5 Sumber Daya Top untuk Ilmu Data dan Pembelajaran Mesin

Data adalah minyak baru. Dan Machine Learning adalah api. Siapa pun yang mengendalikan keduanya akan mengendalikan dunia.


Tidak, di atas bukanlah ungkapan sombong yang diambil dari novel dystopian.

Itu kenyataan.

Tata dunia baru adalah semua tentang mengumpulkan sejumlah besar data yang relevan dan mengolahnya menjadi wawasan yang dapat ditindaklanjuti – sesuatu yang belum dapat dilakukan umat manusia dalam sejarah. Ini adalah jenis teknologi yang memungkinkan suatu negara maju yang lain, dan akhirnya, menguasai dunia. Akibatnya, itu ditanggapi dengan sangat, sangat serius oleh negara-negara progresif di dunia.

Pilihan karier yang menggiurkan

Selain intrik internasional, ilmu data dan pembelajaran mesin adalah bidang baru yang panas dengan peluang luar biasa. Permintaan berada di luar grafik (dengan kata lain), dan tidak ada cukup data ilmuwan di sekitar. Bahkan yang biasa-biasa saja.

Sepertinya kita tiba-tiba menemukan banyak planet yang dapat dihuni dan tidak ada cukup banyak orang untuk dipindahkan. Saya bisa terus dan terus dan terdengar seperti rekaman rusak, tapi saya pikir infografis ini melakukan pekerjaan lebih baik:

Sumber: insidebigdata.com

Jadi kami melihat bahwa gaji mulai dari $ 50,000 +, dan untuk manajer, dapat menembak lebih dari $ 250,000.

Dan tidak hanya itu, pada tahun 2020 rata-rata orang di planet ini akan menghasilkan 1,7 MB data per detik. Itu 3.500+ TB data selama seumur hidup – lebih banyak data daripada yang kita tahu bagaimana menangani sampai sekarang, apalagi digunakan untuk analisis. Mengatakan bahwa masa depan cerah akan berarti merugikan padang rumput baru yang megah ini.

Apakah sains data dan pembelajaran mesin sulit??

Pertanyaan bagus!

Dari pengalaman saya, jawabannya adalah “ya” dan “tidak.”

Kecerdasan buatan (dan dengan perluasan, pembelajaran mesin), adalah hal paling sulit untuk dilakukan jika Anda cenderung melakukan penelitian dan mendorong amplop. Untuk pekerjaan seperti itu, bahkan gelar Ph.D. masing-masing dalam ilmu komputer dan matematika tidak cukup. Tapi kemudian, rata-rata orang tidak memiliki ambisi dan bukan waktu untuk mengejar seperti itu.

Di ujung lain adalah apa yang saya sebut Ilmu Data Terapan dan Pembelajaran Mesin.

Artinya, Anda mengambil alat, teknik, dan algoritme yang ada, dan menerapkannya untuk menyelesaikan beberapa masalah di dunia nyata. Bagian ini membutuhkan dedikasi, persepsi dan pemikiran kreatif (dan pengetahuan tentang beberapa konsep matematika sederhana, yang cepat dipelajari), tetapi mengenai pengetahuan “teknis” yang sebenarnya, jauh lebih ringan daripada apa yang disebut oleh pekerjaan seorang insinyur perangkat lunak.

Dengan kata lain, ini bukan cakewalk, tetapi berjalan dengan rasio imbalan terhadap usaha, adalah salah satu investasi terbaik di luar sana.

Sekarang setelah Anda mengeraskan tekad Anda untuk menjadi ilmuwan data dan insinyur pembelajaran mesin, mari kita mulai mengeksplorasi opsi terbaik di luar sana..

Kursus Kerusakan Pembelajaran Mesin (Google)

Tidak banyak orang yang sadar, tetapi Google memiliki luas, sangat praktis dan kursus gratis tentang Pembelajaran Mesin. Menurut perusahaan, itu adalah bagian dari komitmen mereka untuk memajukan teknologi AI / ML dan menjaga pengetahuan di tempat terbuka.

Hal terbaik tentang kursus ini adalah tidak ada prasyarat, tetapi lakukan persiapan untuk menghabiskan waktu ekstra menjelajahi konsep statistik sendiri.

Maksud saya, itu tidak diperlukan, tetapi jika Anda memiliki nol latar belakang dalam statistik lanjutan, penjelasan dalam kursus ini mungkin tidak cukup. Hasil lainnya adalah kursus ini memperkenalkan Pembelajaran Mesin via TensorFlow, yang merupakan implementasi ML yang dikembangkan oleh Google. Jadi, dengan satu cara, Google bertujuan untuk mempromosikan API untuk Pembelajaran Mesin, tetapi mengingat nilai yang ditawarkan oleh kursus ini, saya tidak melihat bagaimana hal itu seharusnya menjadi batu sandungan..

Jika ada, TensorFlow adalah salah satu cara mudah untuk masuk ke ML dan menikmati popularitas gila (untuk perbandingan kerangka kerja AI, lihat ini).

