Ogni singolo corso di Machine Learning su Internet, classificato in base alle tue recensioni

Robot di legno di Kaboompics

Un anno e mezzo fa, ho abbandonato uno dei migliori programmi di informatica in Canada. Ho iniziato a creare il mio programma di master di scienza dei dati utilizzando risorse online. Mi sono reso conto che invece avrei potuto imparare tutto ciò di cui avevo bisogno attraverso edX, Coursera e Udacity. E potrei impararlo più velocemente, in modo più efficiente e per una frazione del costo.

Ho quasi finito ora. Ho seguito molti corsi relativi alla scienza dei dati e ne ho verificati molti altri. Conosco le opzioni disponibili e quali competenze sono necessarie per gli studenti che si preparano per un ruolo di analista o scienziato di dati. Così ho iniziato a creare una guida guidata dalle recensioni che raccomanda i migliori corsi per ogni materia nell'ambito della scienza dei dati.

Per la prima guida della serie, ho raccomandato alcune classi di programmazione per il data scientist principiante. Quindi sono state le statistiche e le classi di probabilità. Quindi introduzioni alla scienza dei dati. Inoltre, visualizzazione dei dati.

Ora sull'apprendimento automatico.

Per questa guida, ho trascorso una dozzina di ore cercando di identificare tutti i corsi di apprendimento automatico online offerti a partire da maggio 2017, estraendo parti chiave di informazioni dai loro programmi di studio e recensioni e compilando le loro valutazioni. Il mio obiettivo finale era identificare i tre migliori corsi disponibili e presentarteli di seguito.

Per questo compito, mi sono rivolto a nient'altro che alla comunità di classe centrale open source e al suo database di migliaia di valutazioni e recensioni dei corsi.

Home page di Class Central.

Dal 2011, il fondatore di Class Central Dhawal Shah ha tenuto d'occhio i corsi online più che probabilmente chiunque altro al mondo. Dhawal mi ha aiutato personalmente a mettere insieme questo elenco di risorse.

Come abbiamo scelto i corsi da considerare

Ogni corso deve soddisfare tre criteri:

  1. Deve contenere una quantità significativa di contenuti di apprendimento automatico. Idealmente, l'apprendimento automatico è l'argomento principale. Si noti che i corsi di solo apprendimento profondo sono esclusi. Ne parleremo più avanti.
  2. Deve essere su richiesta o offerto ogni pochi mesi.
  3. Deve essere un corso online interattivo, quindi niente libri o tutorial di sola lettura. Sebbene questi siano modi di apprendimento fattibili, questa guida si concentra sui corsi. Sono esclusi anche i corsi che sono rigorosamente video (cioè senza quiz, compiti, ecc.).

Riteniamo di aver seguito tutti i corsi importanti che soddisfano i criteri sopra indicati. Dato che apparentemente ci sono centinaia di corsi su Udemy, abbiamo scelto di prendere in considerazione solo quelli più recensiti e più votati.

Tuttavia, c'è sempre la possibilità che ci siamo persi qualcosa. Per favore fateci sapere nella sezione commenti se abbiamo lasciato un buon corso.

Come abbiamo valutato i corsi

Abbiamo calcolato le valutazioni medie e il numero di recensioni da Class Central e altri siti di recensioni per calcolare una valutazione media ponderata per ciascun corso. Abbiamo letto recensioni di testo e utilizzato questo feedback per integrare le valutazioni numeriche.

Abbiamo effettuato chiamate di giudizio del programma soggettivo basate su tre fattori:

  1. Spiegazione del flusso di lavoro di apprendimento automatico. Il corso delinea i passaggi necessari per eseguire un progetto ML di successo? Vedere la sezione successiva per sapere cosa comporta un tipico flusso di lavoro.
  2. Copertura di tecniche e algoritmi di apprendimento automatico. Sono coperte una varietà di tecniche (ad es. Regressione, classificazione, raggruppamento, ecc.) E algoritmi (ad es. All'interno della classificazione: Bayes ingenui, alberi decisionali, macchine vettoriali di supporto, ecc.) O solo alcuni selezionati? La preferenza è data ai corsi che coprono di più senza lesinare sui dettagli.
  3. Utilizzo di strumenti comuni di data science e machine learning. Il corso è tenuto usando linguaggi di programmazione popolari come Python, R e / o Scala? Che ne dici di librerie popolari in quelle lingue? Questi non sono necessari, ma utili, quindi viene data una leggera preferenza a questi corsi.

