Beste svaret
Udacitys Data Science-kurs er eksepsjonelle. Materialet er kortfattet, men grundig, og øvelsene og prosjektene gir god praksis. Hvis du er helt seriøs med å pakke hodet rundt datavitenskap, kan du ikke gå galt med Udacity.
Når det er sagt, er det noen få grunner til at du kanskje vil vurdere alternativer.
Den første er at ved å utvide katalogen og holde innholdet oppdatert (og de fleste av kursene deres er friske, komplett med de nyeste trendene og beste praksis), noen av kursmaterialene de tilbyr, føler seg forhastet.
Udacity er rask til å fikse ting. Ikke vær likevel overrasket over å finne oppgaver eller materialer som virker uintuitive eller litt av. Disse kursene utvikler seg kontinuerlig, på godt og vondt (på lang sikt, på bedre).
Det andre er at Udacity er en profittvirksomhet. Ettersom alle virksomheter er tilbøyelige, har de en tendens til fortjeneste. Selv om de er veldig snille å tilby gratis kurs på intronivå, er deres hensikt å trekke elever inn i et av Nanodegree-programmene.
Det er selvfølgelig ikke problemet. Problemet er kostnad.
Til $ 399 per måned er Nanodegrees litt på bratt side. Det gjelder spesielt når du tar hensyn til hvor lang tid noen av disse programmene tar. Programmet «Data Analyst» tar for eksempel 4 måneder. Det antas at du kan bruke den nødvendige tiden hver uke.
For et par år siden ville jeg ha sagt at dette var DEFINITIVT verdt det . Siden tidlig i 2018 trakk Udacity imidlertid løftet om en «jobgaranti» (eller pengene tilbake). Det har gjort programmene vanskeligere å garantere, delvis fordi avkastningen på investeringen din ikke er så sikker som den en gang var.
Så hvordan skal du bestemme om Udacitys datavitenskapskurs er verdt det?
- Hvis du bare leter etter en solid intro til datavitenskap, er noen av Udacitys gratisprogrammer verdt tiden det tar å fullføre dem. De er også gratis!
- Hvis du ønsker å gjøre datavitenskap til en integrert del av karrieren din, bør du vurdere deres Nanodegree-programmer – de kan være dyre, men de er designet for å hjelpe deg bruke datavitenskap i et profesjonelt miljø
- Hvis du vil dykke dypt i datavitenskap, men ikke ønsker å gjøre det til en karriere eller ha litt tid til å sette sammen din egen «læreplan», mange andre alternativer finnes (i så fall, les videre – vi kommer til alternativene)
Når dette skrives, er det 1200+ kurs om datavitenskap – mange tilgjengelig for under $ 100. Disse inkluderer anerkjente kurs som i stor grad introduserer datavitenskap:
- Analytics Edge fra MIT (gratis å ta, $ 150 for sertifikat)
- Anvendt datavitenskap med Python fra University of Michigan ($ 49 / måned)
Det er også datavitenskapskurs som fokuserer på smalere applikasjoner:
- Funksjonell programmering i Scala fra EPFL ($ 49 / måned) Et kurs som introduserer Scala og Spark for å analysere big data
- Genomisk datavitenskap fra Johns Hopkins University ($ 49 / måned) Spesielt godt egnet for molekylærbiologer og de som studerer eller arbeider innen felt relatert til genetikk
- Excel til MySQL: Analytiske teknikker for bedrifter fra Duke University For de som ønsker å utnytte data til måle ytelse og drive beslutningstaking i forretningskontekst
- Data Mining: A 6-Course Specialization fra University of Illinois i Urbana-Champaign Designet for de som er interessert i data mining og anvender NLP-teknikker (Natural Language Processing) for å analysere ustrukturerte data
- Deep Learning: En 5-retters spesialisering fra deeplearning.ai Rettet mot de som er interessert i Deep Learning, en kraftig gren av AI som driver mange av dagens fremskritt innen felt som selv -kjørende kjøretøyer
Disse alternativene koster en brøkdel av det du kan betale for en Udacity Nanodegree. De vil ikke tilby samme nivå av støtte (for eksempel tilbyr Udacity veiledning mens andre ikke gjør det).
Likevel, hvis du vet hva du vil lære, er det ikke vanskelig i dag (med så mange muligheter tilgjengelig) for å sette sammen noen kurs som tilfredsstiller dine behov.
Hvis du finner dette svaret nyttig, kan du følge og sjekke ut OpenCourser , et nettsted som hjelper elever med å finne online kurs.
Svar
Som en person som har fullført rundt 10 datavitenskapelige relaterte kurs om Udacity (og mange flere på Coursera, Codecademy, DataCamp, Treehouse og Khan Academy) og 90\% til Data Analyst nanodegree og 91\% til Machine Learning Engineer også på Udacity. Jeg kan si at det absolutt er verdt å ta et bestemt datavitenskapskurs om Udacity: Intro to Machine Læring | Udacity !
Det er et av kursene av høyeste kvalitet jeg noensinne har sett (med unntak av Udacitys Android-nanodegree) og veldig omfattende som et introduksjonskurs, selv om det føltes mer som et fullstendig nanodegree-program . En del av sjarmen er at Sebastian Thrun selv forklarer de fleste begrepene i lekmannsbetingelser, og du kan fortelle at han virkelig vet hva han snakker om. Jeg ble sittende fast i noen spørrekonkurranser og det endelige prosjektet, men forumet for dette kurset var levende, og hvert spørsmål jeg ble sittende fast på ble allerede spurt av noen andre og besvart av den legendariske forummentoren Miles.
Min beste anbefaling for deg hvis du bestemmer deg for å ta det, er å kjøpe Sebastian Raschkas bok om maskinlæring i Python: Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learning, og TensorFlow, 2. utgave som du finner på Amazon, og til og med i Kindle-format. Jeg brukte det personlig til å lese opp hver av modulene, spesielt PCA siden det ble kort forklart i løpet av kurset, men det er så viktig i praktisk maskinlæring.
Rediger: Jeg har hatt flere mennesker som når ut til meg på LinkedIn og via e-post og ber om mer personlig rådgivning. Ikke nøl med å gjøre det! Jeg veileder allerede 80 mennesker i mitt lokalsamfunn om egenutvikling, konstant læring og noen ganger også om datavitenskap. Du er også velkommen til å følge meg da jeg vil svare på flere spørsmål for folk som er interessert i å gå over til datavitenskap fra ikke-teknisk bakgrunn. Tusen takk, alle sammen!