인터넷상의 모든 단일 머신 러닝 과정은 귀하의 평가에 의해 평가됩니다

Kaboompics의 나무 로봇

1 년 반 전에 저는 캐나다 최고의 컴퓨터 과학 프로그램 중 하나를 그만 두었습니다. 온라인 리소스를 사용하여 자체 데이터 과학 석사 프로그램을 만들기 시작했습니다. edX, Coursera 및 Udacity를 통해 필요한 모든 것을 대신 배울 수 있다는 것을 깨달았습니다. 그리고 더 빠르고 효율적으로 적은 비용으로 배울 수있었습니다.

나는 거의 끝났다. 많은 데이터 과학 관련 과정을 수강하고 더 많은 부분을 감사했습니다. 나는 거기에있는 옵션과 데이터 분석가 또는 데이터 과학자 역할을 준비하는 학습자에게 필요한 기술을 알고 있습니다. 그래서 데이터 과학 분야의 각 과목에 가장 적합한 과정을 추천하는 검토 중심 가이드를 만들기 시작했습니다.

이 시리즈의 첫 번째 가이드에서는 초보자 데이터 과학자에게 몇 가지 코딩 클래스를 권장했습니다. 통계와 확률 클래스였습니다. 그런 다음 데이터 과학을 소개합니다. 또한 데이터 시각화.

이제 머신 러닝에 대해 알아보십시오.

이 가이드를 위해 2017 년 5 월 현재 제공되는 모든 온라인 기계 학습 과정을 확인하고 음절 및 리뷰에서 핵심 정보를 추출하고 등급을 컴파일하는 데 12 시간을 보냈습니다. 저의 최종 목표는 이용 가능한 3 가지 최고의 코스를 확인하고 아래에 제시하는 것이 었습니다.

이 작업을 위해 저는 오픈 소스 Class Central 커뮤니티와 수천 개의 코스 등급 및 리뷰 데이터베이스를 사용했습니다.

Class Central의 홈페이지.

2011 년 이래로 Class Central의 창립자 Dhawal Shah는 전 세계의 다른 누구보다 온라인 과정을 면밀히 주시하고 있습니다. Dhawal은 개인적으로이 리소스 목록을 작성하는 데 도움을주었습니다.

고려할 과정을 고른 방법

각 과정은 세 가지 기준에 맞아야합니다.

  1. 상당한 양의 기계 학습 컨텐츠가 있어야합니다. 이상적으로는 머신 러닝이 주요 주제입니다. 딥 러닝 전용 과정은 제외됩니다. 나중에 더 자세히.
  2. 주문형이거나 몇 개월마다 제공되어야합니다.
  3. 대화 형 온라인 과정이어야하므로 책이나 읽기 전용 자습서가 없습니다. 이 방법은 배울 수있는 방법이지만이 안내서는 과정에 중점을 둡니다. 엄격하게 비디오 (예 : 퀴즈, 과제 등이없는) 과정도 제외됩니다.

우리는 위의 기준에 맞는 모든 주목할만한 코스를 다룬다 고 생각합니다. Udemy에는 수백 개의 코스가있는 것 같으므로 가장 많이 검토되고 평가 된 코스 만 고려했습니다.

그래도 항상 뭔가를 놓쳤을 가능성이 있습니다. 좋은 강의를 마치면 의견 섹션에 알려주십시오.

코스 평가 방법

각 코스의 가중 평균 평점을 계산하기 위해 Class Central 및 기타 리뷰 사이트의 평균 평점과 리뷰 수를 집계했습니다. 우리는 텍스트 리뷰를 읽고이 피드백을 사용하여 수치 등급을 보충했습니다.

우리는 다음 세 가지 요소를 바탕으로 주관적인 강의 계획서 평가 요청을했습니다.

  1. 기계 학습 워크 플로우에 대한 설명 이 과정은 성공적인 ML 프로젝트를 실행하는 데 필요한 단계를 설명합니까? 일반적인 워크 플로에 대한 내용은 다음 섹션을 참조하십시오.
  2. 기계 학습 기술 및 알고리즘의 범위. 다양한 기술 (예 : 회귀, 분류, 클러스터링 등) 및 알고리즘 (예 : 분류 내 : 순진한 베이, 의사 결정 트리, 지원 벡터 머신 등)이 포함되어 있습니까? 세부 사항을 생략하지 않고 더 많은 내용을 다루는 과정이 선호됩니다.
  3. 일반적인 데이터 과학 및 기계 학습 도구 사용. 이 과정은 Python, R 및 / 또는 Scala와 같은 널리 사용되는 프로그래밍 언어를 사용하여 진행됩니까? 해당 언어로 인기있는 라이브러리는 어떻습니까? 이 과정은 필요하지 않지만 도움이되므로이 과정을 약간 선호합니다.

머신 러닝이란 무엇입니까? 워크 플로우 란 무엇입니까?