Che cos'è l'apprendimento automatico? Che cos'è un flusso di lavoro?

Una definizione popolare proviene da Arthur Samuel nel 1959: l'apprendimento automatico è un sottocampo dell'informatica che offre "ai computer la capacità di apprendere senza essere programmati esplicitamente". In pratica, ciò significa sviluppare programmi per computer in grado di fare previsioni basate sui dati. Proprio come gli umani possono imparare dall'esperienza, così come i computer, dove data = esperienza.

Un flusso di lavoro di apprendimento automatico è il processo richiesto per la realizzazione di un progetto di apprendimento automatico. Sebbene i singoli progetti possano differire, la maggior parte dei flussi di lavoro condivide diverse attività comuni: valutazione dei problemi, esplorazione dei dati, preelaborazione dei dati, formazione / test / implementazione dei modelli, ecc. Di seguito troverai una visualizzazione utile di questi passaggi fondamentali:

I passaggi fondamentali del tipico flusso di lavoro di machine learning, tramite UpX Academy

Il corso ideale introduce l'intero processo e fornisce esempi interattivi, compiti e / o quiz in cui gli studenti possono svolgere autonomamente ogni compito.

Questi corsi riguardano l'apprendimento profondo?

Prima di tutto, definiamo l'apprendimento profondo. Ecco una descrizione sintetica:

"Il deep learning è un sottocampo del machine learning che si occupa di algoritmi ispirati alla struttura e alla funzione del cervello chiamate reti neurali artificiali."
- Jason Brownlee di Machine Learning Mastery

Come prevedibile, alcune parti di alcuni corsi di apprendimento automatico contengono contenuti di apprendimento profondo. Ho scelto di non includere corsi di solo apprendimento profondo, tuttavia. Se sei interessato in particolare all'apprendimento approfondito, ti illustriamo il seguente articolo:

I miei tre consigli principali da quell'elenco sarebbero:

  • Applicazioni creative di apprendimento profondo con TensorFlow di Kadenze
  • Neural Networks for Machine Learning dell'Università di Toronto (insegnata da Geoffrey Hinton) via Coursera
  • Deep Learning A-Z ™: reti neurali artificiali pratiche
    di Kirill Eremenko, Hadelin de Ponteves e il team SuperDataScience via Udemy

Prerequisiti raccomandati

Diversi corsi elencati di seguito chiedono agli studenti di avere precedenti esperienze di programmazione, calcolo, algebra lineare e statistica. Questi prerequisiti sono comprensibili dato che l'apprendimento automatico è una disciplina avanzata.

Ti mancano alcuni argomenti? Buone notizie! Parte di questa esperienza può essere acquisita attraverso le nostre raccomandazioni nei primi due articoli (programmazione, statistiche) di questa Guida alla carriera di Data Science. Diversi corsi di alto livello riportati di seguito forniscono anche calcoli delicati e rinfrescatori di algebra lineare ed evidenziano gli aspetti più rilevanti per l'apprendimento automatico per coloro che sono meno familiari.

La nostra scelta per il miglior corso di apprendimento automatico è ...

  • Apprendimento automatico (Stanford University via Coursera)

L'apprendimento automatico della Stanford University su Coursera è l'attuale chiaro vincitore in termini di valutazioni, recensioni e adattamento del programma. Insegnata dal famoso Andrew Ng, fondatore di Google Brain ed ex capo scienziato di Baidu, questa è stata la classe che ha dato il via alla fondazione di Coursera. Ha una valutazione media ponderata di 4,7 stelle su 422 recensioni.

Rilasciato nel 2011, copre tutti gli aspetti del flusso di lavoro di machine learning. Sebbene abbia un ambito inferiore rispetto alla classe Stanford originale su cui si basa, riesce comunque a coprire un gran numero di tecniche e algoritmi. La linea temporale stimata è di undici settimane, con due settimane dedicate alle reti neurali e all'apprendimento profondo. Sono disponibili opzioni gratuite ea pagamento.

Ng è un istruttore dinamico ma gentile con un'esperienza palpabile. Ispira fiducia, soprattutto quando si condividono suggerimenti e avvertenze pratiche per l'implementazione di insidie ​​comuni. Viene fornito un aggiornamento di algebra lineare e Ng evidenzia gli aspetti del calcolo più rilevanti per l'apprendimento automatico.

