Meilleure réponse
Les cours de science des données dUdacity sont exceptionnels. Le matériel est concis mais complet, et les exercices et projets fournissent de bonnes pratiques. Si vous voulez vraiment vous concentrer sur la science des données, vous ne pouvez pas vous tromper avec Udacity.
Cela dit, il y a plusieurs raisons pour lesquelles vous voudrez peut-être envisager des alternatives.
La première est que, en augmentant leur catalogue et en gardant leur contenu à jour (et la plupart de leurs cours sont frais, avec les dernières tendances et les meilleures pratiques), certains des supports de cours quils proposent se sentent précipités.
Udacity est prompt à réparer les choses. Néanmoins, ne soyez pas surpris de trouver des devoirs ou du matériel qui semblent peu intuitifs ou un peu décalés. Ces cours sont en constante évolution, pour le meilleur ou pour le pire (à long terme, pour le meilleur).
La seconde est quUdacity est une entreprise à but lucratif. Comme toutes les entreprises sont enclines, elles tendent vers le profit. Bien quils soient très gentils doffrir des cours dintroduction gratuits, leur intention est de diriger les apprenants vers lun de leurs programmes Nanodegree.
Bien sûr, ce nest pas le problème en soi. Le problème est le coût.
À 399 $ par mois, les Nanodegrees sont un peu raides. Cela est particulièrement vrai lorsque vous prenez en compte la durée de certains de ces programmes. Le programme «Data Analyst», par exemple, dure 4 mois. En supposant que vous soyez en mesure de consacrer le temps nécessaire chaque semaine.
Il y a quelques années, jaurais dit que cela en valait vraiment la peine . Depuis début 2018, cependant, Udacity a retiré sa promesse dune «garantie demploi» (ou de votre argent). Cela rend les programmes plus difficiles à garantir, en partie parce que votre retour sur investissement nest pas aussi sûr quil létait autrefois.
Alors, comment devriez-vous décider si les cours de science des données dUdacity en valent la peine?
- Si vous recherchez simplement une solide introduction à la science des données, tous les programmes gratuits dUdacity valent le temps quil faut pour les terminer. Ils sont également gratuits!
- Si vous avez lintention de faire de la science des données une partie intégrante de votre carrière, vous devriez envisager leurs programmes Nanodegree – ils peuvent coûter cher, mais ils sont conçus pour vous aider appliquer la science des données dans un environnement professionnel
- Si vous souhaitez approfondir la science des données, mais que vous ne cherchez pas à en faire une carrière ou que vous avez le temps de créer votre propre «programme», plein dautres des options existent (dans ce cas, lisez la suite – nous arrivons aux alternatives)
Au moment décrire ces lignes, il y a 1 200+ cours sur la science des données, dont beaucoup sont disponibles pour moins de 100 $. Ceux-ci incluent des cours reconnus qui introduisent largement la science des données:
- The Analytics Edge du MIT (gratuit, 150 $ pour le certificat)
- Science des données appliquée avec Python de lUniversité du Michigan (49 $ / mois)
Il y a également des cours de science des données axés sur des applications plus restreintes:
- Programmation fonctionnelle en Scala de lEPFL (49 $ / mois) Un cours qui présente Scala et Spark pour analyser les mégadonnées
- Genomic Data Science de lUniversité Johns Hopkins (49 $ / mois) Particulièrement bien adapté aux biologistes moléculaires et ceux qui étudient ou travaillent dans des domaines liés à la génétique
- Excel to MySQL: Analytic Techniques for Business de Duke University Pour ceux qui cherchent à exploiter des données pour mesurer les performances et stimuler la prise de décision dans un contexte commercial
- Exploration de données: une spécialisation en 6 cours de lUniversité de lIllinois à Urbana-Champaign Conçu pour les personnes intéressées par lexploration de données et lapplication de techniques de traitement du langage naturel (PNL) pour analyser des données non structurées
- Deep Learning: A 5-Course Specialization from deeplearning.ai Destiné à ceux qui sintéressent au Deep Learning, une branche puissante de lIA qui est à la base de nombreuses avancées actuelles dans des domaines comme soi – conduire des véhicules
Ces alternatives coûtent une fraction de ce que vous pourriez payer pour un Udacity Nanodegree. Ils noffriront pas le même niveau de support (par exemple, Udacity propose du mentorat alors que dautres ne le font pas).
Pourtant, si vous savez ce que vous voulez apprendre, ce nest pas difficile aujourdhui (avec autant doptions disponibles) pour créer quelques cours qui répondent à vos besoins.
Si vous trouvez cette réponse utile, veuillez suivre et vérifier OpenCourser , un site qui aide les apprenants à trouver des cours en ligne.
Réponse
En tant que personne ayant terminé environ 10 cours liés à la science des données sur Udacity (et bien dautres sur Coursera, Codecademy, DataCamp, Treehouse et Khan Academy) et 90\% dans le nanodegree Data Analyst et 91\% dans Machine Learning Engineer également sur Udacity Je peux dire quil vaut vraiment la peine de suivre un cours particulier de science des données sur Udacity: Introduction à la machine Apprentissage | Udacity !
Cest lun des cours de la plus haute qualité que jai jamais vu (à lexception du nanodegree Android dUdacity) et très complet en tant que cours dintroduction bien quil ressemble plus à un programme complet de nanodegree . Une partie de son charme est que Sebastian Thrun lui-même explique la plupart des concepts en termes simples et vous pouvez dire quil sait vraiment de quoi il parle. Je suis resté coincé dans certains quiz et le projet final, mais le forum de ce cours particulier était dynamique et chaque question à laquelle je me suis retrouvé coincé avait déjà été posée par quelquun dautre et répondu par le légendaire mentor du forum Miles.
la meilleure recommandation pour vous si vous décidez de le faire est dacheter le livre de Sebastian Raschka sur lapprentissage automatique en Python: Python Machine Learning: Machine Learning et Deep Learning avec Python, scikit-learn, et TensorFlow, 2e édition que vous pouvez trouver sur Amazon, et même au format Kindle. Je lai personnellement utilisé pour lire sur chacun des modules, en particulier PCA car il a été brièvement expliqué dans le cours, mais cest tellement important dans lapprentissage automatique pratique.
Edit: plusieurs personnes ont contacté moi sur LinkedIn et par e-mail pour demander des conseils plus personnalisés. Nhésitez pas à le faire! Jencadre déjà 80 personnes dans ma communauté locale sur le développement personnel, lapprentissage constant et parfois aussi sur la science des données. Nhésitez pas non plus à me suivre car je répondrai à dautres questions pour les personnes intéressées par la transition vers la science des données issues de milieux non technologiques. Merci beaucoup à tous!