Krockit

krockit

  В статье я даю курсы и книги, которые мне кажется наиболее оптимальными для ознакомления с наукой машинного обучения/данных из нуля. Я стараюсь дать список, который становится самым коротким, но в то же время даст любые навыки, необходимые для начала записи с практической точки зрения, без серьезных пробелов в знаниях. 
 Отказ от ответственности 
 Понимает, в зависимости от того, что эти советы составляются путем чтения предыдущих статей, когда описаны мой путь и принципы самоучительного обучения, а также общие соображения о том, как построить этапы обучения: 
 Self -study в науке о данных, с самого начала до старшего в течение двух лет 
 Принципы эффективного самоализация для тех, кто собирается изучать машинное обучение 
 Изучение науки о данных с нуля: этапы и этапы 
 Платформы для разработки машинного обучения с нуля 
 Рекомендации этой статьи будут outlook, и, без сомнения, и теперь есть отличная специальная подготовка и литература, которые могут войти там. Тем не менее, это по крайней мере одна из лучших публикаций по их темам. Чтобы быть готовым к этому списку, были отброшены десятки курсов и книг, которые также направлены на обучение с нуля, но концепции фундамента описываются хуже. 
 Рекомендации охватывают не все потенциально необходимые технические навыки. Чтобы представить представление обо всем, что, вероятно, нужно освоить - см. Науку исследования данных с нуля: этапы и этапы 
 Я не приношу статьи о нейронных сетях во многих моментах, я рассматриваю неэффективно начать изучать их или изучать их на ранних стадиях самостоятельного изучения. 
 Необходимые базовые навыки 
 Основа: английский на уровне чтения технической литературы. Это очень простой язык, потому что он не требует, чтобы клиент мог сформулировать мысли. И техническая литература отличается ограниченным словарем используемых терминов. После единственной пары книг - остальные пойдут как часовой механизм. 
 Знание оснований программирования: python и sql 
 Невозможно участвовать в машинном обучении или науке о данных, не владея программированием в python или r (start мудрый с питоном). Кроме того, доля льва в вакансиях в классическом «машинного обучения (решение бизнеса и работа с изначально численными/статистическими данными) потребует знаний о sql. Основные рекомендации для их исследования - внимание к модели, представленной в науке о данных, от улицы до сенор. Для сенера два года. Я буду дублировать: 
 Python: 
 Pythontutor.Ru для знакомства с основами python, тестовые игры в основных структурах данных. См. Также «решение учителя» как образец. Понимание их поможет в книге ниже. 
 «Обучение питону» марка луца - лучшая книга на python, от дюжины всего, что я просмотрел . Автор представляет довольно медленно, но затем наиболее тщательно флоузы, включая расширенные темы. Использование того, что я прочитал из этой книги основное преимущество книги заключается в том, что она устанавливает последовательность для ознакомления, от самых простых до самых продвинутых тем. Колодец может быть прочитана без компьютера поблизости, в этом месте нет необходимости пробовать что -либо, потому что в этом месте есть много примеров бригад и результаты их реализации. 
 Realpython.Com - лучшие обзоры и объяснения отдельных тем. Я уже использую конкретные вопросы, когда в книге выше нет ответов, или они относятся к инновациям с python 3. Следуйте процентам и позже. 
, Как только вы начнете использовать библиотеки, не избегайте чтения их официальная документация: https://docs.Python.Org/3 и google скажут вам) 
Спросите проблемы в google и phind.Com, sisplexity.Ai, прочитайте ответы на адреса. Каждый эффективный программист использует много поисковой системы для поиска примеров по отдельным задачам. Ни один человек не содержит информацию обо всех библиотеках. Не рекомендуется пытаться «выбрать» синтаксис, это будет естественно, когда вы будете использовать язык больше. 
 Используйте эффективные редакторы: vs код - это стандарт, pycharm очень хорош. 