La valutazione è automatica e viene effettuata tramite quiz a scelta multipla che seguono ogni lezione e compiti di programmazione. I compiti (ce ne sono otto) possono essere completati in MATLAB o Octave, che è una versione open-source di MATLAB. Ng spiega la sua scelta della lingua:

In passato, ho cercato di insegnare l'apprendimento automatico usando una grande varietà di diversi linguaggi di programmazione tra cui C ++, Java, Python, NumPy e anche Octave ... E quello che ho visto dopo aver insegnato l'apprendimento automatico per quasi un decennio è che impari molto più velocemente se usi Octave come ambiente di programmazione.

Sebbene Python e R siano probabilmente scelte più convincenti nel 2017 con la crescente popolarità di quelle lingue, i revisori notano che ciò non dovrebbe impedirti di seguire il corso.

Alcuni recensori di spicco hanno notato quanto segue:

Di lunga fama nel mondo MOOC, il corso di machine learning di Stanford è davvero l'introduzione definitiva a questo argomento. Il corso copre ampiamente tutte le principali aree dell'apprendimento automatico ... Il Prof. Ng precede ogni segmento con una discussione motivante ed esempi.
Andrew Ng è un insegnante di talento e in grado di spiegare argomenti complicati in un modo molto intuitivo e chiaro, compresa la matematica dietro tutti i concetti. Altamente raccomandato.
L'unico problema che vedo con questo corso è che imposta la barra delle aspettative molto alta per altri corsi.

Una nuova introduzione alla Ivy League con un brillante professore

  • Apprendimento automatico (Columbia University via edX)

Il Machine Learning della Columbia University è un'offerta relativamente nuova che fa parte dei loro MicroMaster di intelligenza artificiale su edX. Sebbene sia più recente e non abbia un gran numero di recensioni, quelle che ha sono eccezionalmente forti. Il professor John Paisley è considerato brillante, chiaro e intelligente. Ha una valutazione media ponderata di 4,8 stelle su 10 recensioni.

Il corso copre anche tutti gli aspetti del flusso di lavoro di machine learning e più algoritmi rispetto alla precedente offerta di Stanford. La Columbia è un'introduzione più avanzata, con i revisori che notano che gli studenti dovrebbero essere a proprio agio con i prerequisiti raccomandati (calcolo, algebra lineare, statistica, probabilità e codifica).

Quiz (11), compiti di programmazione (4) e un esame finale sono le modalità di valutazione. Gli studenti possono utilizzare Python, Octave o MATLAB per completare i compiti. La sequenza temporale totale stimata del corso è dalle otto alle dieci ore settimanali su dodici settimane. È gratuito con un certificato verificato disponibile per l'acquisto.

Di seguito sono riportate alcune delle recensioni scintillanti di cui sopra:

Durante tutti i miei anni di [essere uno] studente ho incontrato professori che non sono brillanti, professori che sono geniali ma non sanno come spiegare chiaramente le cose, e professori che sono brillanti e sanno come spiegare le cose chiaramente. Il Dr. Paisley appartiene al terzo gruppo.
Questo è un ottimo corso ... Il linguaggio dell'istruttore è preciso e questo è, a mio avviso, uno dei punti di forza del corso. Le lezioni sono di alta qualità e anche le slide.
Il dottor Paisley e il suo supervisore sono ... studenti di Michael Jordan, il padre dell'apprendimento automatico. [Dr. Paisley] è il miglior professore di ML alla Columbia grazie alla sua capacità di spiegare chiaramente le cose. Fino a 240 studenti hanno selezionato il suo corso questo semestre, il numero più grande tra tutti i professori [insegnamento] machine learning presso la Columbia.

Un'introduzione pratica in Python & R da esperti del settore

  • Machine Learning A-Z ™: Hands-On Python & R nella scienza dei dati (Kirill Eremenko, Hadelin de Ponteves e il team SuperDataScience via Udemy)

Machine Learning A-Z ™ su Udemy è un'offerta incredibilmente dettagliata che fornisce istruzioni sia in Python che in R, il che è raro e non si può dire per nessuno degli altri corsi principali. Ha una valutazione media ponderata di 4.5 stelle su 8.119 recensioni, il che lo rende il corso più recensito di quelli considerati.

Copre l'intero flusso di lavoro di machine learning e un numero quasi ridicolo (in senso buono) di algoritmi attraverso 40,5 ore di video on demand. Il corso ha un approccio più applicato ed è più leggero in termini matematici rispetto ai due corsi precedenti. Ogni sezione inizia con un video di "intuizione" di Eremenko che riassume la teoria di base del concetto che viene insegnato. de Ponteves quindi esegue l'implementazione con video separati sia per Python che per R.

