כל קורס למידה ממוחשבת באינטרנט, מדורג לפי הביקורות שלך

לפני שנה וחצי נשרתי מאחת התוכניות הטובות ביותר למדעי המחשב בקנדה. התחלתי ליצור תוכנית משלי למדעי הנתונים באמצעות משאבים מקוונים. הבנתי שאני יכול ללמוד את כל מה שאני צריך דרך edX, Coursera ו- Udacity במקום זאת. ויכולתי ללמוד את זה מהר יותר, ביעילות רבה יותר ובשביל חלק קטן מהעלות.

כמעט סיימתי עכשיו. עברתי קורסים רבים הקשורים למדעי נתונים וביקרתי חלקים רבים נוספים. אני מכיר את האפשרויות שם ואילו כישורים דרושים ללומדים המתכוננים לתפקיד מנתח נתונים או מדעני נתונים.אז התחלתי ליצור מדריך מבוסס ביקורת הממליץ על הקורסים הטובים ביותר לכל נושא בתחום מדעי הנתונים.

למדריך הראשון בסדרה המלצתי על כמה שיעורי קידוד למדעני הנתונים המתחילים. ואז זה היה שיעורי סטטיסטיקה והסתברות. ואז מבוא למדע הנתונים. כמו כן, הדמיית נתונים.

עכשיו ללימוד מכונה.

עבור מדריך זה, הקדשתי תריסר שעות בניסיון לזהות כל קורס לימוד מכונה מקוון המוצע החל ממאי 2017, תוך שאיבת חלקי מידע מרכזיים מתכניותיהם וביקורותיהם, והרכבתי את דירוגיהם. המטרה הסופית שלי הייתה לזהות את שלושת הקורסים הטובים ביותר שיש ולהציג אותם בפניכם, להלן.

לצורך משימה זו פניתי לאף אחד מאשר לקהילה הפתוחה של Class Central, ולמאגר שלה הכולל אלפי דירוגי ביקורות וביקורות.

מאז 2011, מייסד קלאס סנטרל, דהאל שאה, שמר מקרוב על קורסים מקוונים מאשר ניתן לטעון שאף אחד אחר בעולם. דהוואל עזר לי באופן אישי להרכיב את רשימת המשאבים הזו.

איך בחרנו קורסים שיש לקחת בחשבון

כל קורס חייב להתאים לשלושה קריטריונים:

עליו להכיל כמות משמעותית של תכני למידה ממוחשבת. באופן אידיאלי, למידת מכונה היא הנושא העיקרי.שים לב שקורסי למידה עמוקה בלבד אינם נכללים. עוד על כך בהמשך.
זה חייב להיות לפי דרישה או להיות מוצע כל כמה חודשים.
זה חייב להיות קורס מקוון אינטראקטיבי, כך שאין ספרים או הדרכות לקריאה בלבד . למרות שאלו דרכים קיימא ללמוד, מדריך זה מתמקד בקורסים. קורסים שהם סרטונים למהדרין (כלומר ללא חידונים, מטלות וכו ') אינם נכללים גם כן.

אנו מאמינים כי כיסינו כל קורס בולט המתאים לקריטריונים הנ"ל. מכיוון שיש לכאורה מאות קורסים על Udemy, בחרנו לשקול את אלה שנבדקו והדירוגים הגבוהים ביותר בלבד.

תמיד יש סיכוי שהחמצנו משהו. אז אנא יידע אותנו בסעיף ההערות אם השארנו קורס טוב בחוץ.

איך הערכנו קורסים

ריכזנו דירוגים ממוצעים ומספר ביקורות מאתרים Class Central ואתרי ביקורות אחרים כדי לחשב דירוג ממוצע משוקלל לכל קורס. קראנו ביקורות טקסט והשתמשנו במשוב זה כדי להשלים את הדירוגים המספריים.

ערכנו שיחות שיפוטיות של סילבוס מבוססות על שלושה גורמים:

הסבר על זרימת העבודה של למידת מכונה. האם הקורס מתווה את הצעדים הנדרשים לביצוע פרויקט ML מצליח? עיין בסעיף הבא לגבי מהי זרימת עבודה אופיינית.
כיסוי של טכניקות למידת מכונה ואלגוריתמים. האם מגוון טכניקות (למשל רגרסיה, סיווג, אשכולות וכו ') ואלגוריתמים (למשל במסגרת הסיווג: בייס נאיביים, עצי החלטה, מכונות וקטוריות תומכות וכו') מכוסים או רק מעטים נבחרים? העדפה ניתנת לקורסים המכסים יותר מבלי לקמץ בפירוט.
שימוש בכלי מדע נתונים נפוצים וכלי למידת מכונה. האם הקורס נלמד באמצעות שפות תכנות פופולריות כמו פייתון, R ו / או סקאלה? מה לגבי ספריות פופולריות בשפות אלו? אלה אינם הכרחיים, אך מועילים ולכן ניתנת עדיפות קלה לקורסים אלה.

מהי למידת מכונה? מהי זרימת עבודה?

הגדרה פופולרית מקורו של ארתור סמואל בשנת 1959: למידת מכונה היא תחום משנה של מדעי המחשב הנותן "למחשבים את היכולת ללמוד מבלי להיות מתוכנת במפורש." בפועל, המשמעות היא פיתוח תוכנות מחשב שיכולות לחזות על סמך נתונים. כמו שבני אדם יכולים ללמוד מניסיון, כך גם מחשבים, שבהם נתונים = חווים.

