Estoy interesado en aprender ciencia de datos, aprendizaje automático y lenguaje R. ¿Cómo debo comenzar para cualquiera de estos cursos?

Felicitaciones por ti amigo, estás comenzando cosas en ti segundo año de ingeniería en sí.

Por supuesto, puede entender las cosas directamente sin muchos requisitos previos, pero para la perfección Álgebra lineal + Estadística + Codificación + Teoría de la información

Concéntrese en su aprendizaje de graduación. Aprenda esto como punto de vista de la aplicación, pregúntele a su profesor dónde se usa. ¿Cómo puedo usar esto en la vida normal? bla bla bla.

Desde el punto de vista del curso ya tienes muchas respuestas.

Sugeriría la forma de Edge de The Analytics edx por MIT y seguida por Kaggle Competition ya que siempre sigue a AnalyticsVidya.com El sitio web para todas las experiencias compartidas y bien ubicado para comenzar las cosas siempre aprende de las matemáticas detrás de la ciencia de datos, nunca aprende mediante herramientas de aprendizaje específico (R o python), los cambios en la ciencia permanecen.

Sobre todo construir una calidad de “curiosidad”. Realmente impulsa el aprendizaje de la ciencia de datos.

Ciencia de datos, análisis de datos, aprendizaje automático, aprendizaje profundo, lenguaje R.

Todos estos temas son vastos en sí mismos, pero se incorporan de una manera en que cada tecnología es un maestro en sí mismo.

Para aprender Ciencia de datos, debe comprender los siguientes conceptos como requisitos previos:

• Probabilidades y estadísticas
• Técnicas de optimización
• Calculo diferencial
• Programación

Para incorporar los temas anteriores entre sí, puede consultar el siguiente blog

Programación R | Guía para principiantes del lenguaje de programación R | Edureka

Después de tener una idea básica de R con estadísticas, puede obtener más información sobre Estadísticas usando R en el siguiente tutorial:

Capacitación en línea de R Analytics | Curso de Certificación R | Edureka

Después de comprender estos conceptos a fondo, su próximo paso sería aprender los algoritmos de Machine Learning e implementarlos para resolver problemas de la vida real. Para esto puede consultar:

Machine Learning con Python – Tutorial de Python Machine Learning | Edureka

Después de comprender la profundidad del aprendizaje automático, también aprenderá las limitaciones de esta tecnología, lo que condujo a la evolución del modelo de aprendizaje profundo. Para esto, consulte el siguiente blog y tutorial:

Tutorial de TensorFlow | Aprendizaje profundo con TensorFlow | Edureka

Tutorial de TensorFlow | Aprendizaje profundo con TensorFlow | Tutorial TensorFlow Python | Edureka

El video anterior incluye un caso de uso llamado Naval Mind Identifier, donde crearemos un modelo de aprendizaje profundo.

Después de pasar por los conceptos anteriores, puede comenzar su viaje para analizar problemas relacionados con el manejo de datos y marcar la diferencia en el mundo de hoy.

¡Bueno, es bueno que hayas decidido aprender el aprendizaje automático en tu segundo año!

La ciencia de datos, el análisis, el aprendizaje automático, el aprendizaje profundo, lo que sea que llamen primero y más importante es estadística.

Las estadísticas son lo primero que debe aprender antes de aprender R o cualquier otro lenguaje de programación. Si solo aprende un lenguaje de programación, puede construir modelos, ¡pero no puede decidir qué tan bueno es su modelo! Aprender estadísticas descriptivas, estadísticas inferenciales, probabilidad es suficiente para comenzar.

Elija un lenguaje de programación o una herramienta que se adapte a la ciencia de datos R, python, SAS son populares y fáciles.

Necesitas un conocimiento básico como mongodb que no se requiere inicialmente para aprender, pero después de ingresar a la industria es necesario.

La visualización de datos es necesaria para el análisis de datos antes del modelado y para presentar los resultados después de construir el modelo. Tableau, qlikview, d3.js, R y Pythons utilizados para esto.

