답변:
사이트에 오신 것을 환영합니다, 마틴! 그것은 꽤 광범위한 질문이므로 아마도 다양한 답변을 얻을 것입니다. 여기 내가 가져 가라
행운을 빕니다! 다른 구체적인 질문이 있으시면 언제든지 의견을 남겨 주시면 최선을 다해 도와 드리겠습니다.
나는 독학 데이터 과학자이며, 어떻게해야하는지 설명하기 위해 최선을 다할 것입니다.
데이터 과학에는 어떤 분야가 있습니까? (예 : 인공 지능, 기계 학습, 데이터 분석 등)
데이터 과학은 매우 넓은 영역입니다. 데이터 과학에 관한 것입니다. 따라서 데이터를 사용하여 의사 결정을 내리는 모든 분야가이 영역에 속합니다. 일부 필드에는 다음이 포함됩니다.
사람들이 추천 할 수있는 온라인 수업이 있습니까?
나는 비슷한 질문 에 대답 했다 . 그래서 여기에 인용하겠습니다.
Coursera의 기계 학습 과정으로 시작하십시오 . 학생을 기계 학습 영역에 소개하는 데 정말 효과적이며 개념의 견고한 토대를 마련하는 데 도움이됩니다.
이 과정에서 수학이 약간 바보처럼 느껴 지면 동일한 교수가 가르치고 이전보다 수학 집약적 인 이 과정을 수강 할 수 있습니다 .
이제 머신 러닝의 기본 개념에 대해 명확하게 이해할 수 있습니다. 이제 걸릴 이 과정 후속 또는 앤드류 응의 과정에 대한 보충으로 말할 수있다.
IAPR의이 리소스는 교차 유효성 검사, 정규화 등과 같은 많은 ML 개념에 대한 심층적 인 메모를 제공합니다.
Quora의 블로그로 컴파일 된 이 놀라운 리소스 목록을 살펴볼 수도 있습니다 .
이제 신경망과 딥 러닝의 고급 개념을 익히기 위해이 무료 도서 를 이용할 수 있습니다 .
마지막으로, 무료 전자 책 : Statistical Learning의 요소는 ML 또는 Statistical Learning 초보자를위한 훌륭한 책입니다.
그 외에도 Quora의 데이터 과학 참조 저장소를 확인하십시오 .
내가 연습 할 수있는 프로젝트가 있습니까 (예 : 열린 데이터 세트).
인도의 공개 데이터 세트로 프로젝트를 시작했습니다. 그러나 여기서 놀라운 토론 을 확인 하고 해당 프로젝트를 수행 한 후 Kaggle로 시작할 수 있습니다.
신청하거나 완료 할 수있는 인증이 있습니까?
제 생각에는 데이터 과학 인증 이 없습니다 . 예, 많은 빅 데이터 인증이 있지만 신진 데이터 과학자에게 실제로 유용한 것으로 보지 못했기 때문에 ML 및 데이터 기술에 충분히 확신이있을 때까지는 추격하지 않는 것이 좋습니다.
데이터 과학 분야의 Coursera 전문 분야부터 시작하는 것이 좋습니다. Johns Hopkins의 데이터 과학 전문 분야는 가장 오래된 전문 분야입니다. 나는 책과 kaggle을 권장하지 않습니다. 그들은 처음에 당신을 혼동합니다. 코딩은 데이터 과학에서 가장 쉬운 부분이므로 많은 것을 배워야합니다. 현장에 대한 아이디어를 얻으려면 이 벤 다이어그램을 시작하는 것이 좋습니다.