 Sql: я знаю в древние времена, я не проходил современные курсы. Люди, которые наставляли, и которые были относительными и глубоко выясненными здесь, использовали курсы: 
 https://stepik.Org/course/63054/, https://stepik.Org/ couurse/95367/
 https://www.Postgresqltututoal.Com, а затем официальная документация для субд, например, постгрес, он хорошо написан там.
, На что обращают внимание на: основа оснований - понимает все типы операций соединения и возможность работать с ними (и другими функциями) в случае нулевых значений полем важно понимать в оконных функциях. Когда я все еще программировал в 1c, где существует встроенный язык запросов, я игнорировал подобное. На самом деле, в дату сана, для задач инженерии функций и передовой аналитики это чаще всего используются. 
 Полезно тестировать различные машины с примерами. Они доступны по адресу hackerrank.Com, https://www.Sql-ex.Ru/learn_exercuses.Php и т. Д. Также невозможно быть лучшим специалистом без достаточного уровня математики. Но, кажется, мне кажется более эффективным постепенно изучать математику, сначала просматривая цели, в которых она используется. 
 Существует минимум, существует некоторый базовый уровень: понимание производных (школьная программа алгебры), понимание градиентного спуска (градиент, обычно объясняется в начальных курсах математического анализа в университете, и оправдание будет найдено на курсах о машинном обучении), знание оснований дискретной математики, теории вероятностей и статистики. 
 Эта математика, на уровне университета, невероятно на простом языке, была объяснена в английской специализации математики на машинном обучении, из лондонского имперского колледжа (coursera.Org). На том же уровне он очень подробно описан от самых фундаментов: математика для машинного обучения и специализации по науке о данных, deeplearning.Ai (coursra.Org). Школьная программа, его самые современные темы), тогда, если вы понимаете английский: я очень рекомендую все курсы от роберта гриста. Я вообще не встречал более интуитивное и визуальное объяснение математики вообще. На русском языке есть хорошие бесплатные лекции по математике в присутствии на stepik.Org. На мой взгляд, лучшие российские курсы были в старые времена на портале coursera.Org, но они были удалены оттуда с утверждением санкций. 
 Начальный уровень 
 Книги и материалы рекомендуются, по крайней мере, 
 Datamart (на другом) - отличный набор примеры применения требуемых методов машинного обучения. Книга на самом деле хороша, что дает общие знания о сфере науки о данных. По рекомендации друга я начал изучать дату машины sypensa, так как эта книга считаю это компетентным вариантом для знакомства с полевой и потенциальной ресурсами для принятия этих знаний. Чтобы спроектировать желаемый практический опыт, в том факте встречи с python, pandas, scikit -learn, полезно привести примеры из этой книги при использовании таких инструментов (за исключением примеров в ядре линейного программирования, потому что он требует другого оборудования и гораздо реже требуется). 
 Статьи о habre из курса из сообщества открытых данных (ods): 
 Данные статьи и курса дают отличные базовые знания и навыки изучить основы машинного обучения. Среди прочего, на страницах есть хороший список дополнительных материалов. Согласно статистике, есть также лекции (я не интересовался лекциями, потому что статьи, субъективно, более связаны). Для меня эти материалы стали отличным дополнением к онлайн -курсу воронтсова (ниже). Освещая курс и информацию статьи в течение долгого времени, у меня было достаточно только событий, навыки применения таких методов, не изучая ничего сверху. В этих статьях - теме 8 можно точно пропустить, на тему 2 - вы видите seaborn больше и так же, что синтаксис команд библиотечных данных уже устарел (полезно научиться использовать официальную документацию, чтобы понять, как понять смешайте такие вещи на опыте пользователей). 
 Наука данных с нуля: первые принципы с python дают хороший обзор всех основных принципов науки о данных и демонстрации как простых изображений для реализации этих вещей с использованием python. В целом, почти все, от него заблокировано книгой datasmart (в этом, на мой взгляд, более интимной презентации, но эта книга хороша для примеров на python) или статьях ods. Большим преимуществом этой книги является представление процедуры для решения проблем с использованием python, которая помогает лучше изучить язык программирования, который сам по себе очень ценен. 
