Paras vastaus
Udacityn Data Science -kurssit ovat poikkeuksellisia. Aineisto on tiivis mutta perusteellinen, ja harjoitukset ja projektit tarjoavat hyviä käytäntöjä. Jos olet tosissasi kiertänyt päänsä datatieteen ympärille, et voi mennä pieleen Udacityn kanssa.
Siitä huolimatta on olemassa muutamia syitä, miksi haluat ehkä harkita vaihtoehtoja.
Ensimmäinen on se, että heidän luettelonsa kasvattaminen ja sisällön pitäminen ajan tasalla (ja suurin osa heidän kursseistaan ovat tuoreita, uusimpia trendejä ja parhaita käytäntöjä), osa heidän tarjoamastaan kurssimateriaalista tuntuu kiireiseltä.
Udacity korjaa nopeasti asiat. Älä silti ole yllättynyt siitä, että löydät tehtäviä tai materiaaleja, jotka näyttävät epäluuloisilta tai hieman poissaolevilta. Nämä kurssit kehittyvät jatkuvasti, parempaan tai huonompaan (pitkällä aikavälillä, parempaan).
Toinen asia on, että Udacity on voittoa tavoitteleva yritys. Koska kaikki yritykset ovat taipuvaisia, ne pyrkivät voittoon. Vaikka he ovat erittäin ystävällisiä tarjoamaan ilmaisia intro-tason kursseja, heidän tarkoituksenaan on kanavoida oppijat yhteen heidän Nanodegree-ohjelmistaan.
Se ei tietenkään ole asia. Numero on hinta.
399 dollaria kuukaudessa nanopuut ovat hieman jyrkällä puolella. Tämä pätee erityisesti silloin, kun otetaan huomioon joidenkin näiden ohjelmien kesto. Esimerkiksi ”Data Analyst” -ohjelma kestää 4 kuukautta. Oletetaan, että pystyt käyttämään tarvittavan ajan viikossa.
Pari vuotta sitten sanoisin , että tämä olisi ehdottomasti sen arvoista. . Vuoden 2018 alusta lähtien Udacity on kuitenkin peruuttanut lupauksensa ”työpaikkatakuusta” (tai rahasi takaisin). Se on vaikeuttanut ohjelmien takaamista osittain siksi, että sijoitetun pääoman tuottoprosentti ei ole läheskään yhtä turvallinen kuin aiemmin.
Joten miten sinun pitäisi päättää, ovatko Udacityn datatieteen kurssit sen arvoista? p>
- Jos etsit vain vankkaa tietojenkäsittelytietoa, kaikki Udacityn ilmaiset ohjelmat ovat niiden loppuun saattamiseen tarvittavan ajan arvoisia. Ne ovat myös ilmaisia!
- Jos olet asettanut tietojenkäsittelyn olennaiseksi osaksi urasi, sinun on harkittava heidän Nanodegree-ohjelmiaan – ne voivat olla kalliita, mutta ne on suunniteltu auttamaan sinua soveltaa tietojenkäsittelyä ammatillisessa ympäristössä
- Jos haluat sukeltaa syvälle datatieteeseen, mutta et halua tehdä siitä uraa tai sinulla on aikaa koota oma ”opetussuunnitelmasi”, paljon muuta vaihtoehtoja on olemassa (jolloin jatka lukemista – pääsemme vaihtoehtoihin).