Come "bonus", il corso include modelli di codice Python e R che gli studenti possono scaricare e utilizzare nei propri progetti. Ci sono quiz e sfide a casa, sebbene questi non siano i punti di forza del corso.

Eremenko e il team di SuperDataScience sono venerati per la loro capacità di "rendere semplice il complesso". Inoltre, i prerequisiti elencati sono "solo alcune matematiche del liceo", quindi questo corso potrebbe essere un'opzione migliore per coloro che sono scoraggiati dalle offerte di Stanford e Columbia.

Alcuni recensori di spicco hanno notato quanto segue:

Il corso è prodotto in modo professionale, la qualità del suono è eccellente e le spiegazioni sono chiare e concise ... È un valore incredibile per il tuo investimento finanziario e di tempo.
È stato spettacolare poter seguire il corso in due diversi linguaggi di programmazione contemporaneamente.
Kirill è uno dei migliori istruttori assoluti su Udemy (se non su Internet) e raccomando di frequentare qualsiasi lezione che insegna. ... Questo corso ha un sacco di contenuti, come una tonnellata!

La competizione

La nostra selezione # 1 ha avuto una valutazione media ponderata di 4,7 su 5 stelle su 422 recensioni. Diamo un'occhiata alle altre alternative, ordinate per valutazione decrescente. Ricordiamo che i corsi di solo apprendimento profondo non sono inclusi in questa guida: puoi trovarli qui.

The Edge Edge (Massachusetts Institute of Technology / edX): più focalizzato sull'analisi in generale, anche se copre diversi argomenti di apprendimento automatico. Usa una narrativa forte che sfrutta esempi familiari del mondo reale. Stimolante. Dieci-quindici ore alla settimana per dodici settimane. Gratuito con un certificato verificato disponibile per l'acquisto. Ha una valutazione media ponderata di 4,9 stelle su 214 recensioni.

Bootcamp di Python per la scienza dei dati e l'apprendimento automatico (Jose Portilla / Udemy): ha grandi quantità di contenuti di apprendimento automatico, ma copre l'intero processo di scienza dei dati. Più un'introduzione molto dettagliata a Python. Corso straordinario, anche se non ideale per lo scopo di questa guida. 21,5 ore di video on demand. Il costo varia in base agli sconti Udemy, che sono frequenti. Ha una valutazione media ponderata di 4,6 stelle su 3316 recensioni.

Bootcamp di data science e machine learning con R (Jose Portilla / Udemy): qui si applicano anche i commenti per il corso sopra di Portilla, ad eccezione di R. 17,5 ore di video on demand. Il costo varia in base agli sconti Udemy, che sono frequenti. Ha una valutazione media ponderata di 4,6 stelle su 1317 recensioni.

Serie di apprendimento automatico (Lazy Programmer Inc./Udemy): Insegnato da uno scienziato di dati / ingegnere di big data / ingegnere software full stack con un curriculum impressionante, Lazy Programmer attualmente ha una serie di 16 corsi incentrati sull'apprendimento automatico su Udemy. In totale, i corsi hanno oltre 5000 voti e quasi tutti hanno 4,6 stelle. Un utile ordinamento del corso è fornito nella descrizione di ogni singolo corso. Usa Python. Il costo varia in base agli sconti Udemy, che sono frequenti.

Machine Learning (Georgia Tech / Udacity): una raccolta di tre corsi distinti: supervisione, non supervisione e rafforzamento dell'apprendimento. Parte dell'ingegnere di Machine Learning Nanodegree di Udacity e del Master online di Georgia Tech (OMS). Video di dimensioni ridotte, come lo stile di Udacity. Professori amichevoli. Cronologia stimata di quattro mesi. Gratuito. Ha una valutazione media ponderata di 4.56 stelle su 9 recensioni.

Implementazione dell'analisi predittiva con Spark in Azure HDInsight (Microsoft / edX): presenta i concetti chiave dell'apprendimento automatico e una varietà di algoritmi. Sfrutta diversi grandi strumenti compatibili con i dati, tra cui Apache Spark, Scala e Hadoop. Utilizza sia Python che R. Quattro ore alla settimana per sei settimane. Gratuito con un certificato verificato disponibile per l'acquisto. Ha una valutazione media ponderata di 4.5 stelle su 6 recensioni.

