¿Podría por favor recomendar cursos en línea para comenzar a aprender ciencia de datos? ¿Puedes compartir tu historia sobre cómo te convertiste en un científico de datos?

Answer 1

De hecho, Iam Java Developer y después de predecir que Data Science va a crear un boom en el mercado por un artículo de la BBC, luego realicé algunas investigaciones sobre Data Science y, finalmente, aprendí Python. Finalmente, tomé Data Science en línea. Completé eso con. Pocas semanas .

Pero iam no es perfecto en Data Science. luego participo en algunos proyectos de código abierto, finalmente recibí mucho apoyo porque participé en comunidades y foros en línea, finalmente, se hizo.

Así que empecé mi carrera en Data Science con un pequeño artículo, pero en realidad el Curso en línea de Data Science es “Ayúdame mucho en este viaje”.

De todos modos, me gustaría sugerirle mi curso en línea de ciencia de datos favorito y algunos cursos de ciencia de datos populares para usted

1. Data Science AZ ™: ejercicios de Science Real Data Science incluidos [My Fav]

2. Ciencia de datos y Bootcamp de aprendizaje automático con R

3. Ciencia de datos y aprendizaje automático con Python – ¡Manos a la obra!

4. Ciencia de datos: Aprendizaje profundo en Python

5. Ciencia de datos: aprendizaje profundo práctico en Theano + TensorFlow

De todos modos el primero es mi favorito. Esa es mi historia.

Practica cada día. sigue codificando

Todo lo mejor .

Answer 2

El curso de Data Science le permite comprender los fundamentos prácticos, le ayuda a ejecutar y tomar Big Data y otros proyectos de análisis de manera efectiva. El programa cubre temas de Big Data a Data Analytics Life Cycle. La comprensión de estos temas ayuda a abordar los desafíos empresariales que aprovechan Big Data. Otro aspecto de este curso es que cubre métodos analíticos básicos y avanzados y también introduce al participante a la tecnología de Big Data y herramientas como MapR y Hadoop. Nuestra infraestructura de vanguardia les permite a los estudiantes comprender las aplicaciones de estos métodos y herramientas al obtener experiencia práctica trabajando con científicos de datos en tiempo real. Este programa tiene un enfoque abierto que incluye una sesión de laboratorio final que explica varios desafíos de Big Data Analytics mediante la aplicación de los conceptos cubiertos durante el programa con respecto al ciclo de vida de Data Analytics.

¿Quién puede convertirse en Data Scientist?

El curso está diseñado para cualquier persona que desee comprender los conceptos de Data Science desde la perspectiva de un Data Scientist. Profesionales que pueden beneficiarse de este curso.

• Los gerentes de cualquier campo como Analytics son la mejor herramienta para los gerentes en estos días
• Analistas de negocios y analistas de datos que deseen mejorar sus habilidades de análisis de datos.
• Profesionales de la base de datos que aspiran a incursionar en el campo de Big Data mediante la adquisición de habilidades analíticas.
• Los recién graduados que deseen hacer una carrera en los campos de Big Data o Data Science

Pre-requisitos y habilidades de conocimiento

Los siguientes conjuntos de habilidades y conocimientos permitirán a los estudiantes completar el curso con éxito y al mismo tiempo obtener las máximas ganancias:

• Buena comprensión de los conceptos estadísticos básicos y una sólida base cuantitativa.
• Conocimiento de cualquier lenguaje de scripting como Java, Perl, Python o R, ya que la mayoría de los módulos del curso utilizan R, una herramienta estadística de código abierto y lenguaje de programación.
• Conocimiento y experiencia de SQL.

El conocimiento de estos requisitos previos permitirá a los participantes comprender con mayor eficacia varias herramientas y métodos avanzados cubiertos durante el programa.

Objetivo del curso de ciencia de datos

Al final del curso, los participantes podrán:

• Forme parte de un equipo de ciencia de datos y trabaje en Big Data y en otros proyectos de análisis.
• Implementar el ciclo de vida de Data Analytics para proyectos de Big Data.
• Cambiar el marco de un desafío desde una perspectiva empresarial a la analítica.
• Comprenda qué técnicas y herramientas de análisis funcionarán en un análisis específico de Big Data.
• Creación de modelos estadísticos y comprensión de qué información puede conducir a resultados procesables.
• Seleccione las visualizaciones de datos apropiadas. Esto ayudaría a comunicar de forma más clara las ideas analíticas a los patrocinadores de negocios y la audiencia analítica.
• Utilice varias herramientas de Big Data como Hadoop, MapR, R, In-Database Analytics y MADLib.
• Comprenda cómo las analíticas avanzadas aprovechan para crear una ventaja competitiva. Además, cómo los roles de los científicos de datos y los analistas de BI son diferentes entre sí.
• CURSO CURRICULAR

VISIÓN GENERAL DE LA CIENCIA DE DATOS

ESTADÍSTICAS DESCRIPTIVAS E INFERENCIALES

ANALÍTICA DE DATOS UTILIZANDO LA PROGRAMACIÓN R – FUNDAMENTOS

ANALÍTICA DE DATOS UTILIZANDO LA PROGRAMACIÓN R – AVANZADA

APRENDIZAJE DE LA MÁQUINA UTILIZANDO R – PARTE 1

APRENDIZAJE DE LA MÁQUINA UTILIZANDO R – PARTE 2

GRANDES DATOS QUE UTILIZAN HADOOP Y SPARK

Para más consultas, por favor comuníquese conmigo o envíeme un correo electrónico a [email protected] o llámeme al 7227971265. Estaré más que feliz de ayudarlo de todas las maneras posibles.