1959 년 Arthur Samuel에서 널리 알려진 정의는 머신 러닝 (machine learning)은 컴퓨터가 명시 적으로 프로그래밍하지 않고도 배울 수있는 능력을 제공하는 컴퓨터 과학의 하위 분야입니다. 실제로 이것은 데이터를 기반으로 예측할 수있는 컴퓨터 프로그램을 개발하는 것을 의미합니다. 인간이 경험을 통해 배울 수있는 것처럼 데이터 = 경험이있는 컴퓨터도 마찬가지입니다.

기계 학습 워크 플로우는 기계 학습 프로젝트를 수행하는 데 필요한 프로세스입니다. 개별 프로젝트는 다를 수 있지만 대부분의 워크 플로는 문제 평가, 데이터 탐색, 데이터 전처리, 모델 교육 / 테스트 / 배포 등과 같은 몇 가지 일반적인 작업을 공유합니다. 아래에서 이러한 핵심 단계에 대한 유용한 시각화가 제공됩니다.

UpX Academy를 ​​통한 일반적인 머신 러닝 워크 플로우의 핵심 단계

이상적인 과정은 전체 과정을 소개하고 학생들이 각 과제를 직접 수행 할 수있는 대화식 예제, 과제 및 / 또는 퀴즈를 제공합니다.

이 과정은 딥 러닝에 적용됩니까?

먼저 딥 러닝을 정의 해 봅시다. 간결한 설명은 다음과 같습니다.

"딥 러닝은 인공 신경망이라는 뇌의 구조와 기능에서 영감을 얻은 알고리즘과 관련된 기계 학습의 하위 분야입니다."
— 기계 학습 마스터리의 Jason Brownlee

예상 한 바와 같이 일부 기계 학습 과정의 일부에는 딥 러닝 컨텐츠가 포함되어 있습니다. 그러나 딥 러닝 전용 과정은 포함하지 않기로 결정했습니다. 딥 러닝에 특히 관심이 있으시면 다음 기사를 참조하십시오.

이 목록에서 내가 추천하는 3 가지 권장 사항은 다음과 같습니다.

  • Kadenze의 TensorFlow를 이용한 딥 러닝의 창의적인 응용
  • 토론토 대학교 (Goffrey Hinton 교수)의 Coursera를 통한 기계 학습을위한 신경망
  • 딥 러닝 A-Z ™ : 실습 인공 신경망
    Kirill Eremenko, Hadelin de Ponteves 및 Udemy를 ​​통한 SuperDataScience 팀

권장 전제 조건

아래에 나열된 여러 과정은 학생들에게 사전 프로그래밍, 미적분학, 선형 대수 및 통계 경험을 갖도록 요청합니다. 머신 러닝이 고급 훈련이라는 점을 감안하면 이러한 전제 조건을 이해할 수 있습니다.

몇 가지 과목이 누락 되었습니까? 좋은 소식! 이 경험 중 일부는이 Data Science Career Guide의 첫 두 기사 (프로그래밍, 통계)의 권장 사항을 통해 얻을 수 있습니다. 아래의 몇 가지 최상위 과정은 부드러운 미적분학 및 선형 대수 리프레쉬를 제공하며 익숙하지 않은 사람들에게 기계 학습과 가장 관련이있는 측면을 강조합니다.

최고의 머신 러닝 과정에 대한 우리의 선택은…

  • 기계 학습 (Stanford University를 통한 Coursera)

Stanford University의 Coursera에 대한 기계 학습은 등급, 리뷰 및 강의 계획에있어 현재 가장 확실한 승자입니다. 유명한 Andrew Ng, Google Brain 창립자이자 Baidu의 전 수석 과학자가 강의 한이 강좌는 Coursera의 창립을 불러 일으켰습니다. 422 개의 후기 평점 4.7 성급의 평균 평점을 받았습니다.

2011 년에 출시 된 머신 러닝 워크 플로우의 모든 측면을 다룹니다. 기본 스탠포드 클래스보다 범위가 작지만 여전히 많은 기술과 알고리즘을 다루고 있습니다. 예상 타임 라인은 11 주이며 신경 네트워크 및 딥 러닝에 2 주가 소요됩니다. 무료 및 유료 옵션을 사용할 수 있습니다.

Ng는 역동적이면서도 부드러운 강사로, 경험이 풍부합니다. 그는 특히 일반적인 함정에 대한 실용적인 구현 팁과 경고를 공유 할 때 자신감을 얻습니다. 선형 대수 리프레셔가 제공되며 Ng는 기계 학습과 가장 관련이있는 미적분학의 측면을 강조합니다.

평가는 자동으로 이루어지며 각 레슨 및 프로그래밍 과제에 따른 객관식 퀴즈를 통해 수행됩니다. 과제는 MATLAB의 오픈 소스 버전 인 MATLAB 또는 Octave에서 완료 할 수 있습니다 (8 개가 있음). Ng는 그의 언어 선택을 설명합니다.