Data Science e Machine Learning con Python - Hands On! (Frank Kane / Udemy): usa Python. Kane ha nove anni di esperienza su Amazon e IMDb. Nove ore di video su richiesta. Il costo varia in base agli sconti Udemy, che sono frequenti. Ha una valutazione media ponderata di 4.5 stelle su 4139 recensioni.

Scala e Spark per Big Data e Machine Learning (Jose Portilla / Udemy): focus sui "Big data", in particolare sull'implementazione in Scala e Spark. Dieci ore di video on demand. Il costo varia in base agli sconti Udemy, che sono frequenti. Ha una valutazione media ponderata di 4.5 stelle su 607 recensioni.

Ingegnere di machine learning Nanodegree (Udacity): il programma di Machine Learning di punta di Udacity, che presenta un sistema di revisione dei progetti di prim'ordine e supporto alla carriera. Il programma è una raccolta di diversi corsi individuali Udacity, che sono gratuiti. Co-creato da Kaggle. Cronologia stimata di sei mesi. Attualmente costa $ 199 USD al mese con un rimborso delle tasse del 50% disponibile per coloro che si laureeranno entro 12 mesi. Ha una valutazione media ponderata di 4.5 stelle su 2 recensioni.

Apprendimento dai dati (apprendimento automatico introduttivo) (California Institute of Technology / edX): le iscrizioni sono attualmente chiuse su edX, ma sono anche disponibili tramite la piattaforma indipendente di CalTech (vedi sotto). Ha una valutazione media ponderata di 4,49 stelle su 42 recensioni.

Apprendimento dai dati (apprendimento automatico introduttivo) (Yaser Abu-Mostafa / California Institute of Technology): "Un vero corso Caltech, non una versione annacquata." Le recensioni notano che è eccellente per comprendere la teoria dell'apprendimento automatico. Il professore, Yaser Abu-Mostafa, è popolare tra gli studenti e ha anche scritto il libro di testo su cui si basa questo corso. I video sono lezioni registrate (con diapositive diapositive immagine nell'immagine) caricate su YouTube. I compiti a casa sono file .pdf. L'esperienza del corso per gli studenti online non è raffinata come i tre principali consigli. Ha una valutazione media ponderata di 4,43 stelle su 7 recensioni.

Set di dati di mining di grandi dimensioni (Stanford University): apprendimento automatico incentrato sui "big data". Presenta i moderni file system distribuiti e MapReduce. Dieci ore alla settimana per sette settimane. Gratuito. Ha una valutazione media ponderata di 4,4 stelle su 30 recensioni.

AWS Machine Learning: una guida completa con Python (Chandra Lingam / Udemy): un focus unico sull'apprendimento automatico basato su cloud e in particolare sui servizi Web Amazon. Usa Python. Nove ore di video su richiesta. Il costo varia in base agli sconti Udemy, che sono frequenti. Ha una valutazione media ponderata di 4,4 stelle su 62 recensioni.

Introduzione all'apprendimento automatico e al rilevamento dei volti in Python (Holczer Balazs / Udemy): utilizza Python. Otto ore di video su richiesta. Il costo varia in base agli sconti Udemy, che sono frequenti. Ha una valutazione media ponderata di 4,4 stelle su 162 recensioni.

StatLearning: Statistical Learning (Stanford University): basato sull'eccellente libro di testo, “Un'introduzione all'apprendimento statistico, con applicazioni in R” e tenuto dai professori che lo hanno scritto. I recensori notano che il MOOC non è buono come il libro, citando esercizi "sottili" e video mediocri. Cinque ore alla settimana per nove settimane. Gratuito. Ha una valutazione media ponderata di 4,35 stelle oltre 84 recensioni.

Specializzazione in machine learning (Università di Washington / Coursera): grandi corsi, ma le ultime due lezioni (incluso il progetto capstone) sono state cancellate. I revisori osservano che questa serie è più digeribile (leggi: più facile per coloro che non hanno un background tecnico forte) rispetto ad altri corsi di apprendimento automatico (ad esempio Stanford o Caltech). Tieni presente che la serie è incompleta con i sistemi di raccomandazione, l'apprendimento approfondito e un riepilogo mancante. Disponibili opzioni gratuite ea pagamento. Ha una valutazione media ponderata di 4,31 stelle oltre 80 recensioni.

L'Università di Washington insegna specializzazione in Machine Learning su Coursera.

Da 0 a 1: Machine Learning, NLP e Python-Cut to the Chase (Loony Corn / Udemy): "Un approccio pratico, timido ma sicuro alle tecniche di apprendimento automatico". Insegnato da un team di quattro persone con decenni di esperienza nel settore insieme. Usa Python. Il costo varia in base agli sconti Udemy, che sono frequenti. Ha una valutazione media ponderata di 4,2 stelle su 494 recensioni.