Ahora, desde mi experiencia de aprendizaje en el aula imarticus, edx, coursera, cursos de udacity, le aconsejo que tome el curso de nanodregee de udacity.

1. Los cursos son creados por Facebook, Google y otros pioneros en el campo respectivo.
2. Las tarifas son de 9800 por mes. Se devuelve el 50% si puede completar en 12 meses. También hay un descuento adicional del 20% en algunos casos. Lo que significa que si puede completar en 1 mes, puede obtenerlo solo por 4–5k.
3. Si completa por venir feb. Hay una feria de trabajo en marzo con las principales empresas de TI.

Data Science es un término general que abarca múltiples dominios como:

• Análisis estadístico
• Aprendizaje automático
• Visualización de datos
• Manipulación de datos

Ahora, R es un lenguaje que se puede usar para implementar conceptos de minería de datos en conjuntos de datos de la vida real. Tiene más de 10,000 paquetes gratuitos y está completando Turing.

Entiendo que desea aprender ciencia de datos, por lo que le sugiero que siga estos pasos:

• Comience aprendiendo los conceptos centrales de la minería de datos.
• Aprende los conceptos básicos del lenguaje R:

• Vectores
• Liza
• Matrices
• Marcos de datos

Este es un video que cubre los conceptos centrales de la minería de datos, seguido de un estudio de caso en R.

• Puede realizar algunas tareas de visualización de datos utilizando el paquete ” ggplot2 ” en R

• Finalmente, para dominar sus habilidades de ciencia de datos, puede comenzar a competir en Kaggle

Realice estos cursos y estará listo para su viaje de ciencia de datos.

Nombre del curso:

Fundamento del análisis de datos, partes 1 y 2

Mientras que los dos cursos anteriores, las estadísticas de enseñanza con R son muy útiles y el curso siguiente enseña la aplicación de práctica de aprendizaje automático con R.

Nombre del curso: The Analytics Edge

Todos estos cursos están disponibles en EdX

O

Coursera

Especialización en ciencia de datos usando R por la Universidad John Hopkins.

O

Puedes seguir

Analista de datos con R o

Data Scientist con R carrera profesional en Datacamp .

Después de realizar cualquiera de estos cursos, ya está listo para su viaje de ciencia de datos. Después, puede practicar por su cuenta utilizando diferentes conjuntos de datos.

Todo lo mejor

La edad es algo que no importa, solo importa tu curiosidad para captar cualquier concepto, en cualquier lugar. Me complace saber su preocupación por aprender estos cursos.

Data Science es un concepto muy amplio en el mercado actual. Consta de las siguientes secciones:

Investigación estadística (dominio de la experiencia + matemáticas)

Procesamiento de datos (experiencia en el dominio + informática)

Aprendizaje automático (informática + matemáticas)

Para dominar la ciencia de datos, debemos tener conocimiento sobre muchas cosas. Debe tener el control sobre los conceptos estadísticos, que es el alma de la ciencia de datos. Para el aprendizaje automático, debes ser fuerte en matemáticas. Para manipular datos estadísticos, el conocimiento de la informática es obligatorio. La informática es una raíz de la ciencia de datos. Para el aprendizaje automático, debe tener conocimientos de estadística, matemáticas y python. Puede obtener conocimiento de dominio haciendo la búsqueda de google.

¿Pero lo principal es de dónde obtener conocimiento sobre Data Science, Machine Learning y lenguaje de programación R? Conozco un instituto de educación llamado ZeoLearn, donde puedes obtener más para explorar y aprender. Tienen 10 cursos sobre ciencia de datos que incluyen el famoso Big Data y Hadoop, curso de aprendizaje automático que usa lenguaje de programación Python y R y con buenos entrenadores. Tienen más de 105 cursos de certificación de lenguajes de programación que lo ayudarán a aumentar su interés en la codificación. Para obtener más información, puede visitar directamente su sitio web oficial.