זרימת עבודה של למידת מכונה היא התהליך הנדרש לביצוע פרויקט למידת מכונה. למרות שפרויקטים בודדים יכולים להיות שונים, רוב זרימות העבודה חולקות כמה משימות נפוצות: הערכת בעיות, חקר נתונים, עיבוד מקדים של נתונים, הכשרה / בדיקה / פריסת מודלים וכו '. להלן תמצאו הדמיה מועילה של שלבי הליבה הבאים:

הקורס האידיאלי מציג את התהליך כולו ומספק דוגמאות, מטלות ו / או חידונים אינטראקטיביים בהם התלמידים יכולים לבצע כל משימה בעצמם.

האם קורסים אלה מכסים למידה עמוקה?

ראשית, בואו נגדיר למידה עמוקה. הנה תיאור תמציתי:

"למידה עמוקה היא תחום משנה של למידת מכונה העוסק באלגוריתמים בהשראת המבנה והתפקוד של המוח הנקראים רשתות עצביות מלאכותיות." - ג'ייסון בראונלי מ- Machine Learning Mastery

כצפוי, חלק מכמה מקורסי למידת המכונה מכילים תכני למידה עמוקים. בחרתי שלא לכלול קורסים למידה עמוקה בלבד. אם אתה מעוניין ללמוד למידה מעמיקה באופן ספציפי, אנו מכוסים במאמר הבא:

צללו למידה עמוקה עם 12 קורסים מקוונים בחינם

כל יום מביא כותרות חדשות לאופן שבו למידה עמוקה משנה את העולם סביבנו. כמה דוגמאות: medium.freecodecamp.com

שלוש ההמלצות המובילות שלי מאותה רשימה הן:

יישומים יצירתיים של למידה עמוקה עם TensorFlowמאת קדנזה
רשתות עצביות ללימוד מכונה על ידי אוניברסיטת טורונטו (בהוראת ג'פרי הינטון) באמצעות קורסרה
למידה עמוקה AZ ™: רשתות עצביות מלאכותיות מעשיות
מאת קיריל ארמנקו, הדלין דה פונטבס וצוות SuperDataScience באמצעות אודמי

תנאים מוקדמים מומלצים

כמה קורסים המפורטים להלן מבקשים מהתלמידים להתנסות בתכנות, בחשבון, באלגברה לינארית ובסטטיסטיקה. תנאים מוקדמים אלה מובנים בהתחשב בכך שלימוד מכונה הוא תחום מתקדם.

חסר לך כמה נושאים? חדשות טובות! ניתן לרכוש חלק מניסיון זה באמצעות המלצותינו בשני המאמרים הראשונים (תכנות, סטטיסטיקה) של מדריך קריירה זה למדעי הנתונים. כמה קורסים המדורגים בראש הדף מספקים גם חישוב עדין ורענון אלגברה לינארית ומדגישים את ההיבטים הרלוונטיים ביותר ללימוד מכונה עבור אנשים פחות מוכרים.

הבחירה שלנו לקורס למידת המכונה הטובה ביותר היא ...

למידה ממוחשבת (אוניברסיטת סטנפורד באמצעות קורסרה)

למידת המכונה של אוניברסיטת סטנפורד בקורסרה היא הזוכה הנוכחית הברורה מבחינת דירוגים, ביקורות ותאימות לתכניות הלימודים. לימדו של אנדרו נג המפורסם, מייסד המוח של גוגל ומדען ראשי לשעבר בבאידו, זה היה המעמד שעורר את הקמתו של קורסרה. יש לו דירוג ממוצע משוקלל של 4.7 כוכבים על פני 422 ביקורות.

שוחרר בשנת 2011, הוא מכסה את כל ההיבטים בתהליך העבודה של למידת מכונה. למרות שיש לו היקף קטן יותר ממעמד סטנפורד המקורי עליו הוא מבוסס, הוא עדיין מצליח לכסות מספר רב של טכניקות ואלגוריתמים. ציר הזמן המשוער הוא אחד עשר שבועות, כאשר שבועיים מוקדשים לרשתות עצביות ולמידה עמוקה. אפשרויות בחינם ובתשלום זמינות.

נג הוא מדריך דינמי אך עדין עם חוויה מוחשית. הוא מעורר אמון, במיוחד כאשר הוא משתף טיפים מעשיים ביישום ואזהרות לגבי מלכודות נפוצות. ניתנת רענון אלגברה לינארית ו- Ng מדגיש את היבטי החשבון הרלוונטיים ביותר ללמידת מכונה.

ההערכה היא אוטומטית ומתבצעת באמצעות חידוני בחירה מרובה העוקבים אחר כל שיעור ומשימות תכנות. ניתן לבצע את המטלות (ישנן שמונה מהן) ב- MATLAB או באוקטבה, המהווה גרסת קוד פתוח של MATLAB. נג מסביר את בחירת השפה שלו:

בעבר ניסיתי ללמד למידת מכונה באמצעות מגוון גדול של שפות תכנות שונות, כולל C ++, Java, Python, NumPy וגם Octave ... ומה שראיתי לאחר שלימדתי למידת מכונה במשך כמעט עשור הוא זה אתה לומד הרבה יותר מהר אם אתה משתמש באוקטבה כסביבת התכנות שלך.