Principi di Machine Learning (Microsoft / edX): usa R, Python e Microsoft Azure Machine Learning. Parte del certificato Microsoft Professional Program in Data Science. Tre o quattro ore alla settimana per sei settimane. Gratuito con un certificato verificato disponibile per l'acquisto. Ha una valutazione media ponderata di 4.09 stelle su 11 recensioni.

Big data: inferenza statistica e machine learning (Queensland University of Technology / FutureLearn): un piacevole, breve corso esplorativo di machine learning focalizzato sui big data. Copre alcuni strumenti come R, H2O Flow e WEKA. Solo tre settimane alla durata di due ore raccomandate alla settimana, ma un revisore ha osservato che sei ore alla settimana sarebbero più appropriate. Disponibili opzioni gratuite ea pagamento. Ha una valutazione media ponderata a 4 stelle su 4 recensioni.

Genomic Data Science and Clustering (Bioinformatics V) (University of California, San Diego / Coursera): per chi è interessato all'intersezione tra informatica e biologia e come rappresenta un'importante frontiera della scienza moderna. Si concentra sul clustering e sulla riduzione della dimensionalità. Parte della specializzazione bioinformatica di UCSD. Disponibili opzioni gratuite ea pagamento. Ha una valutazione media ponderata a 4 stelle su 3 recensioni.

Introduzione all'apprendimento automatico (Udacity): dà priorità all'ampiezza dell'argomento e agli strumenti pratici (in Python) rispetto alla profondità e alla teoria. Gli istruttori, Sebastian Thrun e Katie Malone, rendono questa lezione così divertente. È costituito da video e quiz di dimensioni ridotte seguiti da un mini-progetto per ogni lezione. Attualmente parte del Nanodegree dell'analista di dati di Udacity. Cronologia stimata di dieci settimane. Gratuito. Ha una valutazione media ponderata a 3,95 stelle su 19 recensioni.

Apprendimento automatico per l'analisi dei dati (Wesleyan University / Coursera): una breve introduzione all'apprendimento automatico e alcuni algoritmi selezionati. Copre alberi decisionali, foreste casuali, regressione del lazo e raggruppamento di k-medie. Parte della specializzazione di interpretazione e analisi dei dati di Wesleyan. Cronologia stimata di quattro settimane. Disponibili opzioni gratuite ea pagamento. Ha una valutazione media ponderata di 3,6 stelle su 5 recensioni.

Programmazione con Python for Data Science (Microsoft / edX): prodotto da Microsoft in collaborazione con Coding Dojo. Usa Python. Otto ore alla settimana per sei settimane. Disponibili opzioni gratuite ea pagamento. Ha una valutazione media ponderata di 3,46 stelle su 37 recensioni.

Machine learning for trading (Georgia Tech / Udacity): si concentra sull'applicazione di approcci probabilistici di machine learning alle decisioni di trading. Usa Python. Parte dell'ingegnere di Machine Learning Nanodegree di Udacity e del Master online di Georgia Tech (OMS). Cronologia stimata di quattro mesi. Gratuito. Ha una valutazione media ponderata di 3,29 stelle su 14 recensioni.

Apprendimento automatico pratico (Johns Hopkins University / Coursera): una breve introduzione pratica a una serie di algoritmi di apprendimento automatico. Diverse recensioni da una / due stelle che esprimono una varietà di preoccupazioni. Parte della specializzazione in scienza dei dati della JHU. Da quattro a nove ore settimanali per quattro settimane. Disponibili opzioni gratuite ea pagamento. Ha una valutazione media ponderata di 3,11 stelle su 37 recensioni.

Machine learning per Data Science and Analytics (Columbia University / edX): presenta una vasta gamma di argomenti di machine learning. Alcune recensioni negative appassionate con preoccupazioni tra cui la scelta dei contenuti, la mancanza di incarichi di programmazione e presentazioni poco interessanti. Da sette a dieci ore alla settimana per cinque settimane. Gratuito con un certificato verificato disponibile per l'acquisto. Ha una valutazione media ponderata di 2,74 stelle per 36 recensioni.

Specializzazione in sistemi di raccomandazione (Università del Minnesota / Coursera): forte focus su un tipo specifico di apprendimento automatico - sistemi di raccomandazione. Una specializzazione di quattro corsi più un progetto capstone, che è un caso di studio. Insegnato usando LensKit (un toolkit open source per i sistemi di raccomandazione). Disponibili opzioni gratuite ea pagamento. Ha una valutazione media ponderata a 2 stelle su 2 recensioni.