 Но, возможно, эта книга может заменить оба источника выше. Или вы можете найти то же самое, то есть исправить материал. 
 Дополнительные печатные источники 
 Наука о данных для бизнеса: что вы хотите узнать о добыче данных и данных -аналитических определенно - оптимальный обзор всех основных правил работы машинного обучения в форме книги.По -разному дополняет datasmart, в аналогичном плане. Воронтсова является просвещенным «допуском в машинные тренировки» (ниже) также раскрыл большинство тем текущей книги. Я прочитал его от выдержки как дополнение к этому курсу .. 
 Машино -ляковые курсы. Как независимый учебник, вероятно, книга будет сухой. 
 Я отмечаю, я изначально прочитал все книги, написанные на английском языке в оригинале. Я не могу поручиться за класс перевода. И я настоятельно рекомендую пытаться овладеть их на английском языке, beausethis будет надевать необходимую степень знаний языка, чтобы прочитать документацию для библиотек программного обеспечения, которые должны будут использоваться для установки этих методов. Такая документация практически не переведена на русский язык. Подобный базовый уровень проще, чем кажется. 
 Необходимый минимум 
 «Введение в машинное обучение» от воронтова - охватывает все основные методы снижения машины и полезные основные концепции. Знания и навыки для применения всех доступных методов станут достаточно для выполнения левской части деловых вопросов, вызванных машинным обучением. Другие начальные качественные курсы для машинного обучения должны лишить себя удовольствия, если вы полностью освоите этот курс. Однако в конце прохождения этого курса явно будет необходимо оттачивать навыки python, pandas, scikit -learn. 
 В дополнение к освоению теории методов - необходимо будет научиться применять их на практике, используя python. Для таких целей они используют курсы от специализации прикладного ds с python (первые 3 курса, другие находятся в нет из каждого раз, и есть специализированные курсы lushcha) 
 Альтернативные курсы 
 Возможно, курс воронтова сразу же потребует очень много основной или дополнительной информации (возможность работать с юпитером, пандами). В этом случае может быть легче сначала пройти следующую комбинацию курсов. Также в некотором роде специализация от yandex будет более подробной информацией. 
 https://stepik.Org/course/4852/syllabus 
 Специализация с машины yandex "и анализ данных" (если вы подписываетесь на отдельное курсы в последней форме при записи выберите опцию «только аудит», затем все классы можно увидеть без оплаты). На 3 -м году специализации, для начала вы можете освоить только 1 неделю, о кластеризации. Остальные темы более сложны и могут поначалу быть полезными; вы можете выглядеть косо. Выход .. Эти раритеты легко забывают, и не все найдены на p circa. Основные навыки 
 Kaggle полезны несколько вещей одновременно: вы можете увидеть разные честные, и никогда не слишком много) задачи решены с помощью машинного обучения и проникают в решение решения, которое используются другие специалисты (также на этом сайте они конкурируют в индивидуальных навыках, в том числе специалистов по высшему уровню мирового уровня). У них также есть хорошие бесплатные мини-покрытия по различным темам, в которых, даже вы можете разрабатывать навыки для тестовых задач. 
 Вы должны увидеть документацию 
 Scikit -learn - официальное управление клиентом самой популярной и классической библиотеки методов машинного обучения идеально демонстрирует, как его решить решить разные проблемы. На ней, среди прочего, вы можете изучать различные возможности, потому что в них хорошо указана их сущность. 
 Панды, официальная документация - эта библиотека станет вашим основным рабочим инструментом, и документация для нее идеально написана. Функциональность в нем гораздо больше, чем дается на вводных курсах. Следовательно, стоит изучить правила документации. 