למרות שפיתון ו- R הם ככל הנראה אפשרויות משכנעות יותר בשנת 2017 עם הפופולריות המוגברת של שפות אלה, הסוקרים מציינים כי זה לא אמור למנוע ממך ללמוד את הקורס.

כמה סוקרים בולטים ציינו את הדברים הבאים:

בעל שם רב שנים בעולם MOOC, קורס למידת המכונות של סטנפורד הוא באמת ההקדמה הסופית לנושא זה. הקורס מכסה באופן כללי את כל התחומים העיקריים של למידת מכונה ... פרופ 'נג מקדים כל קטע עם דיון מניע ומופתים.

אנדרו נג הוא מורה מחונן ומסוגל להסביר נושאים מסובכים בצורה מאוד אינטואיטיבית וברורה, כולל המתמטיקה שמאחורי כל המושגים. מומלץ מאוד.

הבעיה היחידה שאני רואה עם קורס זה אם זה מגדיר את רף הציפיות גבוה מאוד עבור קורסים אחרים.

מבוא חדש לליגת הקיסוס עם פרופסור מבריק

למידת מכונה (אוניברסיטת קולומביה באמצעות edX)

למידת המכונות של אוניברסיטת קולומביה היא הצעה יחסית חדשה המהווה חלק מהמיקרו-מאסטרים שלהם לבינה מלאכותית ב- edX. למרות שהוא חדש יותר ואין לו מספר רב של ביקורות, אלה שיש לו חזקים במיוחד. פרופסור ג'ון פייזלי מצוין כמבריק, ברור וחכם. יש לו דירוג ממוצע משוקלל של 4.8 כוכבים מעל 10 ביקורות.

הקורס מכסה גם את כל ההיבטים בתהליך העבודה של למידת מכונה ואלגוריתמים רבים יותר מההצעה של סטנפורד לעיל. קולומביה היא מבוא מתקדם יותר, עם סוקרים שציינו כי התלמידים צריכים להיות נוחים עם התנאים המוקדמים המומלצים (חשבון, אלגברה לינארית, סטטיסטיקה, הסתברות וקידוד).

חידונים (11), מטלות תכנות (4) ובחינת גמר הם דרכי ההערכה. התלמידים יכולים להשתמש בפייתון, אוקטבה או MATLAB כדי להשלים את המטלות. ציר הזמן הכולל המשוער של הקורס הוא שמונה עד עשר שעות בשבוע לאורך שנים עשר שבועות. זה בחינם עם אישור מאומת זמין לרכישה.

להלן כמה מהביקורות הנוצצות הנ"ל:

במשך כל שנות הסטודנט [נתקלתי] נתקלתי בפרופסורים שאינם מבריקים, פרופסורים מבריקים אך אינם יודעים כיצד להסביר את הדברים בצורה ברורה, ופרופסורים מבריקים ויודעים כיצד להסביר את הדברים בְּבִירוּר. ד"ר פייזלי שייך לקבוצה השלישית.

זה קורס נהדר ... שפת המדריך מדויקת והיא בעיניי אחת הנקודות החזקות ביותר בקורס. ההרצאות איכותיות וגם השקופיות נהדרות.

ד"ר פייזלי והממונה עליו הם ... תלמידיו של מייקל ג'ורדן, אבי למידת המכונה. [ד"ר. פייזלי] הוא הפרופסור הטוב ביותר ל- ML בקולומביה בגלל יכולתו להסביר דברים בצורה ברורה. עד 240 סטודנטים בחרו את הקורס שלו בסמסטר זה, המספר הגדול ביותר מבין כל הפרופסורים ללימוד מכונה בקולומביה.

מבוא מעשי ב- Python & R של מומחים בתעשייה

למידה מכונה של AZ ™: פיתון וארץ 'במדעי הנתונים (קיריל ארמנקו, הדלין דה פונטבס וצוות SuperDataScience באמצעות אודמי)

מכונת הלמידה AZ ™ על Udemy היא מנחה מפורט מרשים המספק הדרכה היא Python ו- R, שהוא נדיר ולא ניתן לומר על כל הקורסים העליונים האחרים. יש לו דירוג ממוצע משוקלל של 4.5 כוכבים על פני 8,119 ביקורות, מה שהופך אותו למסלול הנבדק ביותר מבין הנחשבים.

הוא מכסה את כל זרימת העבודה של למידת מכונה ומספר כמעט מגוחך (בצורה טובה) של אלגוריתמים דרך 40.5 שעות של סרטון לפי דרישה. הקורס נוקט גישה יישומית יותר והוא קל יותר מבחינה מתמטית משני הקורסים לעיל. כל קטע מתחיל בסרטון "אינטואיציה" מארמנקו המסכם את התיאוריה הבסיסית של המושג הנלמד. דה פונטיבס עובר אחר כך את היישום עם סרטונים נפרדים עבור פייתון ו- R.

כ"בונוס ", הקורס כולל תבניות קוד פייתון ו- R להורדה ולשימוש בפרויקטים שלהם. יש חידונים ואתגרי שיעורי בית, אם כי אלה לא הנקודות החזקות של הקורס.

