6 excelentes cursos on-line e um livro para aprender estatísticas, machine learning e deep learning enquanto você está trancado em casa
Se você está trancado por causa da pandemia do COVID-19, pode ter algum tempo extra em suas mãos. Maratonar o Netflix é ótimo, mas talvez você esteja cansado disso e gostaria de aprender algo novo.
Um dos campos mais lucrativos a serem abertos nos últimos dois anos é a ciência de dados. Os recursos que listo abaixo ajudarão os técnicos a entender matemática no nível de estatística e cálculo diferencial para incorporar o machine learning em seus conjuntos de habilidades. Eles podem até ajudá-lo a iniciar uma nova carreira como cientista de dados.
Se você já pode programar em Python ou R, essa habilidade lhe dará uma vantagem sobre a ciência de dados aplicada. Por outro lado, a programação não é a parte mais difícil para a maioria das pessoas – são os métodos numéricos.
O Coursera oferece muitos dos seguintes cursos. Você pode assistir as aulas gratuitamente, mas precisa pagar pelo certificado. Confira, abaixo, algumas opções de qualificação:
Trevor Hastie, Robert Tibshirani e Jerome Friedman, Springer
Este e-book gratuito de 764 páginas é um dos livros mais amplamente recomendados para iniciantes em ciência de dados. Explica os fundamentos do machine learning e como tudo funciona nos bastidores, mas não contém código. Se preferir uma versão do livro com aplicativos em R, você pode comprá-lo ou alugá-lo na Amazon.
Por Christopher Brooks, Kevyn Collins-Thompson, V.G. Vinod Vydiswaran e Daniel Romero, Universidade de Michigan / Coursera
Os cinco cursos (89 horas) desta especialização da Universidade de Michigan apresentam a ciência de dados através da linguagem de programação Python.
Essa especialização é direcionada a alunos que têm experiência básica em Python ou programação e que desejam aplicar técnicas estatísticas, de machine learning, visualização de informações, análise de texto e análise de redes sociais por meio de kits de ferramentas Python populares, como Pandas, Matplotlib, Scikit-learn, NLTK e NetworkX para obter informações sobre seus dados.
Por Jeff Leek, Brian Caffo e Roger Peng, Johns Hopkins / Coursera
Essa especialização de 68 horas (cinco cursos) abrange ferramentas e técnicas fundamentais de ciência de dados, incluindo obtenção, limpeza e exploração de dados, programação em R e realização de pesquisas reproduzíveis.
Por Andrew Ng, Kian Katanforoosh e Younes Bensouda Mourri, Stanford / deeplearning.ai / Coursera
Em 77 horas (cinco cursos), esta série ensina os fundamentos do deep learning, como construir redes neurais e como liderar projetos bem-sucedidos de machine learning. Você aprenderá sobre redes convolucionais (CNNs), redes neurais recorrentes (RNNs), redes de memória de longo prazo (LSTM), Adam, Dropout, BatchNorm, inicialização Xavier/He e muito mais.
Você trabalhará em estudos de caso de assistência médica, direção autônoma, leitura de linguagem de sinais, geração de música e processamento de linguagem natural. Além da teoria, você aprenderá como é aplicada na indústria usando Python e TensorFlow.
Por Jeff Prosise, Wintellectnow
Neste curso de vídeo introdutório gratuito de duas horas, o Prosise leva você através de regressão, classificação, Support Vector Machines, Principal Component Analysis, e muito mais, usando o Scikit-learn, a popular biblioteca Python para machine learning.
Por Andrew Ng, Stanford / Coursera
Este curso de vídeo de 56 horas fornece uma ampla introdução ao machine learning, data mining e reconhecimento estatístico de padrões.
Os tópicos incluem supervised learning (algoritmos paramétricos/não paramétricos, support vector machines, núcleos, redes neurais), unsupervised learning (clustering, redução de dimensionalidade, sistemas de recomendação, deep learning) e práticas recomendadas em machine learning e IA (teoria da polarização/variância) processo de inovação.
Você também aprenderá como aplicar algoritmos de aprendizado para criar robôs inteligentes, pesquisa na web, anti-spam, visão computacional, informática médica, áudio, mineração de banco de dados e outras áreas.
Por Carlos Guestrin e Emily Fox, Universidade de Washington/Coursera
Esta especialização de 143 horas (quatro cursos) dos principais pesquisadores da Universidade de Washington apresenta o emocionante campo de alta demanda do Machine Learning. Por meio de uma série de estudos de caso práticos, você ganhará experiência aplicada nas principais áreas do Machine Learning, incluindo Previsão, Classificação, Cluster e Recuperação de Informações.
Você aprenderá a analisar conjuntos de dados grandes e complexos, criar sistemas que se adaptam e melhorar com o tempo e criar aplicativos inteligentes que podem fazer previsões a partir dos dados.
