Os percursos de aprendizagem são facilmente um dos recursos mais populares e requisitados que selecionamos no início do novo ano. Recentemente, Recebemos muitas questões a perguntar quando lançaríamos os percursos de aprendizagem para 2020.
E aqui estamos, Estamos entusiasmados por apresentar o primeiro caminho de aprendizagem de 2020 para a nossa comunidade!
O percurso de aprendizagem para 2020 é a coleção definitiva e mais abrangente de recursos reunidos de forma estruturada. Este percurso de aprendizagem é para qualquer pessoa que queira seguir uma carreira em ciência de dados. Então, quer seja um principiante, tem alguns anos de experiência profissional ou é um profissional de nível médio, este percurso de aprendizagem em ciência de dados é para si.
Este ano, Com base na maravilhosa receção que recebemos no ano passado, Ampliámos o alcance destes percursos de aprendizagem. Vamos lançar 4 Percursos de aprendizagem diferentes, Cada um focado em onde se encontra na sua jornada de aprendizagem:
Porque deve inscrever-se neste percurso de aprendizagem de ciência de dados
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, aprendizado de máquina, aprendizado profundoAqui está o caminho de aprendizado para dominar o aprendizado profundo em, Uma subdisciplina da inteligência artificial, depende de redes neurais artificiais para analisar e processar grandes volumes de dados. Essa técnica permite que as máquinas aprendam padrões e executem tarefas complexas, como reconhecimento de fala e visão computacional. Sua capacidade de melhorar continuamente à medida que mais dados são fornecidos a ele o torna uma ferramenta fundamental em vários setores, da saúde..., processamento de linguagem natural (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 para te tornar num cientista de dados em 2020 aqui. Debería registrarse en la plataforma de Cursos para inscribirse. Isto permitirá-lhe acompanhar o que já fez à medida que avança na sua jornada de aprendizagem automática.
Resumo: ruta de aprendizagem para se tornar em científico de datos en 2020
Aquí hay um resumo de lo que pode esperar aprender (y los pasos que debe seguir) usando esta ruta de aprendizaje:
- Introdução a la ciência 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 ciência de datos y comience a familiarizarse con el lenguaje de programación Python.
- Estatística e Matemática: La columna vertebral de la ciencia de datos. Algunos de los conceptos clave que cubrirá son probabilidad, estadísticas inferenciales y aprender a realizar análise 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 básicas de aprendizaje automático, que incluyen regresión lineal, Regressão logística, Árvores de decisão, Baías ingénuas, apoiar máquinas de vetor (SVM), entre outros.
- Aprendizado conjunto: Es hora de profundizar en los temas avançados de aprendizaje automático. Comprenda qué es el conjunto, las diferentes técnicas de conjunto y comience a trabajar en conjuntos de datos para obter una experiencia práctica práctica
- Séries Temporais: Uno de los temas más complejos de este espaço. Esto merece una sección completa por sí solo, por lo que además hemos incluido un proyecto práctico para familiarizarlo con los múltiplos conceitos de séries de tempo e como funcionam no mundo real.
- Sistemas de recomendação e álgebra matricial: Por que a álgebra matricial, perguntas? Nós vamos, não podes levar a sério aprender como funcionam os motores de recomendação sem ela! Portanto, esta secção, coberta em junho na rota de aprendizagem, trata destes dois conceitos relevantes e em tendência. Isto irá cobrir técnicas de redução de dimensionalidade como a análise de componentes principais (PCA) juntamente com projetos de motores de recomendação.
- Redes neurais (e aprendizagem profunda): sim, a aprendizagem profunda faz parte da rota de aprendizagem de ciência de dados. Dado o rápido aumento e a adoção de aplicações de aprendizagem profunda, esta é potencialmente uma parte muito relevante do teu papel como cientista de dados. Aprenderá sobre redes neuronales y además aprenderá un marco de aprendizaje profundo popular llamado Keras (puede seleccionar otros según su preferencia, como PyTorch)
- Visão computacional: 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.
- Processamento de linguagem natural (PNL): El campo más candente de cualquier industria. Las compañías se están tropezando entre sí para obter el mejor talento de PNL: este es un buen momento para começar a trabajar en PNL! Desde BERT de Google hasta RoBERTa de Facebook, comience a familiarizarse con los marcos de PNL de última generación
como dito anteriormente, puede entrar a la ruta completa de aprendizagem de ciência de dados aqui. ¡Regístrese y comience su viaje de aprendizaje automático hoy! Puede realizar un seguimento de su progresso durante todo el año a medida que marca los hitos y se acerca más a la função de sus sueños.
Además proporcionamos una versión ilustrada de esta ruta de aprendizagem de ciência de dados a continuación, que muestra una imagem mes a mes. Puede imprimirlo y utilizarlo como lista de verificación. Y si apresenta sus melhores esforços y sigue este caminho de aprendizaje, estará en una magnífica posição para começar a descifrar entrevistas de ciência de dados a fins de 2020.
Puede descargar una versión en alta definición de la infografía. aqui.