ארמנקו וצוות SuperDataScience מכובדים על יכולתם "להפוך את המתחם לפשוט". כמו כן, התנאים המוקדמים המפורטים הם "רק איזו מתמטיקה בתיכון", כך שקורס זה עשוי להיות אפשרות טובה יותר עבור אלה המרתיעים מההיצע של סטנפורד וקולומביה.

כמה סוקרים בולטים ציינו את הדברים הבאים:

הקורס מופק באופן מקצועי, איכות הצליל מעולה וההסברים ברורים ותמציתיים ... זה ערך מדהים להשקעה הכספית והזמנית שלך.

היה מרהיב להיות מסוגל לעקוב אחר הקורס בשתי שפות תכנות שונות במקביל.

קיריל הוא אחד המדריכים הטובים ביותר באודמי (אם לא באינטרנט) ואני ממליץ לקחת כל שיעור שהוא ילמד. ... קורס זה מכיל המון תוכן, כמו המון!

התחרות

לבחירה מספר 1 שלנו היה דירוג ממוצע משוקלל של 4.7 מתוך 5 כוכבים מעל 422 ביקורות. בואו נסתכל על החלופות האחרות, ממוינות לפי דירוג יורד. תזכורת לכך שקורסי למידה עמוקה בלבד אינם כלולים במדריך זה - תוכלו למצוא אותם כאן.

Edge Edge (המכון הטכנולוגי של מסצ'וסטס / edX): ממוקד יותר בניתוח באופן כללי, אם כי הוא מכסה כמה נושאי למידת מכונה. משתמש בנרטיב R. חזק שמנצל דוגמאות מוכרות בעולם האמיתי. מאתגר. עשר עד חמש עשרה שעות בשבוע לאורך שנים עשר שבועות. חינם עם אישור מאומת זמין לרכישה. יש לו דירוג ממוצע משוקלל של 4.9 כוכבים מעל 214 ביקורות.

פייתון למדעי נתונים ולמידת מכונה Bootcamp (חוזה פורטילה / אודמי): בעל נתחים גדולים של תוכן למידת מכונה, אך מכסה את כל תהליך מדע הנתונים. יותר מבוא מפורט מאוד לפייתון. כמובן מדהים, אם כי לא אידיאלי להיקף המדריך הזה. 21.5 שעות של סרטון לפי דרישה. העלות משתנה בהתאם להנחות באודמי, אשר תכופות. יש לו דירוג ממוצע משוקלל של 4.6 כוכבים מעל 3316 ביקורות.

מדעי נתונים ולומד מכונה Bootcamp עם R (חוזה פורטילה / אודמי): ההערות לקורס הנ"ל של פורטילה חלות גם כאן, למעט R. 17.5 שעות של סרטון לפי דרישה. העלות משתנה בהתאם להנחות באודמי, אשר תכופות. יש לו דירוג ממוצע משוקלל של 4.6 כוכבים מעל 1317 ביקורות.

סדרת למידה ממוחשבת (Lazy Programmer Inc./Udemy): לומד על ידי מדעני נתונים / מהנדס נתונים גדולים / מהנדס תוכנה מלא עם קורות חיים מרשימים, כיום יש ל- Lazy מתכנת סדרה של 16 קורסים ממוקדי למידת מכונה על Udemy. בסך הכל יש לקורסים 5000+ דירוגים וכמעט בכולם 4.6 כוכבים. הזמנת קורסים שימושית ניתנת בתיאור כל קורס. משתמש בפייתון. העלות משתנה בהתאם להנחות באודמי, אשר תכופות.

למידה ממוחשבת (Georgia Tech / Udacity): אוסף של מה שהיה שלושה קורסים נפרדים: פיקוח, ללא פיקוח ולמידה מחזקת. חלק מהנדס למידת המכונות של Udacity Nanodegree ותואר שני מקוון (OMS) של ג'ורג'יה טק. קטעי וידאו בגודל ביס, כמו גם הסגנון של Udacity. פרופסורים ידידותיים. ציר זמן משוער לארבעה חודשים. חינם. יש לו דירוג ממוצע משוקלל של 4.56 כוכבים על פני 9 ביקורות.

יישום ניתוח חיזוי עם Spark ב- Azure HDInsight (Microsoft / edX): מציג את מושגי הליבה של למידת מכונה ומגוון אלגוריתמים. ממנף כמה כלים ידידותיים לנתונים גדולים, כולל Apache Spark, Scala ו- Hadoop. משתמש גם בפייתון וגם ב- ארבע שעות בשבוע במשך שישה שבועות. חינם עם אישור מאומת זמין לרכישה. יש לו דירוג ממוצע משוקלל של 4.5 כוכבים על פני 6 ביקורות.

מדעי נתונים ולמידת מכונה עם פיתון - הידיים! (פרנק קיין / אודמי): משתמש בפייתון. קיין יש תשע שנות ניסיון באמזון וב- IMDb. תשע שעות של סרטון לפי דרישה. העלות משתנה בהתאם להנחות באודימי, אשר תכופות. יש לו דירוג ממוצע משוקלל של 4.5 כוכבים מעל 4139 ביקורות.

Scala and Spark for Big Data and Machine Learning (Jose Portilla / Udemy): "Big data" מתמקד, במיוחד ביישום ב- Scala and Spark. עשר שעות סרטון לפי דרישה. העלות משתנה בהתאם להנחות באודמי, אשר תכופות. יש לו דירוג ממוצע משוקלל של 4.5 כוכבים מעל 607 ביקורות.