 Стандартная библиотека python и python - вам нужно научиться использовать официальную онлайн -документацию для обнаружения необходимой библиотеки. Возможности и методы, необходимые для выполнения задач. Например, уже на первых этапах вас, вероятно, встретите библиотеки collectio и itertools 
 Следующий шаг - отполировать и углубить знания 
 Половина успеха в машине обучение состоит в том, чтобы подготовить документацию для алгоритов и правильной формулировки решаемой проблемы (целевая функция). Также важно научиться реализации любых шагов для создания моделей машинного обучения в наиболее благоприятной последовательности. Все эти темы прекрасно раскрываются всерьез, записаны русскими парнями, но с английскими субтитрами: «учитесь у лучших kagglers: modus, чтобы выиграть науку о данных». Не нужно обращать внимание на kaggle - вышеуказанные методы устанавливают их реальные задачи.После прохождения этого курса вы получите возможность выяснить комикс ниже. Проблема: это было записано российскими парнями из московского государственного университета, а затем начало войны исчезло из ресурса. Поскольку я не нашел ничего подобного сразу, сразу собрано (хотя я искал целенаправленно), поэтому имеет смысл найти его и увидеть. Они говорят, что заметки доступны на торрентных трекерах. Ребята, которые записали его, вероятно, зарегистрированы в сообщении ods.Ai. 
 В статьях сообщества ods (см.) Многие ссылки на дополнительные источники приведены. Я рекомендую вам ознакомиться с ними. Через портал сообщества есть видео о многих семинарах, которые также иногда считают очень полезными и фундаментальными темами. Например, все расширения от основателя сообщества, алексей тененкин были полезны для меня (прогнозирование времени, еще один пример)   Разные соседние концепции, которые необходимо знать 
 Разница между корреляцией и причиной расследования. Без понимания этого невозможно работать в качестве-сайт данных. 
 С невероятной степенью вероятности, в случае, когда вы проводите некоторый сравнительный анализ различных групп (рекламные компании, поведение пользователей и т. Д.). Заявитель должен будет столкнуться с парадоксом симпсона (отлично видео). Важно отточить его понимание, потому что необходимо защищать от его последствий, а также понимание этого, я не знал в каждой семье, что встретил это развитие на практике. 
 Кроме того, с точки зрения постановки целей - поведение людей искажается, огайо. Что говорит закон гудхарта. Знание этого действия может предложить направления анализа различных явлений. 
 Другие интересные книги/материалы 
 Куча английских материалов -языковых материалов для эксплуатации различной библиотеки, только очень начальный уровень, регулярно представлена на портал https://towardsdatascience.Com; до трех статей в месяц вы можете познакомиться бесплатно. 
 Статистика сделана неправильно. Своие полное руководство алекса рейнхарта - отличная иллюстрация момента, когда вы не должны применять математические методы для тестирования гипотез. Автор рассказывает, как даже профессиональные ученые чаще всего ошибаются с использованием. 
python machine learning, sebastian raschka - хороший набор различных фрагментов кода, которые могут вносить свой вклад на начальном этапе. И упомянутый автор имеет хорошие тексты в различных категориях. 
 Как искать другие хорошие книги и курсы, выбирать цены и наиболее оптимальные для - написано в предыдущих статьях. 
 Необходимые технические знания 
 Git должны быть изучены, чтобы работать над определенным кодовым соединением с другими пользователями. Замечательная простая и бесплатная книга на английском языке - учебник ry's git. Кроме того, многие книги действительно без вклада на веб -сайт git. Отличное визуальное объяснение различных концепций: http://ndpsoftware.Com/git-chetsheet.Html 

>> https://wwww.Practicaldascience.Org/ - хороший набор материалов на разных библиотеки и дополнительные инструменты. Фактически, полный ассортимент предоставляется тем, кому придется освоить работу в дату смысла, с вступительными материалами по всем темам (облачный раздел soo должен читать косо, потому что здесь с высокой вероятностью вам придется работайте с этими технологиями других поставщиков, которые имеют различия).

 Что я пропустил? Тем не менее, возможно, по некоторым насущным вопросам я вообще не предложил материал, и, согласно определенным, вы уже поняли курсы/книги, которые, по вашему мнению, или лучшие конкретные или идеально дополняют их - пожалуйста, напишите в комментариях. Я как -то изучу такие варианты и обновлю статью. 
 , Чтобы узнать больше о [подборка курсов по motion-дизайну] посещение этого ресурса в интернете. 
<