跳到主要內容

【精選好文】資料科學入門 免費課程規劃

資料科學 - 入門課程規劃

學習藍圖.jpg
隨著產學界人工智慧的聲浪不斷加溫,越來越多人走向資料科學領域,跨領域的應用尤其受到重視,但是學習 AI 該如何起步呢?許多電機、資工、統計背景領域的高手,直接越級打怪自學深度學習相當常見,但相信還有許多讀者雖無相關領域背景知識,因此自由小編深入鑽研由 IBM 所推出的線上免費學習網站 (Cognitive Class . ai) ,精心規劃了以下課程清單,教你如何穩扎穩打地自學資料科學!

 — — — — 以下推薦課程,適合初次接觸 or 想打穩資料科學基礎的讀者,高手可跳過! — — — — 
上圖相信讀者們都還有印象(沒印象 or 新讀者,請參考:https://goo.gl/D15Pxe),前往資料科學領域的路上,有許多基礎知識跨足眾多領域,資料庫、程式語言、統計學、微積分等,對於甫入門讀者而言,會需要花較多的時間去理解龐雜且廣泛多樣的應用領域,在小編學習資料科學的歷程中,也耗費大量的時間不斷地去整理所學,釐清課程內容、實務應用等,最後整理出了此篇免費課程清單;課程皆來自 IBM 的 Cognitive Class . ai ,不僅免費,課程結束、通過測驗後,還提供課程證照專業領域獎章,以利學員們求職用,完成課程後,您將具備成為資料分析師的能力及資料科學家的基礎技能
課程分為三部分 (1) 緒論 - 基礎認知 (2) 入門 - 分析實務 (3) 其他 - 選擇性內容。 
        (1) 資料科學 - 緒論 (21 hr)
◆ Class 1. (3 hr)  Introduction to Data Science - 資料科學介紹
  -- 簡單介紹資料科學的緣起與應用,認識「資料科學家」
Class 2. (5 hr)  Data Science Tools - 資料科學工具
  -- 簡介 IBM 的產品(Data Scientist Workbench)及實用工具 (*Jupyter Notebook)
Class 3. (5 hr)  Data Science Methodology - 資料科學方法論
  -- 介紹資料分析的流程、概念及思維
Class 4. (3 hr)  Big Data 101 - 大數據入門
  -- 介紹何謂大數據?說明大數據的影響力
Class 5. (5 hr)  Data Privacy Fundamentals - 資料隱私權認識
  -- 瞭解資料隱私權的重要性,及其相關法規
        (2) 資料科學 - 入門 (Python & R 學習路徑 - 二擇一)
        Python 學習路徑 (35 hr)
Class 1. (5 hr)  Python for Data Science - 資料科學之 Python 入門
   -- Python 基本語法 & 工具操作教學 (Jupyter Notebook)
Class 2. (8 hr)  Data Analysis with Python - 資料分析從 Python 開始
   -- Python 資料分析相關套件使用 (Pandas, Numpy, Scipy...)
Class 3. (10 hr)  Data Visualization with Python - Python 資料視覺化
   -- Python 相關數據視覺化套件介紹(Matplotlib, Seaborn...)
Class 4. (12 hr)  Mahine Learning with Python - 機器學習與 Python
   -- Python 機器學習實作教學 (Regression, Classification, Clustering...)

R 學習路徑 (32 hr)
Class 1. (5 hr)  R 101 - R 入門
   -- R 基本語法 & 工具操作教學 (Jupyter Notebook)
Class 2. (5 hr)  Digital Analytics and Regression - 數位分析與回歸
   -- R 與 資料科學家;簡單線性回歸介紹(simple linear regression)
Class 3. (5 hr)  Using R with Databases - R語言與資料庫
   -- R 與 關聯性資料庫操作使用
Class 4. (5 hr)  Data Visualization with R - R 資料視覺化
   -- R 相關數據視覺化套件介紹(plot, ggplo2...)
Class 5. (12 hr)  Mahine Learning with R - 機器學習與 R
   -- 統計模型 vs. 機器學習;監督式學習 vs. 非監督式學習

上述兩堂入門實務課程 Python & R 內容的編排與課程邏輯各有差異,Python 以處理Excel數據分析為開頭,循序漸進以敘述統計、資料清理、資料視覺化帶到機器學習,為實務上完整的資料分析週期,課程結構較 R 系列課程完整;相比 Python 課程,R 語言過去專注於統計分析相關應用的開發,以處理資料庫數據為出發點,比較傳統統計模型與機器學習的差異,帶入資料視覺化、機器學習等領域。
兩種語言的課程安排,因程式語言的發展歷史而有所不同,建議有充裕學習時間的讀者,可以兩種課程都看過一次,加強對程式語言的敏感度,也能對分析的流程、機器學習的邏輯更熟悉;而時間較有限的讀者,則建議以 Python 系列課程為主,雖然 R 對於程式語言初學者較快上手,但是 Python 的開發社群、其他應用領域、語言效能,皆比 R 來的傑出。 
        (3) 資料科學 - 入門 (選擇性課程)
Predictive Modeling Fundamentals I - 預測性模型基礎認識
Data Journalism: First Steps, Skills & Tools - 資料新聞學 (步驟、技能與工具)
Statistic 101 - 統計學入門
Hadoop 101 - 大數據平台 Hadoop 入門
SQL & Relational Databases 101 - SQL與關聯性資料庫入門
Bulid your Own Chatbot - 建造自己的聊天機器人
Mathematical Optimization for Business Problems - 數學最佳化應用

在第三部分的課程,則為因實作領域不同而需要額外補強的相關課程推薦。
在每一堂課程結束後,您將獲得課程認證(Certificates)如下圖一,完成系列專業課程更能獲得獎章(Badges)如下圖二,且這些學習認證皆能個別下載為 PDF 檔案,並有IBM認證標註,無論是在104求職可上傳附加檔案,也能直接將證照連結到個人Linkedin Profile,對於跨領域的學員來說,真的相當加分!
     