מהנדס למידת מכונה Nanodegree (Udacity): תוכנית הדגל של למידת מכונות של Udacity, הכוללת מערכת סקירת פרויקטים מהשורה הראשונה ותמיכה בקריירה. התוכנית היא אוסף של כמה קורסים בודדים של Udacity, שהם בחינם. נוצר במשותף על ידי Kaggle. ציר זמן משוער של שישה חודשים. כרגע עולה 199 דולר לחודש עם החזר שכר לימוד של 50% עבור מי שסיים את הלימודים תוך 12 חודשים. יש לו דירוג ממוצע משוקלל של 4.5 כוכבים על פני 2 ביקורות.

למידה מנתונים (למידת מכונה מקדימה) (המכון הטכנולוגי של קליפורניה / edX): ההרשמה סגורה כעת ב- edX, אך זמינה גם דרך הפלטפורמה העצמאית של CalTech (ראה להלן). יש לו דירוג ממוצע משוקלל של 4.49 כוכבים על פני 42 ביקורות.

למידה מנתונים (למידת מכונה מקדימה) (ייזר אבו-מוסטפה / המכון הטכנולוגי של קליפורניה): "קורס קלטק אמיתי, לא גרסה מושקעת." ביקורות מציינים שהוא מצוין להבנת תיאוריית למידת מכונה. הפרופסור, יאסר אבו-מוסטפה, פופולרי בקרב הסטודנטים וכתב גם את ספר הלימוד עליו מבוסס קורס זה. סרטונים הם הרצאות מוקלטות (עם שקופיות הרצאות תמונה-בתמונה) שהועלו ליוטיוב. משימות שיעורי הבית הן קבצי PDF. חוויית הקורס של סטודנטים מקוונים אינה מלוטשת כמו שלושת ההמלצות הראשונות. יש לו דירוג ממוצע משוקלל של 4.43 כוכבים על פני 7 ביקורות.

כריית מערכי נתונים מסיביים (אוניברסיטת סטנפורד): למידת מכונה עם דגש על "נתונים גדולים". מציגה מערכות קבצים מבוזרות ומפות מודרניות. עשר שעות בשבוע במשך שבעה שבועות. חינם. יש לו דירוג ממוצע משוקלל של 4.4 כוכבים מעל 30 ביקורות.

AWS Machine Learning: מדריך שלם עם פיתון (Chandra Lingam / Udemy): התמקדות ייחודית בלימוד מכונה מבוסס ענן ובמיוחד שירותי האינטרנט של אמזון. משתמש בפייתון. תשע שעות של סרטון לפי דרישה. העלות משתנה בהתאם להנחות באודמי, אשר תכופות. יש לו דירוג ממוצע משוקלל של 4.4 כוכבים מעל 62 ביקורות.

מבוא ללמידת מכונה וגילוי פנים בפייתון (Holczer Balazs / Udemy): משתמש בפייתון. שמונה שעות של סרטון לפי דרישה. העלות משתנה בהתאם להנחות באודמי, אשר תכופות. יש לו דירוג ממוצע משוקלל של 4.4 כוכבים מעל 162 ביקורות.

StatLearning: למידה סטטיסטית (אוניברסיטת סטנפורד): מבוסס על ספר הלימוד המצוין, "מבוא ללמידה סטטיסטית, עם יישומים ב- R" ומועבר על ידי הפרופסורים שכתבו אותו. סוקרים מציינים כי ה- MOOC אינו טוב כמו הספר, ומצטט תרגילים "דקים" וסרטונים בינוניים. חמש שעות בשבוע לאורך תשעה שבועות. חינם. יש לו דירוג ממוצע משוקלל של 4.35 כוכבים מעל 84 ביקורות.

התמחות בלמידה ממוחשבת (אוניברסיטת וושינגטון / קורסרה): קורסים נהדרים, אך שני השיעורים האחרונים (כולל פרויקט אבן הגבעה) בוטלו. הסוקרים מציינים כי סדרה זו ניתנת לעיכול (קרא: קל יותר לבעלי רקע טכני חזק) מאשר קורסים אחרים בתחום לימוד מכונה (למשל סטנפורד או קלטק). שים לב שהסדרה אינה שלמה עם מערכות ממליצים, למידה עמוקה וסיכום חסר. אפשרויות בחינם ובתשלום זמינות. יש לו דירוג ממוצע משוקלל של 4.31 כוכבים מעל 80 ביקורות.

מ -0 ל -1: למידת מכונה, NLP ו- Python-Cut to the Chase (Loony Corn / Udemy): "טכניקות של למידת מכונה על-ידי-הארץ, ביישנית אך בטוחה." לימד צוות ארבעה אנשים עם עשרות שנות ניסיון בתעשייה יחד. משתמש בפייתון. העלות משתנה בהתאם להנחות באודמי, אשר תכופות. יש לו דירוג ממוצע משוקלל של 4.2 כוכבים על פני 494 ביקורות.

עקרונות למידת מכונה (Microsoft / edX): משתמש ב- R, Python ו- Microsoft Azure Machine Machine Learning. חלק מתעודת התוכנית המקצועית של מיקרוסופט במדעי הנתונים. שלוש עד ארבע שעות בשבוע במשך שישה שבועות. חינם עם אישור מאומת זמין לרכישה. יש לו דירוג ממוצע משוקלל של 4.09 כוכבים על פני 11 ביקורות.

