网络机器人吧社区

最新数据科学和机器学习 MOOC 资源,成为高手的个性化课程组合

新智元 2019-02-10 12:33:33

1新智元编译  

来源:davidventuri.com

编译:王皓辰

新智元日前宣布,获6家顶级机构总额达数千万元的PreA轮融资,蓝驰创投领投,红杉资本中国基金、高瓴智成、蓝湖资本 、蓝象资本和今日头条跟投。本轮融资将用于新智元团队规模扩充并增加新产品服务线,目标打造 To B 的人工智能全产业链服务平台。

新智元启动新一轮大招聘:COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。 

简历投递:jobs@aiera.com.cn

HR 微信:13552313024

新智元为COO和执行总编提供最高超百万的年薪激励;为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

加盟新智元,与人工智能业界领袖携手改变世界。


【新智元导读】今天我们要介绍的主人公叫 David Venturi。一年前他还没有编程背景,凭着对数学的爱好开始上网自学。后来他被加拿大一所大学的计算机科学专业录取,但仅过了两个礼拜就退学了,因为他发现想学的东西都能在网上找到。于是,Venturi 综合 edX、Coursera、Udacity 等网站,自己设计课程组合,在家完成了数据科学家“硕士学位”。下面就让新智元来带你看看他的私人课表——他能做到,你同样也可以!



温馨提示:这些课程可不是看看视频就能应付了事的,它们都是带有一定的互动性,而且有的课程的总长度都在100个小时以上。有些课程是有开课日期的,有些是能根据自己的进度来安排的,最好提前作了解,以免错过开学的日期。祝学习愉快!


预科模块


如果你在大学没有接触过计算机科学专业,那么下面就是美国大一大二学生的专业课内容,分别是编程入门、计算机科学入门、数学。




【Udacity】Intro to Programming

地址:https://www.udacity.com/course/intro-to-programming-nanodegree--nd000


课程总设计长度4个月,评分4.5颗星。(编者按:有的人可以在2.5个月完成。每个人进度不同。)这门课程会教学生怎样使用 HTML 和 CSS 去编写自己的网站;Python基础语言;后端编程,数据库;一点点 JavaScript,APIs,recursion 和 parallel computing。Udacity 把它的课程分割成很多迷你短课,很多视频还不到5分钟,课后还会有一些习题。大作业,也就是projects,会得到老师的评分。


【Harvard/edX】CS50: Introduction to Computer Science 

地址:https://www.edx.org/course/introduction-computer-science-harvardx-cs50x


总设计长度为一个学期,评分4.5颗星。你将会学到算法、抽象、数据结构等知识,会接触C,Python,SQL,JavaScript,CSS 等语言。这门课是完全免费的,但是可以花90美元得到一个结业证书。


【MIT】Mathematics for Computer Science

地址:http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-042j-mathematics-for-computer-science-fall-2010/


总长度为25堂课,无评分。这门课包含了逻辑,证明方法、数集、排列组合、离散概率等一系列数理基本知识。


数据核心模块


以下的课程全部来自 Udacity 的 Data Analyst Nanodegree系列。全部课程+作业总时长是378小时。之所以强烈推荐这一系列是因为,第一,它好评如潮;第二,这些课程有一些是由 Facebook、Google 等公司设计的。这个系列,不论是宽度、深度、连贯度,都能给学生带来很好的教育体验。




【Udacity】Intro to Inferential Statistics

地址:https://www.udacity.com/course/intro-to-inferential-statistics--ud201


【Udacity】Intro to Descriptive Statistics

地址:https://www.udacity.com/course/intro-to-descriptive-statistics--ud827


【Udacity】Intro to Data Analysis (Using NumPy and Pandas)

地址:https://www.udacity.com/course/intro-to-data-analysis--ud170


【Udacity】Data Wrangling

地址:https://www.udacity.com/course/data-wrangling-with-mongodb--ud032


【Udacity】SQL for Data Analysis

地址:https://www.udacity.com/course/sql-for-data-analysis--ud198


【Udacity】MongoDB for Data Analysis

地址:https://www.udacity.com/course/data-wrangling-with-mongodb--ud032


【Udacity】Data Analysis with R

地址:https://www.udacity.com/course/data-analysis-with-r--ud651


【Udacity】Intro to Machine Learning

地址:https://www.udacity.com/course/intro-to-machine-learning--ud120


【Udacity】Data Visualization and D3.js

地址:https://www.udacity.com/course/data-visualization-and-d3js--ud507


【Udacity】A/B Testing

地址:https://www.udacity.com/course/ab-testing--ud257


机器学习模块




【Standford/Coursera】Machine Learning

地址:https://www.class-central.com/mooc/835/coursera-machine-learning


这门课曾被评为最佳50免费在线课程,评价为5星,所以绝对不会让学生失望。课程的内容包括:有监督学习,参数算法,神经网络;无监督学习;还有一些案例学习和现在业内的常用方法。


【Kadenze】Creative Applications of Deep Learning with TensorFlow

地址:https://www.class-central.com/mooc/6679/kadenze-creative-applications-of-deep-learning-with-tensorflow