과거에는 C ++, Java, Python, NumPy 및 Octave와 같은 다양한 프로그래밍 언어를 사용하여 기계 학습을 가르치려고 노력했습니다 ... 그리고 거의 10 년 동안 기계 학습을 가르친 후 본 것은 Octave를 프로그래밍 환경으로 사용하면 훨씬 빨리 배울 수 있습니다.

2017 년에는 이러한 언어의 인기가 높아짐에 따라 Python과 R이 더 매력적인 선택 일 수 있지만, 리뷰어는이 과정을 중단하지 않아야한다고 지적합니다.

몇몇 저명한 검토 자들은 다음을 언급했습니다.

MOOC 세계에서 오랜 명성을 얻은 Stanford의 기계 학습 과정은 실제로이 주제에 대한 결정적인 소개입니다. 이 과정은 머신 러닝의 모든 주요 영역을 광범위하게 다루고 있습니다. Ng 교수는 동기 부여 토론과 예제를 통해 각 부문에 앞서 있습니다.
앤드류 응 (Andrew Ng)은 재능있는 교사이며 모든 개념의 수학을 포함하여 복잡한 과목을 매우 직관적이고 명확한 방법으로 설명 할 수 있습니다. 추천.
이 코스에서 다른 코스에 대한 기대 막대를 매우 높게 설정하면이 코스에서 볼 수있는 유일한 문제입니다.

훌륭한 교수와 새로운 아이비 리그 소개

  • 기계 학습 (edX를 통한 컬럼비아 대학교)

Columbia University의 기계 학습은 edX에서 인공 지능 MicroMasters의 일부인 비교적 새로운 제품입니다. 최신이며 리뷰가 많지 않지만 리뷰는 매우 강력합니다. 존 페이즐리 (John Paisley) 교수는 훌륭하고 명확하며 영리한 것으로 유명합니다. 10 개의 후기에 4.8 성급의 가중 평균 평점을 받았습니다.

이 과정은 또한 머신 러닝 워크 플로우의 모든 측면과 상기 스탠포드 제품보다 더 많은 알고리즘을 다룹니다. Columbia 's는 학생들이 권장 전제 조건 (미적분, 선형 대수, 통계, 확률 및 코딩)에 익숙해 져야한다고 검토 자들과 함께 소개합니다.

퀴즈 (11), 프로그래밍 과제 (4) 및 최종 시험은 평가 모드입니다. 학생들은 Python, Octave 또는 MATLAB을 사용하여 과제를 완료 할 수 있습니다. 코스의 총 예상 시간은 12 주 동안 주당 8-10 시간입니다. 구매 가능한 확인 된 인증서가 있으면 무료입니다.

다음은 위에서 언급 한 스파클링 리뷰 중 일부입니다.

수년간의 [a] 학생은 훌륭하지 않은 교수, 훌륭하지만 교수는 물건을 명확하게 설명하는 방법을 모르고, 훌륭하고 훌륭하게 설명하는 교수를 만났습니다. 분명히. 페이즐리 박사는 세 번째 그룹에 속합니다.
이것은 훌륭한 과정입니다… 강사의 언어는 정확하며, 제 생각에 가장 강점 중 하나입니다. 강의의 질이 우수하고 슬라이드도 훌륭합니다.
페이즐리 박사와 그의 수퍼바이저는… 머신 러닝의 아버지 인 마이클 조던의 학생들입니다. [박사 파이 즐리는] 명확하게 설명 할 수있는 능력 때문에 컬럼비아 최고의 ML 교수입니다. 이번 학기에는 최대 240 명의 학생들이 자신의 코스를 선택했습니다. 컬럼비아의 모든 교수 [교육] 기계 학습 중에서 가장 많은 수입니다.

업계 전문가의 Python & R에 대한 실질적인 소개

  • 기계 학습 A-Z ™ : 실습용 Python & R 데이터 과학 (Kirill Eremenko, Hadelin de Ponteves 및 Udemy를 ​​통한 SuperDataScience 팀)

Udemy의 Machine Learning A-Z ™는 파이썬과 R 모두에서 강의를 제공하는 인상적인 세부 오퍼링으로, 드물고 다른 최고 과정에서는 말할 수 없습니다. 8,119 개가 넘는 4.5 개의 가중 평균 평점으로, 평가 된 것들 중 가장 많이 검토 된 코스입니다.

40.5 시간의 주문형 비디오를 통해 전체 머신 러닝 워크 플로우와 거의 우스운 (좋은 방법으로) 많은 수의 알고리즘을 다룹니다. 이 과정은 더 많은 접근 방식을 취하며 위의 두 과정보다 수학적으로 가볍습니다. 각 섹션은 가르치고있는 개념의 기본 이론을 요약 한 Eremenko의 "직관"비디오로 시작합니다. de Ponteves는 Python과 R에 대한 별도의 비디오로 구현 과정을 안내합니다.

“보너스”로서이 과정에는 학생들이 자신의 프로젝트에서 다운로드하여 사용할 수있는 Python 및 R 코드 템플릿이 포함되어 있습니다. 퀴즈와 과제는 있지만 강의의 핵심은 아닙니다.