נתונים גדולים: הסקה סטטיסטית ולמידת מכונה (אוניברסיטת קווינסלנד לטכנולוגיה / FutureLearn): קורס למידה מכונה נחמד וקצר, עם דגש על נתונים גדולים. מכסה כמה כלים כמו R, H2O Flow ו- WEKA. משך שלושה שבועות בלבד בשעתיים מומלצות בשבוע, אך סוקר אחד ציין כי שש שעות בשבוע יהיו מתאימות יותר. אפשרויות בחינם ובתשלום זמינות. יש לו דירוג ממוצע משוקלל של 4 כוכבים על פני 4 ביקורות.

מדע נתונים אשכוליות גנומיות (ביואינפורמטיקה V) (אוניברסיטת קליפורניה, סן דייגו / קורסרה): לאלו המעוניינים בצומת מדעי המחשב והביולוגיה וכיצד הוא מייצג גבול חשוב במדע המודרני. מתמקד באשכולות וצמצום ממדי. חלק מהתמחות ביואינפורמטיקה של UCSD. אפשרויות בחינם ובתשלום זמינות. יש לו דירוג ממוצע משוקלל של 4 כוכבים על פני 3 ביקורות.

מבוא ללמידת מכונה (Udacity): מתעדף רוחב נושא וכלים מעשיים (בפייתון) על פני עומק ותאוריה. המדריכים, סבסטיאן ת'רון וקייטי מאלון, הופכים את השיעור הזה לכל כך מהנה. מורכב מסרטונים וחידונים בגודל נגיסה ולאחריו מיני פרויקט לכל שיעור. כיום חלק ממנתח הנתונים של Udacity Nanodegree. ציר זמן משוער של עשרה שבועות. חינם. יש לו דירוג ממוצע משוקלל של 3.95 כוכבים על פני 19 ביקורות.

למידה ממוחשבת לניתוח נתונים (אוניברסיטת ווסליאן / קורסרה): למידת מכונה קצרה של מבוא וכמה אלגוריתמים נבחרים. מכסה עצי החלטה, יערות אקראיים, רגרסיה של לאסו, והתקבצות אמצעי k. חלק מהתמחות ניתוח ופרשנות הנתונים של ווסליאן. ציר זמן משוער לארבעה שבועות. אפשרויות בחינם ובתשלום זמינות. יש לו דירוג ממוצע משוקלל של 3.6 כוכבים על פני 5 ביקורות.

תכנות עם Python למדעי נתונים (Microsoft / edX): הופק על ידי מיקרוסופט בשותפות עם Coding Dojo. משתמש בפייתון. שמונה שעות בשבוע במשך שישה שבועות. אפשרויות בחינם ובתשלום זמינות. יש לו דירוג ממוצע משוקלל של 3.46 כוכבים מעל 37 ביקורות.

למידת מכונה למסחר (Georgia Tech / Udacity): מתמקדת ביישום גישות למידת מכונה הסתברותיות להחלטות מסחר. משתמש בפייתון. חלק מהנדס למידת המכונות של Udacity Nanodegree ותואר שני מקוון (OMS) של ג'ורג'יה טק. ציר זמן משוער לארבעה חודשים. חינם. יש לו דירוג ממוצע משוקלל של 3.29 כוכבים על פני 14 ביקורות.

למידת מכונה מעשית (אוניברסיטת ג'ונס הופקינס / קורסרה): מבוא קצר ומעשי למספר אלגוריתמים של למידת מכונה. כמה ביקורות של כוכב אחד / שני כוכבים המביעות מגוון של חששות. חלק מהתמחות מדעי הנתונים של JHU. ארבע עד תשע שעות בשבוע לאורך ארבעה שבועות. אפשרויות בחינם ובתשלום זמינות. יש לו דירוג ממוצע משוקלל של 3.11 כוכבים מעל 37 ביקורות.

למידת מכונה למדעי נתונים וניתוח (אוניברסיטת קולומביה / edX): מציגה מגוון רחב של נושאי למידת מכונה. כמה ביקורות שליליות נלהבות עם חששות כולל בחירת תוכן, היעדר מטלות תכנות ומצגת לא מעוררת השראה. שבע עד עשר שעות בשבוע לאורך חמישה שבועות. חינם עם אישור מאומת זמין לרכישה. יש לו דירוג ממוצע משוקלל של 2.74 כוכבים מעל 36 ביקורות.

התמחות מערכות ממליצה (אוניברסיטת מינסוטה / Coursera): מיקוד חזק סוג ספציפי של למידת מכונה - מערכות ממליצות. התמחות בת ארבעה מנות בתוספת פרויקט אבן גלעין, שהיא מקרה מבחן. לימד באמצעות LensKit (ערכת כלים קוד פתוח למערכות ממליצים). אפשרויות בחינם ובתשלום זמינות. יש לו דירוג ממוצע משוקלל של 2 כוכבים על פני 2 ביקורות.

למידה ממוחשבת עם נתונים גדולים (אוניברסיטת קליפורניה, סן דייגו / קורסרה): ביקורות איומות המדגישות הדרכה והערכה לקויים. חלקם ציינו שלקח להם שעות ספורות להשלים את כל הקורס. חלק מהתמחות ה- Big Data של UCSD. אפשרויות בחינם ובתשלום זמינות. יש לו דירוג ממוצע משוקלל של 1.86 כוכבים מעל 14 ביקורות.

