Las rutas de aprendizaje son fácilmente uno de los recursos más populares y solicitados que seleccionamos al comienzo del nuevo año. Recientemente, hemos recibido un montón de consultas que nos preguntaban cuándo lanzaríamos las rutas de aprendizaje para 2020.
Y aquí estamos, ¡estamos encantados de presentar el primer camino de aprendizaje de 2020 para nuestra comunidad!
La ruta de aprendizaje para 2020 es la colección de recursos definitiva y más completa reunida de manera estructurada. Esta ruta de aprendizaje es para cualquiera que quiera hacer una carrera en ciencia de datos. Entonces, ya sea que sea un principiante, tenga algunos años de experiencia laboral o sea un profesional de nivel medio, esta ruta de aprendizaje de ciencia de datos es para usted.
Este año, basándonos en la maravillosa recepción que recibimos el año pasado, hemos ampliado el alcance de estas rutas de aprendizaje. Lanzaremos 4 rutas de aprendizaje diferentes, cada una centrada en dónde se encuentra en su viaje de aprendizaje:
Por qué debería inscribirse en esta ruta de aprendizaje de ciencia de datos
Hay demasiados recursos de aprendizaje por ahí. Estoy seguro de que cualquiera que haya intentado estudiar de diferentes fuentes entenderá esto. Puede ser abrumador para cualquiera que esté comenzando, sin tener en cuenta dónde se encuentre en su carrera.
Y es por ello que creamos estos caminos de aprendizaje.
Le quitamos el dolor, el tiempo y el esfuerzo de pasar por cientos de recursos sobre ciencia de datos, aprendizaje automático, aprendizaje profundoEl aprendizaje profundo, una subdisciplina de la inteligencia artificial, se basa en redes neuronales artificiales para analizar y procesar grandes volúmenes de datos. Esta técnica permite a las máquinas aprender patrones y realizar tareas complejas, como el reconocimiento de voz y la visión por computadora. Su capacidad para mejorar continuamente a medida que se le proporcionan más datos la convierte en una herramienta clave en diversas industrias, desde la salud..., procesamiento del lenguaje natural (NLP) y visión por computadora. Nuestro objetivo es brindarle los mejores recursos de aprendizaje para ayudarlo a agilizar su viaje de aprendizaje de ciencia de datos.
Puede entrar al completo y más completo camino de aprendizaje para convertirse en científico de datos en 2020 aquí. Debería registrarse en la plataforma de Cursos para inscribirse. Esto le permitirá realizar un seguimiento de lo que ha cubierto a medida que avanza en su viaje de aprendizaje automático.
Resumen: ruta de aprendizaje para convertirse en científico de datos en 2020
Aquí hay un resumen de lo que puede esperar aprender (y los pasos que debe seguir) usando esta ruta de aprendizaje:
- Introducción a la ciencia de datos y Python: ¡El comienzo de su viaje para convertirse en científico de datos! Comprenda lo que hace un científico de datos, los múltiples términos asociados con la ciencia de datos y comience a familiarizarse con el lenguaje de programación Python.
- Estadística y Matemáticas: La columna vertebral de la ciencia de datos. Algunos de los conceptos clave que cubrirá son probabilidad, estadísticas inferenciales y aprender a realizar análisis de datos exploratorios (EDA). Esto además incluirá los conceptos básicos del álgebra lineal (otro tema central del aprendizaje automático)
- Conceptos básicos del aprendizaje automático: ¡Bienvenido al mundo del aprendizaje automático! Esta sección trata de presentarle los algoritmos y técnicas básicos de aprendizaje automático, que incluyen regresión lineal, regresión logística, árboles de decisión, Naive Bayes, máquinas de vectores de soporte (SVM), entre otros.
- Aprendizaje conjunto: Es hora de profundizar en los temas avanzados de aprendizaje automático. Comprenda qué es el conjunto, las diferentes técnicas de conjunto y comience a trabajar en conjuntos de datos para obtener una experiencia práctica práctica
- Series de tiempo: Uno de los temas más complejos de este espacio. Esto merece una sección completa por sí solo, por lo que además hemos incluido un proyecto práctico para familiarizarlo con los múltiples conceptos de series de tiempo y cómo funcionan en el mundo real.
- Sistemas de recomendación y álgebra matricial: ¿Por qué el álgebra matricial, preguntas? Bueno, ¡no puedes tomar en serio aprender cómo funcionan los motores de recomendación sin él! Por lo tanto esta sección, cubierta en junio en la ruta de aprendizaje, trata sobre estos dos conceptos relevantes y de tendencia. Esto cubrirá técnicas de disminución de dimensionalidad como el análisis de componentes principales (PCA) junto con proyectos de motor de recomendación.
- Redes neuronales (y aprendizaje profundo): Sí, el aprendizaje profundo es parte de la ruta de aprendizaje de la ciencia de datos. Dado el rápido aumento y la adopción de aplicaciones de aprendizaje profundo, esta es potencialmente una parte muy relevante de su rol como científico de datos. Aprenderá sobre redes neuronales y además aprenderá un marco de aprendizaje profundo popular llamado Keras (puede seleccionar otros según su preferencia, como PyTorch)
- Visión por computador: La visión por computadora es fácilmente el campo de aprendizaje profundo más solicitado en la industria. Una vez que se haya familiarizado con la sección anterior, profundice en los diferentes tipos de problemas de visión por computadora y aprenda sobre la marcha.
- Procesamiento del lenguaje natural (NLP): El campo más candente de cualquier industria. Las compañías se están tropezando entre sí para obtener el mejor talento de PNL: ¡este es un buen momento para comenzar a trabajar en PNL! Desde BERT de Google hasta RoBERTa de Facebook, comience a familiarizarse con los marcos de PNL de última generación
Como se mencionó previamente, puede entrar a la ruta completa de aprendizaje de ciencia de datos aquí. ¡Regístrese y comience su viaje de aprendizaje automático hoy! Puede realizar un seguimiento de su progreso durante todo el año a medidaLa "medida" es un concepto fundamental en diversas disciplinas, que se refiere al proceso de cuantificar características o magnitudes de objetos, fenómenos o situaciones. En matemáticas, se utiliza para determinar longitudes, áreas y volúmenes, mientras que en ciencias sociales puede referirse a la evaluación de variables cualitativas y cuantitativas. La precisión en la medición es crucial para obtener resultados confiables y válidos en cualquier investigación o aplicación práctica.... que marca los hitos y se acerca más a la función de sus sueños.
Además proporcionamos una versión ilustrada de esta ruta de aprendizaje de ciencia de datos a continuación, que muestra una imagen mes a mes. Puede imprimirlo y utilizarlo como lista de verificación. Y si presenta sus mejores esfuerzos y sigue este camino de aprendizaje, estará en una magnífica posición para comenzar a descifrar entrevistas de ciencia de datos a fines de 2020.
Puede descargar una versión en alta definición de la infografía. aquí.