CS109 Ilmu Data (Universitas Harvard)

Nama Harvard menginspirasi kekaguman, dan begitu juga kursus ini.

Hal pertama yang pertama: ini bukan kursus cepat-kotor di mana Anda berjinjit di seputar Pembelajaran Mesin dengan menulis cuplikan di sini atau skrip di sini. Kursus ini adalah baptisan api yang berat yang menuntut kerja keras dan investasi waktu yang signifikan.

Kursus dilengkapi dengan video gratis, kode (dihosting di GitHub), dan solusi untuk latihan lab, jadi praktisnya, Anda tidak terkekang oleh apa pun jika Anda ingin mengambilnya.

Pemirsa yang ideal?

Anda … saya tidak bercanda.

Saya akan mengatakan para profesional yang bekerja dengan pendidikan matematika yang layak, meskipun mereka mungkin tidak lagi menyukai matematika (kebiasaan mengambil kesimpulan dan bukti adalah hal yang paling penting). Tetapi sekali lagi, harap diingatkan: Anda mungkin berpikir Anda baik, tetapi kursus ini akan terasa seperti memiliki kuku yang mengeras untuk sarapan – masalah latihannya cukup menantang untuk membuat Anda menangis, tetapi kemudian, itu mungkin justru hal yang Anda inginkan sedang mencari!

Pembelajaran Mesin (Andrew Ng)

Berjalanlah ke bar yang penuh dengan ilmuwan data dan tanyakan siapa Andrew Ng, dan Anda akan mendapatkan pemukulan hidup Anda.

Di kalangan ilmu data dan pembelajaran mesin, Andrew Ng telah mencapai status seperti dewa, berkat kursusnya yang luar biasa di Coursera – Pembelajaran mesin.

Dan jika Anda meragukan kredensial Andrew Ng, saya akan membiarkan ini berbicara sendiri:

Kursus berbayar, karena merupakan bagian dari rencana penetapan harga Coursera, tetapi komitmen dan tekad finansial bukan satu-satunya prasyarat. Ini adalah perjalanan panjang karena Andrew terjun jauh ke dalam matematika di balik semua hal ML dan membedah algoritma populer. Tapi untungnya, ini adalah kursus yang lengkap, dan Anda akan dipandu langkah demi langkah ke kedalaman paling gelap dan dibawa kembali.

Sangat direkomendasikan, terutama karena memamerkan sertifikat penyelesaian kursus ini telah menjadi hal hari ini!

Ilmu Data Terapan dengan Python

Spesialisasi pada Coursera terdiri dari serangkaian program yang bertujuan untuk membawa Anda dari nol hingga mahir dalam konsep tertentu. Jika Anda mencari kursus lengkap, serius namun ramah tentang Ilmu Data dan Pembelajaran Mesin dengan Python, saya tidak bisa merekomendasikan ini spesialisasi cukup.

Di akhir kursus, Anda mendapatkan sertifikat.

Pembelajaran Jauh Praktis Untuk Coders

Kursus ini adalah berkah dan merupakan rekomendasi paling favorit saya di daftar ini jika Anda seorang pembuat kode.

Saya akan mengatakan itu lagi: jika Anda seorang pembuat kode.

Itu karena kursus ini tidak menghabiskan waktu mengajarkan Anda dasar-dasar pemrograman. Deskripsi kursus mengatakannya dengan sangat jelas (penekanannya asli):

Kami berasumsi bahwa setiap orang yang mengikuti kursus ini setidaknya satu tahun pengalaman pengkodean. Kursus ini menggunakan python sebagai bahasa pengantar, jadi jika Anda belum tahu python maka kami berasumsi bahwa Anda akan menghabiskan waktu untuk belajar — untuk seorang programmer yang berpengalaman Anda harus menemukan bahwa python adalah bahasa yang cukup mudah untuk dipelajari.

Jadi jika Anda sudah tahu Python (jika tidak pelajari di sini), atau dapat merasa nyaman dengan cepat, ini adalah program yang sempurna bagi para pragmatis yang ingin membangun sistem nyata yang dapat digunakan tanpa terlalu khawatir tentang dasar-dasar teoretis dari algoritma.

Saya bahkan mungkin mengatakan itu untuk orang-orang yang tidak sabar (seperti saya!) Yang membenci upacara dan monoton.

Dan oh, apakah saya menyebutkannya 100% gratis dan memiliki komunitas yang hebat?!

Kesimpulan

Fiuh!

Ini adalah satu daftar sulit untuk dikompilasi. Bukan karena tidak ada sumber yang cukup baik, tetapi karena ada terlalu banyak sumber!

Machine Learning adalah domain yang benar-benar meledak dan memecahkan masalah-masalah sulit dengan sangat elegan, dan memang ada ratusan kursus online, gratis dan berbayar, kebanyakan dari mereka benar-benar baik. Tetapi ini juga bisa menjadi sumber kebingungan, itulah sebabnya saya mencoba membuatnya menjadi lima untuk berbagai jenis pelajar sesuai dengan tingkat pengalaman mereka.

Semoga ini bisa membantu!

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map