Eremenko와 SuperDataScience 팀은“복잡함을 간단하게 만들 수있는”능력에 찬사를 보냅니다. 또한, 필수 과목은“일부 고등학교 수학”이므로이 과정은 스탠포드 및 컬럼비아에서 제공하는 사람들에게 더 나은 선택이 될 수 있습니다.

몇몇 저명한 검토 자들은 다음을 언급했습니다.

이 과정은 전문적으로 제작되고 음질이 우수하며 설명이 명확하고 간결합니다. 금융 및 시간 투자에있어 놀라운 가치입니다.
두 가지 프로그래밍 언어로 동시에 코스를 진행할 수 있다는 것은 놀라운 일이었습니다.
Kirill은 Udemy (인터넷이 아닌 경우)에서 최고의 최고의 강사 중 한 명이며, 그가 가르치는 수업을받는 것이 좋습니다. …이 과정에는 톤과 같은 수많은 내용이 있습니다!

경쟁

우리의 # 1 피크는 422 개 이상의 후기 5 개 중 4.7의 가중 평균 평점을 받았습니다. 내림차순으로 정렬 된 다른 대안을 살펴 보겠습니다. 딥 러닝 전용 과정은이 안내서에 포함되어 있지 않습니다. 여기서 찾을 수 있습니다.

분석 에지 (Massachusetts Institute of Technology / edX) : 여러 머신 러닝 주제를 다루지 만 일반적인 분석에 더 중점을 둡니다. 친숙한 실제 사례를 활용하는 R. 강력한 내러티브를 사용합니다. 도전적인. 12 주 동안 주당 10 ~ 15 시간. 구매할 수있는 확인 된 인증서가 있으면 무료입니다. 214 개의 후기에 4.9 성급의 가중 평균 평점을 받았습니다.

Python for Data Science and Machine Learning Bootcamp (Jose Portilla / Udemy) : 많은 머신 러닝 컨텐츠를 가지고 있지만 전체 데이터 과학 프로세스를 다룹니다. 파이썬에 대한 매우 자세한 소개. 이 가이드의 범위에 이상적이지는 않지만 놀라운 과정입니다. 21.5 시간의 주문형 비디오. 비용은 자주 발생하는 Udemy 할인에 따라 다릅니다. 이 호텔은 3316 개 이상의 후기 평균 가중 평점을 보유하고 있습니다.

R (Jose Portilla / Udemy)을 사용한 데이터 과학 및 머신 러닝 부트 캠프 : Portilla의 위 과정에 대한 의견은 R. 17.5 시간의 주문형 비디오를 제외하고 여기에도 적용됩니다. 비용은 자주 발생하는 Udemy 할인에 따라 다릅니다. 이 호텔은 1317 개의 후기에 걸쳐 4.6 성급의 가중 평균 등급을 받았습니다.

머신 러닝 시리즈 (Lazy Programmer Inc./Udemy) : 데이터 과학자 / 빅 데이터 엔지니어 / 풀 스택 소프트웨어 엔지니어가 인상적인 이력서를 통해 가르치는 Lazy Programmer는 현재 Udemy에 대해 일련의 16 개의 머신 러닝 중심 코스를 운영하고 있습니다. 총 코스 수는 5000 개 이상이며 거의 4.6 개의 별이 있습니다. 유용한 과정 순서는 각 개별 과정 설명에 제공됩니다. 파이썬을 사용합니다. 비용은 자주 발생하는 Udemy 할인에 따라 다릅니다.

기계 학습 (Georgia Tech / Udacity) : 감독, 비 감독 및 강화 학습이라는 세 가지 과정으로 구성되어 있습니다. Udacity의 기계 학습 엔지니어 Nanodegree 및 Georgia Tech의 온라인 석사 학위 (OMS)의 일부입니다. Udacity의 스타일처럼 한입 크기의 동영상. 친절한 교수님. 4 개월의 예상 일정. 비어 있는. 9 건의 평점 4.54 개의 가중 평균 평점을 받았습니다.

Azure HDInsight (Microsoft / edX)에서 Spark를 사용하여 예측 분석 구현 : 기계 학습 및 다양한 알고리즘의 핵심 개념을 소개합니다. Apache Spark, Scala 및 Hadoop을 포함하여 여러 가지 데이터 친화적 인 도구를 활용합니다. Python과 R을 모두 사용합니다. 6 주 동안 일주일에 4 시간. 구매할 수있는 확인 된 인증서가 있으면 무료입니다. 6 개의 리뷰에 기반한 4.5 성급 가중 평균 평점입니다.

Python으로 데이터 과학 및 기계 학습 – 실습! (Frank Kane / Udemy) : Python을 사용합니다. Kane은 Amazon과 IMDb에서 9 년의 경력을 가지고 있습니다. 9 시간의 주문형 비디오. 비용은 자주 발생하는 Udemy 할인에 따라 다릅니다. 이 호텔은 4139 개 이상의 후기 평점 4.5 점을 받았습니다.