Answer 3

Actualmente, en medio de un viaje para ser un científico de datos, me gustaría compartir mi experiencia sobre diferentes cursos en línea. En primer lugar, uno debe saber que la ciencia de la información como campo es una amalgama de muchos campos diferentes, tales como estadísticas, ciencias de la computación, bases de datos, matemáticas … la lista continúa y, finalmente, el conocimiento del dominio en el que desea aplicar la ciencia de la información. Puede ser bioinformática, finanzas, mercadotecnia, cadena de suministro… .D s es aplicable a cualquier campo ..

Uno puede comenzar con python y R junto con un buen curso de estadísticas. Sql es igualmente importante.

Mi opinión sobre algunos de los cursos.

1. Edx-Mitx 6.00.1. Curso de Python. Los profesores y los conjuntos de problemas hacen de este curso uno de los mejores para aprender python.
2. Stanford lagunita curso de base de datos. De nuevo el prof y los ejercicios marcan la diferencia. Cubre el álgebra relacional y el SQL a fondo. A debe hacer curso.
3. Para R. He terminado todas las pistas de Data Camp (R). Considero que el campamento de datos es una guía de referencia útil, aunque no muy útil para aprender.
4. Analytics Edge Mitx en edx y Stanford introducción al aprendizaje estadístico. Ambos usan R. Haz uno de ellos para aprender la aplicación de diferentes métodos estadísticos en R. Andrew Ng. El curso cubre los mismos temas en matlab u octava. Debido a R, voy a ir a los cursos anteriores.
5. Cursos de Microsoft en edx- He completado 7 de 10 … No me parecieron muy útiles. Sugeriría hacer solo el curso de Excel, porque Excel es un requisito de facto para los trabajos de D s.
6. En cuanto a las estadísticas, he realizado el curso de estadísticas de la universidad de Columbia en edx … Curso medio. Espero hacer cursos de Stanford sobre probabilidad y estadísticas (las estadísticas son la base sobre la cual se basa DS).
7. Para la aplicación en el lado del aprendizaje automático, participa en la competencia Kaggle. Recientemente experimenté el efecto de sobreajuste en los datos cuando mi rango pasó de los 50 primeros a los 98 en las clasificaciones finales de sberbank Competition.

Todos los cursos que mencioné son gratuitos excepto Data Camp. No puedo decir mucho sobre los cursos de Udacity n coursera.

Estos son algunos de los cursos que he completado. Los libros me parecen igualmente importantes. Islr es un muy buen libro. Fundamentos para la levadura de máquinas para el análisis de datos predictivos otro libro útil.

Y cuanto más haga, más se dará cuenta de la profundidad abismal del campo de la ciencia de datos.

Otros campos importantes para lo básico son el álgebra lineal y el cálculo.

Answer 4

Sugeriría un título, ya que> 90% de nosotros tenemos al menos una EM. La competencia para personas sin títulos es muy dura en el mercado laboral. El grado no tiene que ser en ciencias de la información o matemáticas / ciencias de la computación, pero le enseñará a pensar críticamente mucho mejor que algunos cursos cortos en línea, así como las matemáticas que necesita.

Estaba en un programa de doctorado / doctorado cuando me enamoré del aprendizaje automático. Me había centrado en biología cuantitativa y ciencias sociales durante varios años y había planeado hacer mis estudios de posgrado en él, ya que mis rotaciones habían sido estadísticas. Dejé el programa poco después para dedicarme a estudios de posgrado en estadística y aprendizaje automático, realizando un estudio independiente sobre aplicaciones en epidemiología genética que culminó en una investigación en los NIH. Mi enfoque se centró en el aprendizaje no supervisado, en particular la agrupación y la topología.

Answer 5

Grandes respuestas ya. Tendré curiosidad por saber cuál es su posición actual para responder a su pregunta. Ya que depende mucho del tipo de antecedentes y experiencia laboral que ya teníamos.

Si es nuevo en el campo, comience con el aprendizaje de los principios estadísticos básicos (algunos MOOC / libros): la especialización en ciencia de datos de Courser John Hopkins puede ser buena.

Publique ese salto al Aprendizaje automático: Udacity tiene algunos programas excelentes que le dan una buena práctica. Comienza a construir tu Git y resuelve problemas en Kaggle.

Answer 6

No puedo Me llamo un estadístico. No hago aprendizaje automático, hago aprendizaje estadístico. La ciencia de datos es una palabra de moda. Deja de perseguir el sabor de las carreras del mes. Si estás buscando un trabajo solo porque se ve atractivo ahora mismo te espera una decepción.