender ciencia de datos. Uno de los aspectos principales de la ciencia de datos es la práctica para trabajar con datos de la vida real . Puede tomar cursos en línea, ver videos o leer libros tanto como quiera, pero esos no le ayudarán a menos que practique con datos.

Para resolver esto, CrowdANALYTIX ha lanzado una serie de concursos de aprendizaje gratuitos bajo ” Análisis de negocios para principiantes que usan R ” en su plataforma con datos de la vida real. Puede aprender, así como practicar con datos dados para perfeccionar sus habilidades. Esta es una tienda gratuita donde aprenderá a trabajar con datos de la vida real que cubren temas como preparación de datos, pruebas estadísticas, modelado, aprendizaje automático, cómo escribir informes de análisis técnico, etc. y obtener toda la ayuda y los recursos necesarios. Hasta ahora hemos lanzado un concurso que abarca 3 temas y seguiremos agregando más. Proporcionamos toda la orientación y los recursos necesarios para que nuestros solucionadores puedan aprender y crecer. Los solucionadores obtendrán certificado de participación también.

Además, una vez que tenga el conocimiento adecuado, puede comenzar a participar en nuestro concurso de clientes que tienen dinero en premios asociado. Si su solución se encuentra entre los mejores solucionadores, recibirá premios en efectivo. Leer más aquí:
Lanzamiento de concursos de aprendizaje de Business Analytics

Answer 20

Es gracioso que probablemente encuentres más cosas en estas respuestas de las que sabías antes, llevándote de vuelta al mismo problema pero mucho más grande ahora.

Llegando a la respuesta,
1. Curso de Stanford sobre Aprendizaje Automático por Andrew NG : este curso proporciona una buena comprensión de las técnicas de aprendizaje automático con los antecedentes matemáticos necesarios para un principiante. Este es el curso de inicio.
Coursera

2. Especialización en Data Science por John Hopkins en coursera : esta serie de cursos le permitirá utilizar el aprendizaje automático. Tienes la oportunidad de aprender R y sus paquetes, hacer proyectos y aplicar ML. Es una serie de cursos muy agradables que lo llevarán a través de todo el ciclo de aprendizaje de la máquina, desde obtener datos, limpiarlos, aplicar algoritmos, entrenar, probar y entregar productos terminados.
Coursera

Termine estos dos y estará en una posición para elegir entre sus opciones. Hay algunas buenas respuestas a esta pregunta, como lo menciona Katie Kent en su respuesta. Respuesta de Katie Kent. Los maestros de ciencia de datos, la academia zipfian y los enlaces de reglas de diapositivas proporcionan un material muy completo para la ciencia de datos. Definitivamente, revíselos si desea ir más lejos en el dominio de ML, ya sea en investigación, MS / PhD o trabajos de científico de datos.