빅 데이터 및 머신 러닝을위한 스칼라 및 스파크 (Jose Portilla / Udemy) : "빅 데이터"는 특히 스칼라 및 스파크 구현에 중점을 둡니다. 10 시간의 주문형 비디오. 비용은 자주 발생하는 Udemy 할인에 따라 다릅니다. 607 개의 리뷰에 기반한 4.5 성급 가중 평균 평점입니다.

기계 학습 엔지니어 Nanodegree (Udacity) : 동급 최고의 프로젝트 검토 시스템과 경력 지원을 특징으로하는 Udacity의 주력 기계 학습 프로그램입니다. 이 프로그램은 여러 개별 Udacity 과정을 무료로 제공합니다. Kaggle이 공동 제작했습니다. 6 개월의 예상 일정. 현재 12 개월 이내에 졸업 한 학생들에게는 수업료가 50 % 환불되며 월 $ 199 USD가 청구됩니다. 2 개의 리뷰에 기반한 4.5 성급 가중 평균 평점입니다.

데이터를 통한 학습 (Introductory Machine Learning) (California Institute of Technology / edX) : 현재 edX에서 등록이 마감되었지만 CalTech의 독립 플랫폼을 통해 이용할 수도 있습니다 (아래 참조). 42 개의 후기 평점 4.49 개의 별 평균 평점을 보유하고 있습니다.

데이터를 통한 학습 (Introductory Machine Learning) (Yaser Abu-Mostafa / California Institute of Technology) :“워터 다운 버전이 아닌 실제 Caltech 과정입니다.”리뷰는 머신 러닝 이론을 이해하는 데 탁월하다고 지적합니다. 야세르 아부-모스 타파 (Yasser Abu-Mostafa) 교수는 학생들에게 인기가 있으며이 과정의 기초가되는 교과서를 작성했습니다. 비디오는 YouTube에 업로드 된 테이프 강의 (강의 슬라이드 PIP)입니다. 과제물은 .pdf 파일입니다. 온라인 학생을위한 코스 경험은 3 가지 권장 사항만큼 세련되지 않습니다. 7 개의 평가에 대한 4.43의 가중 평균 평점입니다.

마이닝 대규모 데이터 세트 (Stanford University) : "빅 데이터"에 중점을 둔 머신 러닝. 최신 분산 파일 시스템 및 MapReduce를 소개합니다. 7 주에 걸쳐 일주일에 10 시간. 비어 있는. 30 개의 후기에 4.4 점의 가중 평균 평점이 있습니다.

AWS Machine Learning : Python을 사용한 완벽한 안내서 (Chandra Lingam / Udemy) : 클라우드 기반 기계 학습, 특히 Amazon Web Services에 대한 고유 한 초점. 파이썬을 사용합니다. 9 시간의 주문형 비디오. 비용은 자주 발생하는 Udemy 할인에 따라 다릅니다. 62 개의 후기에 4.4 개의 별점 평균 평점이 있습니다.

Python의 기계 학습 및 얼굴 감지 소개 (Holczer Balazs / Udemy) : Python을 사용합니다. 8 시간의 주문형 비디오. 비용은 자주 발생하는 Udemy 할인에 따라 다릅니다. 162 개의 후기에 4.4 개의 별점 평균 평점이 있습니다.

StatLearning : 통계 학습 (Stanford University) : 우수한 교과서 인 "R에 응용 프로그램을 사용한 통계 학습 소개"를 기반으로하며이를 작성한 교수가 가르쳤습니다. 검토 자들은 MOOC가 "얇은"운동과 평범한 비디오를 인용하여 책만큼 좋지 않다고 지적합니다. 9 주 동안 일주일에 5 시간. 비어 있는. 전체 평점은 84 건의 4.35 개의 가중 평균 평점입니다.

기계 학습 전공 (워싱턴 / 쿠 세라 대학) : 훌륭한 과정이지만 마지막 두 수업 (캡 스톤 프로젝트 포함)이 취소되었습니다. 검토 자들은이 시리즈가 다른 최고의 기계 학습 과정 (예 : 스탠포드 (Stanford) 또는 칼텍 (Caltech))보다 더 소화하기 쉽다 (읽기 : 기술적 인 배경이없는 사람들에게는 더 쉽다). 추천 시스템, 딥 러닝 및 요약이 누락되어 시리즈가 불완전합니다. 무료 및 유료 옵션을 사용할 수 있습니다. 그것은 80 개 이상의 후기 평점 4.31 개의 별 평균 평점을 가지고 있습니다.

워싱턴 대학교는 Coursera에서 기계 학습 전공을 가르칩니다.

0에서 1까지 : 머신 러닝, NLP 및 Python-Cut에서 Chase (Loony Corn / Udemy)까지 : "지구 적으로 수줍음이 많지만 자신감이있는 머신 러닝 기술을 활용하십시오." 함께 업계 경험. 파이썬을 사용합니다. 비용은 자주 발생하는 Udemy 할인에 따라 다릅니다. 이 호텔은 494 개 이상의 가중 평균 평점을 받았습니다.