ניתוח חיזוי מעשי: מודלים ושיטות (אוניברסיטת וושינגטון / קורסרה): מבוא קצר למושגי ליבה של למידת מכונה. סוקר אחד ציין כי חסר חידונים וכי המטלות אינן מאתגרות. חלק ממדעי הנתונים של UW בהתמחות בקנה מידה. שש עד שמונה שעות בשבוע לאורך ארבעה שבועות. אפשרויות בחינם ובתשלום זמינות. יש לו דירוג ממוצע משוקלל של 1.75 כוכבים על פני 4 ביקורות.

לקורסים הבאים הייתה ביקורת אחת או לא, נכון למאי 2017.

למידה מכונה למוזיקאים ואמנים (צורפים, אוניברסיטת לונדון / קדנזה): ייחודי. התלמידים לומדים אלגוריתמים, כלי תוכנה ושיטות עבודה מומלצות ללימוד מכונה כדי להבין את המחווה האנושית, שמע מוזיקלי ונתונים אחרים בזמן אמת. אורך שבעה מפגשים. אפשרויות ביקורת (בחינם) ופרמיה ($ 10 דולר לחודש) זמינות. יש לו ביקורת 5 כוכבים אחת.

למידת מכונה יישומית בפייתון (אוניברסיטת מישיגן / קורסרה): לימד באמצעות פייתון וערכת הכלים של סקיקיט. חלק ממדע הנתונים היישומי עם התמחות בפייתון. מתוכנן להתחיל ב -29 במאי. אפשרויות בחינם ובתשלום זמינות.

למידת מכונה יישומית (Microsoft / edX): לימוד באמצעות כלים שונים, כולל Python, R ו- Microsoft Azure Machine Learning (הערה: מיקרוסופט מייצרת את הקורס). כולל מעבדות מעשיות לחיזוק תוכן ההרצאות. שלוש עד ארבע שעות בשבוע במשך שישה שבועות. חינם עם אישור מאומת זמין לרכישה.

למידה ממוחשבת עם פיתון (אוניברסיטת ביג דאטה): לימד באמצעות פיתון. מכוון למתחילים. זמן סיום משוער של ארבע שעות. אוניברסיטת ביג דאטה קשורה ל- IBM. חינם.

למידה ממוחשבת עם Apache SystemML (Big Data University): לימוד באמצעות Apache SystemML, שהיא שפת סגנון הצהרתי המיועדת ללימוד מכונה בקנה מידה גדול. זמן סיום משוער של שמונה שעות. אוניברסיטת ביג דאטה קשורה ל- IBM. חינם.

למידה ממוחשבת למדעי נתונים (אוניברסיטת קליפורניה, סן דייגו / edX): אינה מופעלת עד ינואר 2018. דוגמאות ומשימות תכנות הן בפייתון, באמצעות מחברות Jupyter. שמונה שעות בשבוע לאורך עשרה שבועות. חינם עם אישור מאומת זמין לרכישה.

מבוא לדוגמנות Analytics (Georgia Tech / edX): הקורס מפרסם את R ככלי התכנות העיקרי שלו. חמש עד עשר שעות בשבוע לאורך עשרה שבועות. חינם עם אישור מאומת זמין לרכישה.

ניתוח חיזוי: השגת תובנות מביג נתונים (אוניברסיטת קווינסלנד לטכנולוגיה / FutureLearn): סקירה קצרה של כמה אלגוריתמים. משתמש בפלטפורמת Vertica Analytics של Hewlett Packard Enterprise ככלי יישומי. תאריך ההתחלה שיוכרז. שעתיים בשבוע לאורך ארבעה שבועות. חינם עם תעודת הישג זמינה לרכישה.

Introducción al Learning Machine (Universitas Telefónica / Miríada X): לימד בספרדית. מבוא ללמידת מכונה המכסה למידה מפוקחת ולא מפוקחת. סה"כ עשרים שעות משוערות לאורך ארבעה שבועות.

שלב מסלול למידת מכונה (Dataquest): נלמד בפייתון באמצעות פלטפורמת הדפדפן האינטראקטיבית של Dataquest. פרויקטים מודרכים מרובים ופרויקט "פלוס" בו אתה בונה מערכת למידת מכונה משלך באמצעות נתונים משלך. נדרש מנוי.

ששת הקורסים הבאים מוצעים על ידי DataCamp. סגנון ההוראה ההיברידי של DataCamp ממנף הוראה מבוססת וידאו וטקסט עם הרבה דוגמאות באמצעות עורך קוד בדפדפן. נדרש מנוי לצורך גישה מלאה לכל קורס.

מבוא ללמידת מכונה (DataCamp): מכסה סיווג, רגרסיה ואלגוריתמים של אשכולות. משתמש ב- R. 15 סרטונים ו -81 תרגילים עם ציר זמן משוער של שש שעות.

למידה מפוקחת עם scikit-learning (DataCamp): משתמש בפייתון וב- scikit-learning. מכסה אלגוריתמי סיווג ורגרסיה. 17 סרטונים ו -54 תרגילים עם ציר זמן משוער של ארבע שעות.