Apprendimento automatico con Big Data (Università della California, San Diego / Coursera): recensioni terribili che mettono in luce scarsa istruzione e valutazione. Alcuni hanno notato che ci sono volute poche ore per completare l'intero corso. Parte della specializzazione Big Data di UCSD. Disponibili opzioni gratuite ea pagamento. Ha una valutazione media ponderata di 1,86 stelle su 14 recensioni.

Pratica analisi predittiva: modelli e metodi (Università di Washington / Coursera): una breve introduzione ai concetti di base dell'apprendimento automatico. Un recensore ha osservato che mancavano i quiz e che i compiti non erano impegnativi. Parte della specializzazione di data science su larga scala di UW. Da sei a otto ore settimanali per quattro settimane. Disponibili opzioni gratuite ea pagamento. Ha una valutazione media ponderata di 1,75 stelle su 4 recensioni.

I seguenti corsi hanno avuto una o nessuna recensione a partire da maggio 2017.

Apprendimento automatico per musicisti e artisti (orafi, Università di Londra / Kadenze): Unico. Gli studenti apprendono algoritmi, strumenti software e best practice per l'apprendimento automatico per dare un senso al gesto umano, all'audio musicale e ad altri dati in tempo reale. Sette sessioni di lunghezza. Opzioni di audit (gratuite) e premium ($ 10 USD al mese) disponibili. Ha una recensione a 5 stelle.

Applied Machine Learning in Python (Università del Michigan / Coursera): insegnato con Python e lo scikit learn toolkit. Parte della Applied Data Science con specializzazione Python. Previsto per iniziare il 29 maggio. Disponibili opzioni gratuite ea pagamento.

Applied Machine Learning (Microsoft / edX): insegnato usando vari strumenti, tra cui Python, R e Microsoft Azure Machine Learning (nota: Microsoft produce il corso). Include laboratori pratici per rafforzare il contenuto della lezione. Tre o quattro ore alla settimana per sei settimane. Gratuito con un certificato verificato disponibile per l'acquisto.

Apprendimento automatico con Python (Big Data University): insegnato usando Python. Destinato ai principianti. Tempo di completamento stimato di quattro ore. Big Data University è affiliata con IBM. Gratuito.

Apprendimento automatico con Apache SystemML (Big Data University): insegnato usando Apache SystemML, un linguaggio in stile dichiarativo progettato per l'apprendimento automatico su larga scala. Tempo di completamento stimato di otto ore. Big Data University è affiliata con IBM. Gratuito.

Machine Learning for Data Science (University of California, San Diego / edX): non verrà avviato fino a gennaio 2018. Esempi di programmazione e compiti sono in Python, utilizzando i notebook Jupyter. Otto ore alla settimana per dieci settimane. Gratuito con un certificato verificato disponibile per l'acquisto.

Introduzione alla modellazione analitica (Georgia Tech / edX): il corso pubblicizza R come principale strumento di programmazione. Cinque a dieci ore alla settimana per dieci settimane. Gratuito con un certificato verificato disponibile per l'acquisto.

Analisi predittiva: ottenere approfondimenti dai big data (Queensland University of Technology / FutureLearn): breve panoramica di alcuni algoritmi. Utilizza la piattaforma Vertica Analytics di Hewlett Packard Enterprise come strumento applicato. Data di inizio da annunciare. Due ore alla settimana per quattro settimane. Gratuito con un certificato di conseguimento disponibile per l'acquisto.

Introduzione al Machine Learning (Universitas Telefónica / Miríada X): insegnato in spagnolo. Un'introduzione all'apprendimento automatico che copre l'apprendimento supervisionato e non supervisionato. Un totale di venti ore stimate per quattro settimane.

Passaggio del percorso di apprendimento automatico (Dataquest): insegnato in Python utilizzando la piattaforma interattiva nel browser di Dataquest. Più progetti guidati e un progetto "plus" in cui costruisci il tuo sistema di apprendimento automatico usando i tuoi dati. Abbonamento richiesto.

I seguenti sei corsi sono offerti da DataCamp. Lo stile di insegnamento ibrido di DataCamp sfrutta istruzioni video e testuali con molti esempi attraverso un editor di codice nel browser. È richiesto un abbonamento per l'accesso completo a ciascun corso.