기계 학습의 원칙 (Microsoft / edX) : R, Python 및 Microsoft Azure 기계 학습을 사용합니다. 데이터 과학에서 Microsoft 전문 프로그램 인증서의 일부입니다. 6 주 동안 주당 3-4 시간. 구매할 수있는 확인 된 인증서가있는 무료 11 개의 후기를 기준으로 한 4.09 성급의 가중 평균 평점입니다.

빅 데이터 : 통계적 추론 및 머신 러닝 (Queensland University of Technology / FutureLearn) : 빅 데이터에 중점을 둔 훌륭하고 간단한 탐색 머신 러닝 과정입니다. R, H2O Flow 및 WEKA와 같은 몇 가지 도구를 다룹니다. 일주일에 2 시간을 권장하는 기간은 3 주 밖에되지 않았지만 한 리뷰어는 일주일에 6 시간이 더 적합하다고 언급했습니다. 무료 및 유료 옵션을 사용할 수 있습니다. 4 개의 평가를받은 4 성급 가중 평균 평점입니다.

게놈 데이터 과학 및 클러스터링 (Bioinformatics V) (캘리포니아 대학교, 샌디에고 / 쿠 세라) : 컴퓨터 과학과 생물학의 교차점에 관심이있는 사람들과 현대 과학의 중요한 개척을 나타내는 방법. 군집화 및 차원 축소에 중점을 둡니다. UCSD의 생물 정보학 전문 분야의 일부. 무료 및 유료 옵션을 사용할 수 있습니다. 4 개의 평가를받은 가중 평균 평점은 3 개입니다.

기계 학습 입문 (Udacity) : 깊이와 이론보다 주제 폭과 실용적인 도구 (Python)를 우선시합니다. 강사 인 Sebastian Thrun과 Katie Malone은이 수업을 매우 재미있게 만듭니다. 한 입 크기의 비디오와 퀴즈로 구성되며 각 수업마다 미니 프로젝트가 이어집니다. 현재 Udacity의 데이터 분석가 Nanodegree의 일부입니다. 10주의 예상 일정. 비어 있는. 19 개의 평가에서 3.95 개의 별 평균 가중 평균 등급을 받았습니다.

데이터 분석을위한 기계 학습 (Wesleyan University / Coursera) : 간단한 소개 기계 학습과 몇 가지 선택 알고리즘. 의사 결정 트리, 임의 포리스트, 올가미 회귀 및 k- 평균 군집을 다룹니다. 웨슬리 언 데이터 분석 및 통역 전문화의 일부. 4주의 예상 타임 라인. 무료 및 유료 옵션을 사용할 수 있습니다. 5 개의 후기에 3.6 점의 가중 평균 평점을 받았습니다.

Python for Data Science (Microsoft / edX)를 사용한 프로그래밍 : Microsoft가 코딩 Dojo와 협력하여 제작했습니다. 파이썬을 사용합니다. 6 주 동안 주당 8 시간. 무료 및 유료 옵션을 사용할 수 있습니다. 37 개의 후기 평점 3.46 개의 별 평균 평점을 보유하고 있습니다.

거래를위한 기계 학습 (Georgia Tech / Udacity) : 거래 결정에 확률 적 기계 학습 접근 방법을 적용하는 데 중점을 둡니다. 파이썬을 사용합니다. Udacity의 기계 학습 엔지니어 Nanodegree 및 Georgia Tech의 온라인 석사 학위 (OMS)의 일부입니다. 4 개월의 예상 일정. 비어 있는. 14 개의 평가를받은 3.29 개의 별 평균 평점이 있습니다.

실용 머신 러닝 (Johns Hopkins University / Coursera) : 여러 머신 러닝 알고리즘에 대한 간단하고 실용적인 소개입니다. 다양한 관심사를 표현하는 1 ~ 2 성급의 리뷰. JHU의 데이터 과학 전문 분야의 일부. 4 주에 걸쳐 일주일에 4-9 시간. 무료 및 유료 옵션을 사용할 수 있습니다. 그것은 37 리뷰에 걸쳐 3.11의 가중 평균 평점을 가지고 있습니다.

데이터 과학 및 분석을위한 기계 학습 (Columbia University / edX) : 다양한 기계 학습 주제를 소개합니다. 콘텐츠 선택, 프로그래밍 과제 부족, 영감을 얻지 못하는 프레젠테이션 등 우려가있는 열정적 인 부정적인 리뷰. 5 주에 걸쳐 일주일에 7-10 시간. 구매할 수있는 확인 된 인증서가 있으면 무료입니다. 36 개의 후기 평점 2.74 개의 별 평균 평점이 있습니다.

Recommender Systems Specialization (미네소타 대학교 / 코스 세라) : 특정 유형의 기계 학습-추천 시스템에 중점을 둡니다. 4 가지 과정 전문화와 사례 연구 인 캡 스톤 프로젝트. LensKit (권장 시스템 용 오픈 소스 툴킷)을 사용하여 학습했습니다. 무료 및 유료 옵션을 사용할 수 있습니다. 2 개의 평가를받은 2 성급 가중 평균 평점입니다.