למידה לא מפוקחת ב- R (DataCamp): מספק מבוא בסיסי לאשכולות והפחתת מימדי ב- R. 16 קטעי וידאו ו 49 תרגילים עם ציר זמן משוער של ארבע שעות.

ארגז כלים למידת מכונה (DataCamp): מלמד את "הרעיונות הגדולים" בלימוד מכונה. משתמש ב- R. 24 סרטונים ו -88 תרגילים עם ציר זמן משוער של ארבע שעות.

למידה ממוחשבת עם המומחים: תקציבי בית ספר (DataCamp): מקרה מקרה מתחרות למידת מכונה ב- DrivenData. כולל בניית מודל לסיווג אוטומטי של פריטים בתקציב בית הספר. תנאי הכרחי של "למידה מפוקחת עם סקיקיט-ליר" של DataCamp. 15 סרטונים ו -51 תרגילים עם ציר זמן משוער של ארבע שעות.

למידה ללא פיקוח בפייתון (DataCamp): מכסה מגוון אלגוריתמי למידה ללא פיקוח המשתמשים בפייתון, סקיקיט-לימוד וסקיפי. הקורס מסתיים בכך שתלמידים בונים מערכת ממליצים להמלצה על אמנים מוסיקליים פופולריים. 13 סרטונים ו -52 תרגילים עם ציר זמן משוער של ארבע שעות.

למידה ממוחשבת (טום מיטשל / אוניברסיטת קרנגי מלון): קורס היכרות עם לימודי מכונה של קרנגי מלון. תנאי הכרחי לקורס השני לתואר שני, "למידת מכונה סטטיסטית". הרצאות אוניברסיטאיות מוקלטות עם בעיות תרגול, מטלות שיעורי בית וסטודנט אמצע (כולן עם פתרונות) שפורסמו ברשת. גרסת 2011 של הקורס קיימת גם כן. CMU הוא אחד מבתי הספר לתואר שני הטוב ביותר ללימוד למידת מכונה ויש לו מחלקה שלמה המוקדשת ל- ML. חינם.

למידה מכונת סטטיסטית (לארי וסרמן / אוניברסיטת קרנגי מלון): ככל הנראה הקורס המתקדם ביותר במדריך זה. מעקב אחר קורס למידת המכונות של קרנגי מלון. הרצאות אוניברסיטאיות מוקלטות עם בעיות תרגול, מטלות שיעורי בית וסטודנט אמצע (כולן עם פתרונות) שפורסמו ברשת. חינם.

למידת מכונה לתואר ראשון (ננדו דה פרייטאס / אוניברסיטת קולומביה הבריטית): קורס לימודי מכונה לתואר ראשון. ההרצאות מצולמות ומועלות ליוטיוב עם השקפים המפורסמים באתר הקורס. מטלות הקורס מתפרסמות גם כן (ללא פתרונות). דה פרייטאס הוא כיום פרופסור מן המניין באוניברסיטת אוקספורד וזוכה לשבחים על יכולות ההוראה שלו בפורומים שונים. גרסת בוגר זמינה (ראה להלן).

למידת מכונה (ננדו דה פרייטאס / אוניברסיטת קולומביה הבריטית): קורס לימודי מכונה בוגר. ההערות בקורס לתואר ראשון של דה פרייטאס (לעיל) חלות גם כאן.

עוטף אותו

זוהי החמישית מתוך סדרה בת שישה חלקים המכסה את הקורסים המקוונים הטובים ביותר להשקת עצמך לתחום מדעי הנתונים. סקרנו תכנות במאמר הראשון, סטטיסטיקה והסתברות במאמר השני, מבוא למדעי הנתונים במאמר השלישי, והדמיית נתונים ברביעית.

דירגתי כל קורס מבוא למדע נתונים באינטרנט, על סמך אלפי נקודות נתונים

לפני שנה נשרתי מאחת התוכניות הטובות ביותר למדעי המחשב בקנדה. התחלתי ליצור נתונים משלי ...

היצירה הסופית תהיה סיכום של מאמרים אלה, בתוספת הקורסים המקוונים הטובים ביותר לנושאים מרכזיים אחרים כגון התמודדות נתונים, מאגרי מידע ואפילו הנדסת תוכנה.

אם אתם מחפשים רשימה מלאה של קורסים מקוונים במדעי הנתונים, תוכלו למצוא אותם בדף נושא מדע הנתונים והביג נתונים של Class Central.

אם נהנית לקרוא את זה, עיין בכמה מהקטעים האחרים של Class Central:

להלן 250 קורסים של ליגת הקיסוס שתוכלו ללמוד ברשת עכשיו בחינם

250 MOOCs מבראון, קולומביה, קורנל, דרטמות ', הרווארד, פן, פרינסטון וייל.

50 הקורסים הטובים ביותר באוניברסיטאות בחינם על פי נתונים

כשהשקתי את Class Central בחודש נובמבר 2011, היו בערך 18 קורסים מקוונים בחינם, וכמעט כל ...

אם יש לך הצעות לקורסים שפספסתי, הודע לי בתגובות!

אם מצאת זאת מועילה, לחץ על? כך שאנשים רבים יותר יראו את זה כאן בינוני.

זו גרסה מרוכזת של המאמר המקורי שלי שפורסם ב- Class Central, ושם כללתי תכניות קורס מפורטות.