TensorFlow 是 Google的一个开源框架,也是现在在人工智能领域被应用最广的。学完这门课,你将对现在最前沿的算法有所了解,比如什么是 convolutional networks,什么是generative adverarial networks,什么是 recurrent neural networks,如果你还不知道这些最热的名词是什么意思,就赶紧学吧。


【University of California, Berkeley/edX】Distributed Machine Learning with Apache Spark

地址:https://www.class-central.com/mooc/2965/edx-cs190-1x-scalable-machine-learning


这节课包含了机器学习背后的一些统计和算法模型,也会教你去解决一些交叉学科的问题,比如网络广告和认知神经学。


软件工程模块


数据科学的很大一部分工作其实都是不停地编程,编程能力强的人肯定就会快速测试很多设计方案。




【Udacity】Software Testing

地址:https://www.udacity.com/course/software-testing--cs258


【Udacity】Software Debugging

地址:https://www.udacity.com/course/software-debugging--cs259


【Coursera】Mastering Software Development in R Specialization 

地址:https://www.coursera.org/specializations/r


R和Python都是数据科学最重要的编程语言。这一围绕R编程的系列课程由约翰霍普金斯大学提供,共分为4门课程:R编程环境,进阶R编程,建立R packages,数据可视化。


后端开发模块




这一模块包含了很多的内容,网站后端、APP后端、一些Linux的基本内容、还包括了数据库的基本操作,如何你从没接触过这些内容,这个模块能帮你逐渐熟悉起来。


【Udacity】 Intro to Backend

地址:https://www.udacity.com/courses/intro-to-backend--ud171


【Udacity】 Developing Scalable Apps in Python 

地址:https://www.udacity.com/courses/developing-scalable-apps-in-python--ud858


【Udacity】 Configuring Linux Web Servers 

地址:https://www.udacity.com/courses/configuring-linux-web-servers--ud299


【Udacity】 Linux Command Line Basics 

地址:https://www.udacity.com/courses/linux-command-line-basics--ud595


【Standford U】 Introduction to Databases

地址:https://www.class-central.com/mooc/1580/stanford-openedx-db-introduction-to-databases


其他资源


学完上面这些,其实你已经可以硕士毕业了,但是再多学一些也无妨……




【Udacity】Intro to Hadoop and MapReduce 

地址:https://www.udacity.com/course/intro-to-hadoop-and-mapreduce--ud617


【Coursera】Using Python to Access Web Data 

地址:https://www.class-central.com/mooc/4343/coursera-using-python-to-access-web-data


【Coursera】 Building a Data Science Team 

地址:https://www.coursera.org/learn/build-data-science-team


【Udacity】 How to Use Git & GitHub: Version Control for Code

地址:https://www.udacity.com/course/how-to-use-git-and-github--ud775


你是不是已经还是点开其中的某些链接开始摩拳擦掌要学习了呢?这些课程很多都是免费的,而且可以自己控制节奏,再不学习,就真的老了!



编译来源:http://davidventuri.com/data-science-masters



新智元招聘


新智元日前宣布,获6家顶级机构总额达数千万元的PreA轮融资,蓝驰创投领投,红杉资本中国基金、高瓴智成、蓝湖资本 、蓝象资本和今日头条跟投。本轮融资将用于新智元团队规模扩充并增加新产品服务线,目标打造 To B 的人工智能全产业链服务平台。


职位  运营总监


职位年薪:36- 50万(工资+奖金)

工作地点:北京-海淀区

所属部门:运营部

汇报对象:COO

下属人数:2人

年龄要求:25 岁 至 35 岁

性别要求:不限

工作年限:3 年以上

语  言:英语6级(海外留学背景优先)


职位描述


  1. 负责大型会展赞助商及参展商拓展、挖掘潜在客户等工作,人工智能及机器人产业方向

  2. 擅长开拓市场,并与潜在客户建立良好的人际关系

  3. 深度了解人工智能及机器人产业及相关市场状况,随时掌握市场动态 

  4. 主动协调部门之间项目合作,组织好跨部门间的合作,具备良好的影响力

  5. 带领团队完成营业额目标,并监控管理项目状况

  6. 负责公司平台运营方面的战略计划、合作计划的制定与实施


岗位要求


  1. 大学本科以上学历,硕士优先,要求有较高英语沟通能力

  2. 3年以上商务拓展经验,有团队管理经验,熟悉商务部门整体管理工作

  3. 对传统全案公关、传统整合传播整体方案、策略性整体方案有深邃见解

  4. 具有敏锐的市场洞察力和精确的客户分析能力、较强的团队统筹管理能力

  5. 具备优秀的时间管理、抗压能力和多任务规划统筹执行能力

  6. 有广泛的TMT领域人脉资源、有甲方市场部工作经验优先考虑

  7. 有媒体广告部、市场部,top20公关公司市场拓展部经验者优先


新智元欢迎有志之士前来面试,更多招聘岗位请访问新智元公众号



Copyright © 网络机器人吧社区@2017