A legjobb válasz
Az Udacity Data Science tanfolyamai kivételesek. Az anyag tömör, de alapos, a gyakorlatok és projektek jó gyakorlatot nyújtanak. Ha komolyan gondolja, hogy az adattudomány köré fonja a fejét, akkor nem tévedhet el az Udacity.
Ennek ellenére néhány oka lehet annak, hogy fontolóra vegye az alternatívákat.
Az első az, hogy katalógusuk bővítése és tartalmuk naprakészen tartása (és tanfolyamaik nagy része friss, a legújabb trendekkel teli és a bevált gyakorlatok), az általuk kínált tananyagok némelyike rohanónak érzi magát.
Az Udacity gyorsan megoldja a dolgokat. Ennek ellenére ne lepődjön meg, ha olyan feladatokat vagy anyagokat talál, amelyek nem tűnnek észszerűnek vagy kissé rosszul állnak. Ezek a kurzusok folyamatosan fejlődnek, jóban vagy rosszban (hosszú távon, jobbban).
A második az, hogy az Udacity egy profit-profit vállalkozás. Mivel minden vállalkozás hajlik, inkább a profit felé törekszik. Bár nagyon szívesen kínálnak ingyenes intro szintű tanfolyamokat, az a szándékuk, hogy a tanulókat az egyik Nanodegree programjukba tereljék.
Természetesen önmagában nem erről van szó. A kérdés költség.
A havi 399 dollárért a Nanodegrees egy kicsit a meredek oldalon áll. Ez különösen igaz, ha figyelembe vesszük, hogy ezek a programok mennyi ideig tartanak. Az „Data Analyst” program például 4 hónapot vesz igénybe. Ez azt feltételezi, hogy képes elkölteni a szükséges időt minden héten.
Pár évvel ezelőtt azt mondtam, hogy azt mondtam, hogy ez VÉGLEG megéri. . 2018 eleje óta azonban az Udacity visszavonta a „munkahelyi garancia” (vagy a pénz visszafizetése) ígéretét. Ez megnehezítette a programok érvényesítését, részben azért, mert a beruházás megtérülése közel sem olyan biztonságos, mint egykor volt.
Tehát hogyan kell eldöntenie, hogy az Udacity adattudományi tanfolyamai megéri-e?
- Ha csak egy szilárd bevezetőt keres az adattudomány számára, az Udacity bármelyik ingyenes programja megéri a befejezéséhez szükséges időt. Ingyenesek is!
- Ha azt állítja, hogy az adattudományt karrierje szerves részévé tegye, akkor vegye fontolóra a Nanodegree programjaikat – ezek drágák lehetnek, de segítségükre vannak. alkalmazza az adattudományt professzionális környezetben
- Ha mélyre akar merülni az adattudományban, de nem arra törekszik, hogy karrierré váljon, vagy van egy kis ideje saját „tananyagának” összeállításához, rengeteg más lehetőségek léteznek (ebben az esetben olvassa el tovább – eljutunk az alternatívákig)
Jelen írásban 1200+ tanfolyamok az adattudományról – sok elérhető 100 USD alatt. Ide tartoznak az elismert tanfolyamok, amelyek széles körben bemutatják az adattudományt:
- Az Analytics Edge az MIT-től (szabadon vehető, 150 USD tanúsítványért)
- Applied Data Science with Python a Michigani Egyetemen (49 USD / hó)
Vannak szűkebb alkalmazásokra összpontosító adattudományi kurzusok is:
- Funkcionális programozás Scalában az EPFL-től (49 USD / hó). bemutatja a Scalát és a Sparkot a nagy adatok elemzésére
- Genomic Data Science a Johns Hopkins Egyetemről (49 dollár / hó) Különösen jól alkalmazható molekuláris biológusok és akik a genetikával kapcsolatos területeken tanulnak vagy dolgoznak
- Excel a MySQL-hez: Analitikai technikák az üzleti élethez a Duke Egyetemtől Azok számára, akik adatokat akarnak használni a teljesítmény mérése és a döntéshozatal ösztönzése üzleti kontextusban
- Adatbányászat: Az Illinois-i Egyetem Urbana-Champaign 6 tanfolyamú szakterülete Az adatbányászat iránt érdeklődőknek és a természetes nyelvi feldolgozás (NLP) technikák alkalmazásának a strukturálatlan adatok elemzésére
- Mély tanulás: 5 tanfolyamú specializáció a deeplearning.ai-tól. A Deep Learning iránt érdeklődők számára készült, az AI erőteljes ága, amely számos mai előrelépést vezet olyan területeken, mint az önmaga járművek vezetése
Ezek az alternatívák töredékébe kerülnek, mint amennyit fizethet egy Udacity Nanodegreeért. Nem fognak ugyanolyan szintű támogatást nyújtani (például az Udacity mentorálást kínál, míg mások nem).
Ennek ellenére, ha tudod, mit akarsz megtanulni, ma nem nehéz ( annyi lehetőség áll rendelkezésre), hogy összeállítson néhány tanfolyamot, amely megfelel az Ön igényeinek.
Ha hasznosnak találja ezt a választ, kérjük, kövesse és nézze meg OpenCourser , egy webhely, amely segít a tanulóknak online tanfolyamokat találni.
Válasz
Mint olyan személy, aki mintegy 10 adattudományi tanfolyamot végzett az Udacity-ről (és még sok másról a Coursera, a Codecademy, a DataCamp, a Treehouse és a Khan Academy-ről) és 90\% -ot az adatelemző nanodegree-be és 91\% -ot a Machine Learning Engineer-be az Udacity-nél is. Mondhatom, hogy mindenképpen érdemes egy bizonyos adattudományi tanfolyamot folytatni az Udacity-ről: Tanulás | Udacity !
Ez az egyik legmagasabb színvonalú tanfolyam, amit valaha láttam (az Udacity Android nanodegree kivételével), és nagyon átfogó, mint bevezető tanfolyam, bár inkább teljes nanodegree programnak érezte magát . Varázsának része, hogy maga Sebastian Thrun laikus kifejezéssel magyarázza a legtöbb fogalmat, és elmondhatja, hogy valóban tudja, miről beszél. Elakadtam néhány vetélkedőn és a végső projekten, de az adott kurzus fóruma élénk volt, és minden kérdést, amelyen elakadtam, már valaki más feltette, és a legendás fórum mentor, Miles válaszolt rá.
Saját A legjobb ajánlás az Ön számára, ha úgy dönt, hogy megvásárolja Sebastian Raschka könyvét a gépi tanulásról a Pythonban: Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, és a TensorFlow, 2. kiadás , amelyek megtalálhatók az Amazon-on, sőt Kindle formátumban is. Én személy szerint használtam fel az egyes modulok, különösen a PCA felolvasására, mivel röviden elmagyarázták a tanfolyamon, de annyira fontos a gyakorlati gépi tanulásban.
Szerkesztés: Több embernél is megkerestem nekem a LinkedIn-en és e-mailben, személyre szabottabb tanácsokat kérve. Kérjük, ne habozzon ezt megtenni! A helyi közösségemben már 80 embernek tanítok az önfejlesztésről, az állandó tanulásról és néha az adattudományról is. Ezenkívül nyugodtan kövessen engem, mivel több kérdésre válaszolok azoknak az embereknek, akik érdeklődnek a nem technikai hátterű adattudományba való áttérés iránt. Nagyon szépen köszönöm mindenkinek!