Comience con 1, álgebra lineal y optimización 2. Estadísticas básicas 3, Aprendizaje automático 4, Python y R 5, SQL y DB

Coursera Machine Learning

¿Cómo comienzo el aprendizaje automático?

¿Cuál es la mejor manera de comenzar a aprender machine learning en Python? ¿Cuáles son los requisitos previos?

¿Cómo puedo comenzar a aprender machine learning y crear aplicaciones con él?

¿Cómo aprendo el aprendizaje automático?

¿Cuáles son algunos buenos recursos para aprender R?

¿Cómo aprendo Python en profundidad?

¿Cómo puedo aprender Deep Learning rápidamente?

¿Qué es el aprendizaje automático en términos simples?

¿Cuál es la diferencia entre los términos “aprendizaje automático”, “aprendizaje profundo” e “IA”?

¿Cómo utiliza Quora el aprendizaje automático en 2015?

Editado ::

Álgebra Lineal y Optimización para Machine Learning

Aprendizaje automático – Universidad de Stanford | Coursera

Aprendizaje automático – Universidad de Stanford | Coursera

¡Bienvenido a Machine Learning! – Universidad de Stanford | Coursera

Python para el aprendizaje automático

Aprendizaje automático aplicado en Python – Universidad de Michigan | Coursera

7 pasos para dominar el aprendizaje automático con Python

Sats for Ml

¿Cómo aprendo estadísticas y probabilidad de aprendizaje automático?

Estadísticas Básicas – Universidad de Amsterdam | Coursera

Programación R para ML

Machine Learning en R para principiantes

Introducción en profundidad al aprendizaje automático en 15 horas de videos expertos

Procesamiento natural del lenguaje

Dan Jurafsky y Chris Manning: procesamiento del lenguaje natural

18 nuevos libros de lectura obligatoria para científicos de datos sobre R y Python

Tienes varias opciones gratuitas disponibles en internet. Por favor, googlearlos.

Algunas opciones son: Registrarse con Edx, Udacity, Coursera, Udemy, etc.

Coursera y Edx tienen muchos cursos interactivos disponibles en un área de ciencia de datos, aprendizaje automático y R de universidades estadounidenses de renombre. Lo bueno es que todos son gratis. Solo tiene que pagar si opta por el certificado.

Todos los mooc mencionados anteriormente son buenos, especialmente la introducción de Stanford al aprendizaje automático. Pero antes de todo lo que debo decir, primero debes hacer que tus fundamentos en cálculo, vectores y todas las matemáticas de ingeniería sean sólidos como una roca.

Y también debe estar bien versado con estadísticas inferenciales y diferenciales. Dado que el conocimiento de ML será más fácil de comprender.

¡¡Feliz aprendizaje!!

Secundo a todos los que han hablado sobre el aprendizaje del curso. Sin embargo, una cosa para aprender ciencia de datos es trabajar con alguien que conozca el campo dentro y fuera. Quizás, un investigador o una persona que ha trabajado en una organización basada en la investigación durante bastante tiempo. La percepción y el pensamiento que poseen estos tipos es bastante diferente de lo que cualquier curso enseñará. Tuve la oportunidad de trabajar con pocas personas y tuve un gran aprendizaje.

Hay muchos profesionales que afirman ser profesionales de la ciencia de datos basados ​​en estos cursos, pero se necesitan algunos aportes menores que cambien toda la solución y los resultados.

Espero que esto ayude.

Puede seguir el sitio de Analytics Vidhya Home, que es muy útil para los principiantes interesados ​​en la ciencia de datos

En el primer video, Machine Leraning se explica en palabras claras y simples. Después de esto, revise esta serie informativa de Video de aprendizaje de Machine Learning …

¿Qué es Python Machine Learning y cómo aprenderlo?

Prueba 1

Prueba 2

Prueba 3

Prueba 4

Prueba 5

Puede aprender del curso Edx + microsoft que proporciona 8 habilidades de ciencia de datos

https://academy.microsoft.com/en …