En primer lugar, no podemos definir un curso como el mejor. Pueden ser buenos de una manera u otra.
puede ir a través de algunos de los enlaces a continuación, le daría una idea para comenzar con el análisis de datos y python. Más tarde, todo depende de su práctica, hasta qué punto desarrolla su conocimiento y qué tan profundo profundiza
(Considerando que recién estás comenzando con estas cosas)
- Cómo resolver CCC2016S4
- Cómo definir una estructura de datos de gráfico dinámico en C ++ (un gráfico que tiene un número desconocido de vértices)
- ¿Cuál es el mejor algoritmo de cifrado real utilizado en el almacenamiento de datos basado en hardware?
- ¿Es correcto mi nuevo estado de ánimo? Ingresé a la programación desde un punto de vista de programación algorítmica y, como tal, tengo una inclinación a querer saber cómo funcionan las cosas debajo. Pero ahora, después de un tiempo en el mundo de los desarrolladores, finalmente tengo que darme cuenta de que se trata menos de eso. ¿Lo que usted dice?
- ¿Qué aplicaciones usan algoritmos complejos y únicos?
- Un tutorial completo para aprender ciencia de datos con Python desde cero
- Python Data Structures – Universidad de Michigan | Coursera
- Análisis e interpretación de datos – Wesleyan University | Coursera
Dicho esto,
Todavía sugeriría, no se centre en un lenguaje específico. Uno debe aprender los conceptos de ciencia de datos primero y luego usar su conocimiento para aplicar esos conceptos usando el lenguaje de su elección. Claro, python es popular en este dominio, no significa que uno deba restringir su conocimiento a solo memorizar alguna sintaxis.
Python puede proporcionarnos API que seguramente nos ayudarían a aplicar modelos en los conjuntos de datos, pero si no podemos saber qué sucede detrás de la escena, no sirve de nada. De esa manera no podremos optimizar / modificar el rendimiento del modelo.
Una mejor forma de aprender sería trabajar en un proyecto básico en este dominio y simultáneamente seguir con algunos de los conceptos teóricos. Puede haber muchas formas posibles de comenzar, como la clasificación de productos, el análisis del mercado de valores, algunas predicciones de precios basadas en varios factores de la casa y muchos más. Solo asegúrese de que, una vez que comience con algo, siga leyendo los algoritmos involucrados en el modelo y las estadísticas subyacentes.