Lo mejor depende de dónde se encuentre con sus habilidades matemáticas, estadísticas y de programación.
Para los programadores principiantes, la introducción a la informática y la programación utilizando Python (Introducción a la informática y la programación utilizando Python) es el mejor curso. Aunque los requisitos previos mencionan a un principiante completo, aún si no tiene experiencia previa en programación en cualquier idioma, deberá trabajar duro. El conjunto de problemas no es fácil, pero pasar tiempo en los foros pagará dividendos. Todo el curso es en python, que es una habilidad útil para aprender, ya que la mayoría de las empresas están haciendo aprendizaje automático en python. El último módulo sobre Análisis de clúster le presentará los algoritmos básicos de aprendizaje automático.
Para principiantes en estadística Estadísticas con R | Coursera (Estadísticas con R | Coursera) será el mejor curso o serie de cursos para adquirir una base sólida en estadística inferencial y prueba de hipótesis, cuando tomé el curso solo era Análisis de datos e inferencia estadística – Duke en línea (Análisis de datos & Inferencia estadística – Duque en línea), que fue simplemente el mejor curso que he tomado. Los problemas planteados fueron desafiantes para los principiantes y el curso DataCamp que lo acompaña que le enseña a programar en R es excelente. Después de terminar este curso, sentirá que tiene lo esencial para continuar aprendiendo usando libros y otros cursos avanzados en línea.
- ¿Cuáles son algunas buenas técnicas o herramientas de visualización de datos además de Tableau que uno debe aprender para comenzar su carrera en el campo de la visualización?
- ¿Por qué hay tanta locura por la ciencia de datos en estos días?
- ¿Qué son las certificaciones de Big Data? ¿Es necesario tener una buena carrera en el dominio de big data?
- ¿Cómo se convierte uno en científico?
- ¿Puedo convertirme en un científico de datos sin aprender Python, pero solo con conocimientos de programación Java y aprendiendo el lenguaje R?
Buenos cursos de seguimiento que había tomado:
- Estadística para empresas – I (Estadística para empresas – I) y Estadística para empresas – II (Estadística para empresas – II) son dos cursos sorprendentes nuevamente de la facultad de IIMB. Cubre temas como los conceptos básicos de distribuciones, pruebas de hipótesis, variables aleatorias, etc. que muchas personas generalmente omiten al estudiar ciencia de datos. El curso se imparte en Excel, que todavía utilizan muchas empresas para el análisis de datos.
- Análisis predictivo (Análisis predictivo): uno de los mejores cursos en términos de calidad del material. El profesor Dinesh Kumar, de IIMB, es increíble y lo ayuda a comenzar con análisis de negocios y pequeños conjuntos de datos utilizando Excel y SPSS.
- The Analytics Edge (The Analytics Edge): otro gran curso que enseña muchos conceptos y ensucia tu mano con datos muy rápido. Todas las conferencias y sets de programación usan R. Lo mejor del curso es que organizan la competencia Kaggle Your Home for Data Science (Your Home for Data Science), que es una excelente manera para que los principiantes comiencen a usar este increíble recurso.
- El aprendizaje estadístico (aprendizaje estadístico) es un curso avanzado que enseña la mayoría de los modelos de aprendizaje automático ampliamente utilizados desde una perspectiva estadística. Todos los ejemplos y conjuntos de problemas están en R. Lo que hace que este curso sea especial es el libro que lo acompaña Una Introducción al Aprendizaje Estadístico: con Aplicaciones en R (Amazon.com: Una Introducción al Aprendizaje Estadístico: con Aplicaciones en R (Textos Springer en Estadísticas) (9781461471370): Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani: Libros) por estos profesores de estadística de renombre mundial que es gratuito y alberga toneladas de problemas de modelado y un sitio web con soluciones en R.
Para principiantes en Machine Learning – Machine Learning – Stanford University | Coursera proporciona la mejor introducción a los algoritmos de aprendizaje automático y sus implementaciones. Comienza con un repaso sobre las manipulaciones de matriz y álgebra básica requerida para este curso y un breve tutorial de Octave (versión de código abierto de MATLAB (MATLAB – MathWorks)) que es un lenguaje de programación específicamente útil para la manipulación de datos y el procesamiento de señales. Impartido por Andrew Ng, este es el curso de la versión del aula enseñada en Stanford con el mismo nombre. Si tienes suficiente confianza en Matemáticas, puedes intentar ese curso también.
Otros excelentes cursos que planeo tomar yo mismo (no en ningún orden):
- Aprendiendo de los datos
- Probabilidad computacional e inferencia
- Modelos gráficos probabilísticos | Coursera
- CS109 Data Science
- Redes neuronales para el aprendizaje automático – Universidad de Toronto | Coursera
- CS224n: Procesamiento de lenguaje natural con aprendizaje profundo
- Inteligencia Artificial (IA)
- Estadísticas 110: Probabilidad
Aprendizaje feliz 🙂