Tämän kirjoituksen jälkeen on 1200+ kursseja tietojenkäsittelystä – monet saatavilla alle 100 dollaria. Näitä ovat tunnustetut kurssit, jotka esittävät laajasti datatiedettä:
- Analytics Edge MIT: ltä (vapaasti käytettävissä, 150 dollaria sertifikaatista)
- Applied Data Science with Python Michiganin yliopistosta (49 dollaria / kk)
On olemassa myös datatieteen kurssit, jotka keskittyvät kapeampiin sovelluksiin:
- Scalan toiminnallinen ohjelmointi EPFL: ltä (49 dollaria / kk) Kurssi, joka esittelee Scalan ja Sparkin analysoimaan suuria tietoja
- Genomic Data Science Johns Hopkinsin yliopistolta (49 dollaria / kk) Erityisen hyvin molekyylibiologeille ja ne, jotka opiskelevat tai työskentelevät genetiikkaan liittyvillä aloilla
- Excel – MySQL: analyyttiset tekniikat yrityksille Duke Universitystä Niille, jotka haluavat hyödyntää tietoja mittaa suorituskykyä ja ajaa päätöksentekoa liiketoimintaympäristössä
- Tiedon louhinta: Illinoisin yliopiston Urbana-Champaignin 6-kurssinen erikoistuminen Suunniteltu kiinnostuneille tiedonlouhinnasta ja luonnollisen kielenkäsittelyn (NLP) tekniikoista strukturoimattoman tiedon analysoimiseksi
- Deep Learning: 5-kurssinen erikoistuminen osoitteesta deeplearning.ai. Suunniteltu kiinnostuneille Deep Learning, voimakas tekoälyn haara, joka ajaa monia nykypäivän edistysaskeleita kuten itse -ajoneuvojen ajaminen
Nämä vaihtoehdot maksavat murto-osan siitä, mitä saatat maksaa Udacity Nanodegree -pelistä. He eivät tarjoa samaa tukea (esimerkiksi Udacity tarjoaa mentorointia, kun taas toiset eivät).
Jos tiedät kuitenkin, mitä haluat oppia, se ei ole vaikeaa tänään ( niin monta vaihtoehtoa) koota muutama tarpeitasi vastaava kurssi.
Jos pidät tästä vastauksesta hyödyllisenä, seuraa ja tutustu OpenCourser , sivusto, joka auttaa oppijoita löytämään verkkokursseja.
vastaus
Henkilönä, joka on suorittanut noin 10 datatieteeseen liittyvää udacity-kurssia (ja monia muita Coursera, Codecademy, DataCamp, Treehouse ja Khan Academy) ja 90\% Data Analyst -ananasteikolle ja 91\% Machine Learning Engineerille myös Udacityssä. Voin sanoa, että kannattaa ehdottomasti suorittaa yksi tietojenkäsittelykurssi Udacity: Johdanto koneeseen Oppiminen | Udacity !
Se on yksi korkealaatuisimmista kursseista, joita olen koskaan nähnyt (lukuun ottamatta Udacityn Android-nanokokemusta) ja erittäin kattava johdantokurssi, vaikka se tuntui pikemminkin täydeltä nanokoko-ohjelmalta . Osa sen viehätyksestä on, että Sebastian Thrun itse selittää suurimman osan käsitteistä maallikkona ja voit kertoa, että hän todella tietää mistä puhuu. Jäin jumiin joihinkin tietokilpailuihin ja loppuprojektiin, mutta tämän kurssin foorumi oli vilkas ja joku muu kysymys, johon jäin jumiin, kysyi jo joku muu ja vastasi legendaarinen foorumin mentori Miles.
Oma paras suositus sinulle, jos päätät käyttää sitä, on ostaa Sebastian Raschkan kirja koneoppimisesta Pythonissa: Python-koneoppiminen: koneoppiminen ja syvällinen oppiminen Pythonin kanssa, scikit-learn, ja TensorFlow, 2. painos , jotka löytyvät Amazonista ja jopa Kindle-muodossa. Käytin sitä henkilökohtaisesti lukemaan kaikki moduulit, erityisesti PCA, koska se selitettiin lyhyesti kurssilla, mutta se on niin tärkeä käytännön koneoppimisessa.
Muokkaa: Minulla on ollut useita ihmisiä tavoittamaan minua LinkedInissä ja sähköpostitse pyytämällä henkilökohtaisempia neuvoja. Älä epäröi tehdä niin! Ohjaan jo 80 henkilöä paikallisyhteisössäni itsensä kehittämiseen, jatkuvaan oppimiseen ja joskus myös datatieteeseen. Voit myös seurata minua, kun vastaan useampiin kysymyksiin ihmisille, jotka ovat kiinnostuneita siirtymään datatieteeseen ei-teknisestä taustasta. Paljon kiitoksia, kaikki!