Como habrás escuchado de una gran cantidad de fuentes, la clase de ML de Andrew Ng en Coursera es una de las mejores. El tipo es una de las mejores mentes en ML hoy en el planeta y su forma de explicar es muy lúcida e interesante. Estoy a punto de terminar su clase y me estoy divirtiendo muchísimo resolviendo cuestionarios, preguntas en video, haciendo tareas de programación y participando en discusiones.
Solo como nota al margen, se sorprenderá al saber cuánto puede aprender solo de los foros de discusión de esta clase que de los videos de conferencias reales.
Además de esta clase, hay una nueva especialización de ML en Coursera iniciada por dos profesores de UW, Emily Fox y Carlos Guestrin. Ambos son brillantes y saben muchas cosas sobre ML. La especialización contiene un total de 5 cursos más un proyecto final. Estoy a punto de terminar el primero y me divierto mucho haciéndolo. Aunque en realidad comenzarán a discutir los conceptos centrales desde el segundo curso en adelante y el primero es más o menos cómo se diseñan las aplicaciones de ML utilizando varios algoritmos de ML, si no está interesado en la especialización completa, puede comenzar desde el segundo curso. Y la mejor parte de esta especialización es que puedes codificar en Python.
- ¿Hay alguna posibilidad de convertirse en un ingeniero de big data sin tener conocimientos de Java o conocimientos de codificación?
- ¿Cuál es la diferencia entre un almacén de datos y una plataforma de gestión de datos?
- Como empresa de tecnología, ¿Amazon usa más Python que R para proyectos de Data Science?
- Cómo dominar la programación de Python para trabajos de ciencia de datos
- Cómo conectar un proyecto de ciencia de datos con un proyecto de aplicación Django
Además de estas dos clases, hay una especialización en Ciencia de Datos (que consta de 10 cursos) también de la Universidad Johns Hopkins. No lo he tomado (excepto en los dos primeros cursos) pero he oído que es bastante bueno. Puedes probar eso también.
Espero que esto ayude. 🙂