빅 데이터를 이용한 머신 러닝 (캘리포니아 대학교, 샌디에이고 / 쿠 세라) : 교육 및 평가가 열악한 끔찍한 리뷰. 일부는 전체 과정을 마치는 데 몇 시간 밖에 걸리지 않았다고 지적했습니다. UCSD의 빅 데이터 전문화의 일부입니다. 무료 및 유료 옵션을 사용할 수 있습니다. 14 개의 리뷰에 걸쳐 1.86 성급의 가중 평균 평점을 받았습니다.

실용적인 예측 분석 : 모델 및 방법 (Washington / Coursera 대학) : 핵심 머신 러닝 개념에 대한 간단한 소개. 한 검토자는 퀴즈가 부족하고 과제가 도전적이지 않았다고 지적했습니다. 스케일 전문화에 관한 UW 데이터 과학의 일부. 4 주 동안 주당 6-8 시간. 무료 및 유료 옵션을 사용할 수 있습니다. 4 개의 리뷰에 기초한 1.75 개의 별 평균 가중 평균입니다.

다음 코스는 2017 년 5 월 기준으로 리뷰가 있거나 전혀 없습니다.

음악가 및 아티스트를위한 기계 학습 (Goldsmiths, London of London / Kadenze) : Unique. 학생들은 인간의 제스처, 음악 오디오 및 기타 실시간 데이터를 이해하기 위해 알고리즘, 소프트웨어 도구 및 기계 학습 모범 사례를 배웁니다. 7 개의 세션이 있습니다. 감사 (무료) 및 프리미엄 ($ 10 USD / 월) 옵션을 사용할 수 있습니다. 하나의 5 성급 리뷰가 있습니다.

Python의 응용 기계 학습 (미시간 대학교 / 코스 세라) : Python과 scikit learn 툴킷을 사용하여 학습합니다. Python 전문화를 통한 응용 데이터 과학의 일부. 5 월 29 일에 시작될 예정입니다. 무료 및 유료 옵션을 사용할 수 있습니다.

응용 기계 학습 (Microsoft / edX) : Python, R 및 Microsoft Azure 기계 학습을 포함한 다양한 도구를 사용하여 학습합니다 (참고 : Microsoft는 과정을 생성합니다). 강의 내용을 강화하기위한 실습실이 포함되어 있습니다. 6 주 동안 주당 3-4 시간. 구매할 수있는 확인 된 인증서가 있으면 무료입니다.

Python을 이용한 기계 학습 (Big Data University) : Python을 사용하여 학습합니다. 초보자를 대상으로합니다. 예상 완료 시간은 4 시간입니다. Big Data University는 IBM과 제휴합니다. 비어 있는.

Apache SystemML (Big Data University)을 사용한 기계 학습 : 대규모 기계 학습을 위해 설계된 선언적 스타일 언어 인 Apache SystemML을 사용하여 학습했습니다. 예상 완료 시간은 8 시간입니다. Big Data University는 IBM과 제휴합니다. 비어 있는.

데이터 과학을위한 기계 학습 (University of California, San Diego / edX) : 2018 년 1 월까지 출시되지 않습니다. 프로그래밍 예제 및 과제는 Jupyter 노트북을 사용하여 Python으로되어 있습니다. 10 주 동안 주당 8 시간. 구매할 수있는 확인 된 인증서가 있으면 무료입니다.

분석 모델링 소개 (Georgia Tech / edX) :이 과정은 R을 기본 프로그래밍 도구로 광고합니다. 10 주에 걸쳐 일주일에 5-10 시간. 구매할 수있는 확인 된 인증서가 있으면 무료입니다.

예측 분석 : 빅 데이터에서 통찰력 얻기 (Queensland University of Technology / FutureLearn) : 몇 가지 알고리즘에 대한 간략한 개요. Hewlett Packard Enterprise의 Vertica Analytics 플랫폼을 적용 도구로 사용합니다. 발표 예정일. 4 주에 걸쳐 일주일에 2 시간. 구매 가능한 공적 증명서와 함께 무료입니다.

Introducción al Machine Learning (Universitas Telefónica / Miríada X) : 스페인어로 진행됩니다. 지도 및 비지도 학습을 다루는 기계 학습에 대한 소개. 4 주 동안 총 20 시간의 예상 시간.

머신 러닝 경로 단계 (Dataquest) : Dataquest의 대화식 인 브라우저 플랫폼을 사용하여 Python에서 강의합니다. 여러 가이드 프로젝트 및 자체 데이터를 사용하여 자체 기계 학습 시스템을 구축하는 "플러스"프로젝트. 가입이 필요합니다.

DataCamp는 다음 6 가지 과정을 제공합니다. DataCamp의 하이브리드 티칭 스타일은 브라우저 내 코드 편집기를 통해 많은 예제와 함께 비디오 및 텍스트 기반 교육을 활용합니다. 각 코스를 완전히 이용하려면 가입이 필요합니다.