DataCamp offre numerosi corsi di apprendimento automatico.

Introduzione all'apprendimento automatico (DataCamp): copre gli algoritmi di classificazione, regressione e clustering. Utilizza R. Quindici video e 81 esercizi con una cronologia stimata di sei ore.

Apprendimento supervisionato con scikit-learn (DataCamp): utilizza Python e scikit-learn. Copre gli algoritmi di classificazione e regressione. Diciassette video e 54 esercizi con una cronologia stimata di quattro ore.

Apprendimento non supervisionato in R (DataCamp): fornisce un'introduzione di base al clustering e alla riduzione della dimensionalità in R. Sedici video e 49 esercizi con una durata stimata di quattro ore.

Machine Learning Toolbox (DataCamp): insegna le "grandi idee" nell'apprendimento automatico. Utilizza video R. 24 e 88 esercizi con una sequenza temporale stimata di quattro ore.

Apprendimento automatico con gli esperti: budget scolastici (DataCamp): un caso di studio di una competizione di apprendimento automatico su DrivenData. Implica la costruzione di un modello per classificare automaticamente gli elementi nel budget di una scuola. "L'apprendimento supervisionato di DataCamp con scikit-learn" è un prerequisito. Quindici video e 51 esercizi con una cronologia stimata di quattro ore.

Apprendimento senza supervisione in Python (DataCamp): copre una varietà di algoritmi di apprendimento senza supervisione che utilizzano Python, scikit-learn e scipy. Il corso termina con gli studenti che costruiscono un sistema di raccomandazione per raccomandare artisti musicali famosi. Tredici video e 52 esercizi con una cronologia stimata di quattro ore.

Apprendimento automatico (Tom Mitchell / Carnegie Mellon University): corso introduttivo laureato di apprendimento automatico di Carnegie Mellon. Un prerequisito per il loro corso di secondo livello, "Statistical Machine Learning". Lezioni universitarie registrate con problemi di pratica, compiti a casa e un semestre (tutti con soluzioni) pubblicati online. Esiste anche una versione del corso del 2011. CMU è una delle migliori scuole di specializzazione per lo studio dell'apprendimento automatico e ha un intero dipartimento dedicato alla ML. Gratuito.

Apprendimento statistico automatico (Larry Wasserman / Carnegie Mellon University): Probabilmente il corso più avanzato di questa guida. Un seguito al corso di apprendimento automatico di Carnegie Mellon. Lezioni universitarie registrate con problemi di pratica, compiti a casa e un semestre (tutti con soluzioni) pubblicati online. Gratuito.

CMU è una delle migliori scuole di specializzazione per lo studio dell'apprendimento automatico. L'apprendimento automatico e l'apprendimento automatico statistico sono disponibili online gratuitamente.

Undergraduate Machine Learning (Nando de Freitas / University of British Columbia): un corso di machine learning universitario. Le lezioni vengono filmate e messe su YouTube con le diapositive pubblicate sul sito web del corso. Vengono inoltre pubblicati gli incarichi del corso (nessuna soluzione, tuttavia). de Freitas è ora professore a tempo pieno all'Università di Oxford e riceve elogi per le sue capacità di insegnamento in vari forum. Disponibile versione laureata (vedi sotto).

Machine Learning (Nando de Freitas / University of British Columbia): un corso di apprendimento automatico laureato. I commenti nel corso di laurea di de Freitas (sopra) si applicano anche qui.

Avvolgendolo

Questa è la quinta di una serie in sei pezzi che copre i migliori corsi online per lanciarti nel campo della scienza dei dati. Abbiamo trattato la programmazione nel primo articolo, le statistiche e la probabilità nel secondo articolo, le introduzioni alla scienza dei dati nel terzo articolo e la visualizzazione dei dati nel quarto.

Il pezzo finale sarà un riassunto di quegli articoli, oltre ai migliori corsi online per altri argomenti chiave come la lotta ai dati, i database e persino l'ingegneria del software.

Se stai cercando un elenco completo dei corsi online di Data Science, puoi trovarli nella pagina tematica Data Science e Big Data di Class Central.

Se ti è piaciuto leggere questo, dai un'occhiata ad altri brani di Class Central:

Se hai suggerimenti per i corsi che ho perso, fammelo sapere nelle risposte!

Se lo hai trovato utile, fai clic su in modo che più persone lo vedano qui su Medium.

Questa è una versione ridotta del mio articolo originale pubblicato su Class Central, dove ho incluso programmi dettagliati del corso.