I percorsi di apprendimento sono facilmente una delle risorse più popolari e richieste che selezioniamo all'inizio del nuovo anno. Recentemente, abbiamo ricevuto un sacco di domande su quando avremmo lanciato i percorsi di apprendimento per 2020.
Ed ecco qui, siamo entusiasti di presentare il primo percorso di apprendimento di 2020 per la nostra comunità!
Il percorso di apprendimento per 2020 è la raccolta definitiva e più completa di risorse messe insieme in modo strutturato. Questo percorso di apprendimento è per chiunque voglia fare carriera nella scienza dei dati. Quindi, che tu sia un principiante, hai qualche anno di esperienza lavorativa o sei un professionista di medio livello, questo percorso di apprendimento della scienza dei dati è per te.
Quest'anno, basandoci sulla meravigliosa accoglienza che abbiamo ricevuto l'anno scorso, abbiamo ampliato la portata di questi percorsi di apprendimento. Lanceremo 4 diversi percorsi di apprendimento, ognuno concentrato su dove ti trovi nel tuo viaggio di apprendimento:
Perché dovresti iscriverti a questo percorso di apprendimento di data science
Ci sono troppi materiali di apprendimento là fuori. 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, apprendimento automatico, apprendimento profondoApprendimento profondo, Una sottodisciplina dell'intelligenza artificiale, si affida a reti neurali artificiali per analizzare ed elaborare grandi volumi di dati. Questa tecnica consente alle macchine di apprendere modelli ed eseguire compiti complessi, come il riconoscimento vocale e la visione artificiale. La sua capacità di migliorare continuamente man mano che vengono forniti più dati lo rende uno strumento chiave in vari settori, dalla salute..., elaborazione del linguaggio naturale (PNL) 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 percorso di apprendimento per diventare un data scientist in 2020 qui. Dovresti registrarti sulla piattaforma di Corsi per iscriverti. Questo ti permetterà di tenere traccia di ciò che hai coperto mentre avanzi nel tuo percorso di apprendimento automatico.
Riepilogo: percorso di apprendimento per diventare un data scientist in 2020
Ecco un riepilogo di ciò che puoi aspettarti di imparare (e i passaggi che devi seguire) utilizzando questo percorso di apprendimento:
- Introduzione alla scienza dei dati e a Python: L'inizio del tuo percorso per diventare un data scientist! Comprendi cosa fa un data scientist, i molteplici termini associati alla scienza dei dati e inizia a familiarizzare con il linguaggio di programmazione Python.
- Statistica e matematica: 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)
- Nozioni di base sull'apprendimento automatico: ¡Bienvenido al mundo del aprendizaje automático! Esta sección trata de presentarle los algoritmos y técnicas básicas de aprendizaje automático, que incluyen regresión lineal, Regressione logistica, alberi decisionali, Ingenuo Bayes, supporta macchine vettoriali (SVM), tra gli altri.
- Co-apprendimento: 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 ottenere una esperienza práctica práctica
- serie temporali: Uno dei temi più complessi di questo spazio. Questo merita una sezione completa a sé stante, perciò abbiamo anche incluso un progetto pratico per familiarizzare con i molteplici concetti delle serie temporali e su come funzionano nel mondo reale.
- Sistemi di raccomandazione e algebra matriciale: Perché l'algebra matriciale, domande? Bene, non puoi prendere sul serio l'apprendimento di come funzionano i motori di raccomandazione senza di essa! Pertanto questa sezione, coperta a giugno nel percorso di apprendimento, tratta di questi due concetti rilevanti e di tendenza. Questo coprirà tecniche di riduzione della dimensionalità come l'analisi delle componenti principali (PCA) insieme a progetti di motori di raccomandazione.
- Reti neurali (e apprendimento profondo): sì, l'apprendimento profondo fa parte del percorso di apprendimento della scienza dei dati. Dato il rapido aumento e l'adozione delle applicazioni di apprendimento profondo, questa è potenzialmente una parte molto rilevante del tuo ruolo di data scientist. Imparerai le reti neurali e inoltre apprenderai un framework di deep learning popolare chiamato Keras (puoi selezionare altri a seconda delle tue preferenze, come PyTorch)
- Visione computerizzata: La visione artificiale è facilmente il campo di deep learning più richiesto nell'industria. Una volta che ti sarai familiarizzato con la sezione precedente, approfondisci i diversi tipi di problemi di visione artificiale e impara sul campo.
- Elaborazione del linguaggio naturale (PNL): Il campo più caldo di qualsiasi industria. Le aziende si stanno facendo a gara per ottenere i migliori talenti in NLP: Questo è un buon momento per iniziare a lavorare in NLP! Da BERT di Google a RoBERTa di Facebook, Inizia a familiarizzare con i framework di NLP all'avanguardia
Come menzionato in precedenza, Puoi seguire l'intero percorso di apprendimento della data science qui. Iscriviti e inizia oggi il tuo viaggio nell'apprendimento automatico! Puoi monitorare i tuoi progressi durante tutto l'anno mentre raggiungi i traguardi e ti avvicini alla posizione dei tuoi sogni.
Inoltre, forniamo una versione illustrata di questo percorso di apprendimento della data science qui sotto, che mostra un'immagine mese per mese. Puoi stamparla e usarla come checklist. E se mette in campo i suoi migliori sforzi e segue questo percorso di apprendimento, sarà in una posizione magnifica per iniziare a decifrare le interviste di data science alla fine di 2020.
Può scaricare una versione ad alta definizione dell'infografica. qui.
