學習資料科學的五大免費資源

2021-09-03 07:41:23 字數 1368 閱讀 4512

一旦我開始,我就愛上了這個領域,並且已經培養成資料科學的角色。我很幸運能夠在日常工作中使用python來執行複雜的分析,並構建和部署機器學習模型。我在全職工作期間實現了這一目標,成本非常低(我估計這個成本不到500美元),而且沒有在該領域接受任何正規教育。

我堅信通過實踐方法學習,並且在過去幾年中,通過反覆試驗發現了一些適合我學習風格的奇妙資源。我想在這裡分享我學習資料科學的五大免費資源。

1)kaggle

當大多數人想到kaggle時,通常會想到的是高利潤,可能是具有**值獎品的恐嚇競賽。然而,kaggle遠不止於此,我發現它是學習資料科學的絕佳工具。以下是kaggle作為乙個很好的資源的3個原因。

我非常喜歡學習方法和材料。它的全面之處在於它涵蓋了python程式設計到中級,pandas,numpy,sci-kit學習庫,github和命令列。 它還在每個任務結束時指導專案,讓您練習所學的技能。

3) anaytics vidhya

像kaggle一樣,這個**有許多不同的學習資料科學的領域。有乙個很棒的部落格,他們定期發布涵蓋r和python的文章和教程。我已經完成了許多教程,它們既全面又易於理解。分析vidhya還經常執行黑客馬拉松,這使您可以訪問資料集和業務問題,您可以應用所學的技能。它們在該領域也存在一些實踐問題,這些問題包含相對簡單的資料集,並且具有高度可訪問性。作為機器學習的相對新手,我在貸款**問題上排名前五。這裡還有一些免費的學習途徑,包括學習資料科學python的綜合指南。

4)chris albon(

這個**有很多非常簡單的教程,從機器學習到統計到軟體工程,幾乎涵蓋了資料科學的各個方面。由於易於掃瞄,我幾乎每天都會參考這個**來快速回答這些問題,我如何在python中做到這一點?鍵入問題。 chris還建立了一組解釋機器學習中的關鍵概念的卡片,他通過**以12美元的****這些卡片,但他也經常在推特上發布這些卡片。 demetri pananos收集了所有這些並將它們放在他的github回購中。我發現這些是快速攝取金鑰的一種非常有用的方法機器學習演算法的數學和統計基礎。

在過去的幾年裡,我使用了許多其他資源,但這些是我學到的最多的地方。 他們為我提供了良好的知識基礎。現在我將很多這些新技能付諸實踐,我仍然經常重訪這些**,以進一步增強我的理解,並在遇到問題時解決問題。

學習大資料科學的五大誤區

習大資料科學的五大誤區,這是由作者在塞巴斯蒂安 福卡德 dr.s bastien foucaud 博士的幫助下一起完成的,他在指導和領導學術界與行業領域的年輕資料科學家方面擁有20多年的經驗。學習大資料科學的五大誤區 一 kaggle成才論 你通過參加kaggle比賽,練習了資料科學領域的各項技能。...

終生學習的五大習慣

人的一生,就是學習的一生。有的學習是顯在的 主動的,有些學習則是隱在的,被動的,是潛移默化的。主動學習,意指把學習當作一種發自內心的 反映個體需要的活動。它的對立面是被動學習,即把學習當作一項外來的 不得不接受的活動。主動學習的習慣,本質上是視學習為自己的迫切需要和願望,堅持不懈地進行自主學習。不斷...

五大著名的免費SQL注入漏洞掃瞄工具

大量的現代企業採用web應用程式與其客戶無縫地連線到一起,但由於不正確的編碼,造成了許多安全問題。web應用程式中的漏洞可使黑客獲取對敏感資訊 如個人資料 登入資訊等 的直接訪問。web應用程式准許訪問者提交資料,並可通過網際網路從資料庫中檢索資料。而資料庫是多數web應用程式的心臟。資料庫維持著w...