De su pregunta, tengo la sensación de que se está centrando principalmente en la parte de programación de Data Science. Eso tiene sentido si aspira a ser un analista de datos lo suficientemente bueno en el futuro.
Sin embargo, si desea ser un analista de datos de primer nivel y convertirse en un científico de datos, también debe poder relacionar el lado comercial del análisis de datos con los aspectos tecnológicos. Por lo tanto, esta es mi recomendación de la mejor ruta más corta que puede tomar, con las 3 mejores fuentes que he usado para aprender Data Science:
- Data Science for Business : un libro extraordinario con aplicaciones prácticas de negocios de varios tipos de problemas resueltos con Data Science. También le dará un buen control sobre conceptos clave como sobreajuste, validación cruzada, sesgos, evaluación y selección de modelos, con aplicaciones de la vida real para agregar a su armamento de ciencia de datos.
- Introducción en profundidad al aprendizaje automático en 15 horas : este es un conjunto de videos de tamaño de un bocado en Estadísticas y ML. Lo que me encantó de esta colección es que puedes aprender estas cosas directamente de los expertos de Stanford que han creado algunos de estos algoritmos. ¡Qué asombroso es eso! Sin embargo, el contenido aquí es matemáticamente denso, así que siéntase libre de saltar de un lado a otro para obtener los conceptos correctos. También un montón de ejercicios en R hacia el final de cada lección te ayudarán a perfeccionar tus habilidades de programación en R
- Introducción al aprendizaje automático de Udacity : este es un curso divertido que me ayudó a aprender Python junto con los conceptos de aprendizaje automático. Se familiarizará con scikit learn, que es la base de ML en Python. Y los ejercicios de ejemplo como el reconocimiento facial con PCA y el clasificador de detección de fraude Enron son súper geniales. El curso ha cambiado un poco desde la última vez que lo tomé, aunque estoy seguro de que lo han mejorado.
Cada uno de estos le ayudará a atacar ML y estadísticas desde diferentes ángulos, triangular conceptos y ayudar a construir una comprensión multifacética para este campo.
- ¿Alguien ha tomado un curso inmersivo de ciencia de datos con la Asamblea General cuando ya había hecho algo lejos de las computadoras? ¿Pudieron encontrar un trabajo?
- ¿Algunos físicos usan Excel para el análisis de datos?
- Cómo convertirse en un desarrollador de Big Data a los 33 años sin experiencia previa en esta área
- ¿Qué es la optimización basada en sustitutos?
- ¿Cuál es una mala manera de comenzar a aprender ciencia de datos, aprendizaje automático y aprendizaje profundo?
¡Y así es como puedes aprender programación, estadísticas y aprendizaje automático mejor en el menor tiempo!