DataCamp는 여러 머신 러닝 과정을 제공합니다.

머신 러닝 (DataCamp) 소개 : 분류, 회귀 및 클러스터링 알고리즘을 다룹니다. 예상 시간이 6 시간 인 R. 15 개의 비디오와 81 개의 연습을 사용합니다.

scikit-learn (DataCamp)을 사용한지도 학습 : Python 및 scikit-learn을 사용합니다. 분류 및 회귀 알고리즘을 다룹니다. 예상 시간표가 4 시간 인 17 개의 비디오와 54 개의 연습.

R의 비지도 학습 (DataCamp) : R의 클러스터링 및 차원 축소에 대한 기본 소개를 제공합니다. 16 개의 비디오와 49 개의 연습이 4 시간으로 예상됩니다.

머신 러닝 도구 상자 (DataCamp) : 머신 러닝의“큰 아이디어”를 가르칩니다. 예상 시간이 4 시간 인 R. 24 개의 비디오와 88 개의 운동을 사용합니다.

전문가와의 기계 학습 : 학교 예산 (DataCamp) : DrivenData에 대한 기계 학습 경쟁의 사례 연구. 학교 예산에 따라 항목을 자동 분류하는 모델을 작성합니다. DataCamp의 "scikit-learn을 통한지도 학습"은 전제 조건입니다. 예상 시간이 4 시간 인 15 개의 동영상과 51 개의 운동이 있습니다.

Python의 비지도 학습 (DataCamp) : Python, scikit-learn 및 scipy를 사용하여 다양한 비지도 학습 알고리즘을 다룹니다. 이 과정은 학생들이 인기 뮤지컬 아티스트를 추천하는 추천 시스템을 구축하는 것으로 끝납니다. 예상 시간표가 4 시간 인 13 개의 비디오와 52 개의 연습.

기계 학습 (Tom Mitchell / Carnegie Mellon University) : Carnegie Mellon의 대학원 입문 기계 학습 과정. 두 번째 대학원 수준 과정 인 "통계 기계 학습"의 전제 조건 연습 문제, 과제 과제 및 온라인으로 게시 된 중기 (모두 솔루션 포함)가 포함 된 대학 강의. 코스의 2011 버전도 존재합니다. CMU는 기계 학습을 공부하기에 가장 적합한 대학원 중 하나이며 ML 전담 부서가 있습니다. 비어 있는.

통계 머신 러닝 (Larry Wasserman / Carnegie Mellon University) :이 안내서에서 가장 발전된 과정 일 것입니다. Carnegie Mellon의 기계 학습 과정에 대한 후속 조치. 실습 문제, 과제 과제 및 온라인으로 게시 된 중기 (솔루션 포함)가 포함 된 대학교 강의. 비어 있는.

CMU는 기계 학습을 공부하기위한 최고의 대학원 중 하나입니다. 기계 학습 및 통계 기계 학습은 온라인으로 무료로 제공됩니다.

학부 기계 학습 (British Columbia의 Nando de Freitas / University) : 학부 기계 학습 과정. 강의는 코스 웹 사이트에 게시 된 슬라이드를 사용하여 YouTube에서 촬영 및 게시됩니다. 코스 과제도 게시됩니다 (솔루션 없음). de Freitas는 현재 옥스퍼드 대학교 (University of Oxford)의 전임 교수이며 다양한 포럼에서 그의 교수 능력에 대한 찬사를받습니다. 대학원 버전 이용 가능 (아래 참조).

머신 러닝 (브리티시 컬럼비아 난도 드 프레이 타스 / 대학교) : 머신 러닝 대학원 과정입니다. 프레이 타스 학부 과정 (위)의 의견도 여기에 적용됩니다.

그것을 마무리

이것은 데이터 과학 분야에 진출하기위한 최고의 온라인 코스를 다루는 6 피스 시리즈 중 5 번째입니다. 첫 번째 기사의 프로그래밍, 두 번째 기사의 통계 및 확률, 세 번째 기사의 데이터 과학 소개 및 네 번째 기사의 데이터 시각화를 다루었습니다.

마지막 기사는 이러한 기사의 요약과 함께 데이터 랭 글링, 데이터베이스 및 소프트웨어 엔지니어링과 같은 다른 주요 주제에 대한 최고의 온라인 코스입니다.

전체 데이터 과학 온라인 과정 목록을 찾고 있다면 Class Central의 데이터 과학 및 빅 데이터 주제 페이지에서 찾을 수 있습니다.

이 글을 읽는 것을 즐겼다면 Class Central의 다른 부분을 확인하십시오.

내가 놓친 과정에 대한 제안 사항이 있으면 답변에 알려주십시오!

도움이 되었으면 을 클릭하여 더 많은 사람들이 여기 매체에서 볼 수 있도록합니다.

이 강좌는 Class Central에 게시 된 원본 기사의 압축 버전으로, 자세한 코스 음절이 포함되어 있습니다.