學習藍圖.jpg
▲ 圖一
學習藍圖.jpg
▲ 圖二
看完了自由團隊精心設計的課程清單及相關證照、獎章後,你是否也心動了呢?趕緊來學習資料科學吧!若有任何問題或其他建議,自由團隊歡迎您來信與我們進一步互動喔!(Email: AI.Free.Team@gmail.com)

留言

這個網誌中的熱門文章

2017通訊大賽「聯發科技物聯網開發競賽」決賽團隊29強出爐!作品都在11月24日頒獎典禮進行展示

2017通訊大賽「聯發科技物聯網開發競賽」決賽團隊29強出爐!作品都在11月24日頒獎典禮進行展示 LIS   發表於 2017年11月16日 10:31   收藏此文 2017通訊大賽「聯發科技物聯網開發競賽」決賽於11月4日在台北文創大樓舉行,共有29個隊伍進入決賽,角逐最後的大獎,並於11月24日進行頒獎,現場會有全部進入決賽團隊的展示攤位,總計約為100個,各種創意作品琳琅滿目,非常值得一看,這次錯過就要等一年。 「聯發科技物聯網開發競賽」決賽持續一整天,每個團隊都有15分鐘面對評審團做簡報與展示,並接受評審們的詢問。在所有團隊完成簡報與展示後,主辦單位便統計所有評審的分數,並由評審們進行審慎的討論,決定冠亞季軍及其他各獎項得主,結果將於11月24日的「2017通訊大賽頒獎典禮暨成果展」現場公佈並頒獎。 在「2017通訊大賽頒獎典禮暨成果展」現場,所有入圍決賽的團隊會設置攤位,總計約為100個,展示他們辛苦研發並實作的作品,無論是想觀摩別人的成品、了解物聯網應用有那些新的創意、尋找投資標的、尋找人才、尋求合作機會或是單純有興趣,都很適合花點時間到現場看看。 頒獎典禮暨成果展資訊如下: 日期:2017年11月24日(星期五) 地點:中油大樓國光廳(台北市信義區松仁路3號) 我要報名參加「2017通訊大賽頒獎典禮暨成果展」>>> 在參加「2017通訊大賽頒獎典禮暨成果展」之前,可以先在本文觀看各團隊的作品介紹。 決賽29強團隊如下: 長者安全救星 可隨意描繪或書寫之電子筆記系統 微觀天下 體適能訓練管理裝置 肌少症之行走速率檢測系統 Sugar Robot 賽亞人的飛機維修輔助器 iTemp你的溫度個人化管家 語音行動冰箱 MR模擬飛行 智慧防盜自行車 跨平台X-Y視覺馬達控制 Ironmet 菸消雲散 無人小艇 (Mini-USV) 救OK-緊急救援小幫手 穿戴式長照輔助系統 應用於教育之模組機器人教具 這味兒很台味 Aquarium Hub 發展遲緩兒童之擴增實境學習系統 蚊房四寶 車輛相控陣列聲納環境偵測系統 戶外團隊運動管理裝置 懷舊治療數位桌曆 SeeM智能眼罩 觸...

完形心理學!?讓我們了解“介面設計師”為什麼這樣設計

完形心理學!?讓我們了解“介面設計師”為什麼這樣設計 — 說服客戶與老闆、跟工程師溝通、強化設計概念的有感心理學 — 情況 1 : 為何要留那麼多空白? 害我還要滾動滑鼠(掀桌) 情況 2 : 為什麼不能直接用一頁展現? 把客戶的需求塞滿不就完工啦! (無言) 情況 3: 這種設計好像不錯,但是為什麼要這樣做? (直覺大神告訴我這樣設計,但我說不出來為什麼..) 雖然世界上有許多 GUI 已經走得又長又遠又厲害,但別以為這種古代人對話不會出現,一直以來我們只是習慣這些 GUI 被如此呈現,但為何要這樣設計我們卻不一定知道。 由於 完形心理學 歸納出人類大腦認知之普遍性的規則,因此無論是不是 UI/UX 設計師都很適合閱讀本篇文章。但還是想特別強調,若任職於傳統科技公司,需要對上說服老闆,需要平行說服(資深)工程師,那請把它收進最愛;而習慣套用設計好的 UI 套件,但不知道為何這樣設計的 IT 工程師,也可以透過本文來強化自己的產品說服力。 那就開始吧~(擊掌) 完形心理學,又稱作格式塔(Gestalt)心理學,於二十世紀初由德國心理學家提出 — 用以說明人類大腦如何解釋肉眼所觀察到的事物,並轉化為我們所認知的物件。它可說是現代認知心理學的基礎,其貫徹的概念就是「整體大於個體的總合 “The whole is other than the sum of the parts.” —  Kurt Koffka」。 若深究完整的理論將會使本文變得非常的艱澀,因此筆者直接抽取個人認為與 UI 設計較為相關的 7 個原則(如下),並搭配實際案例做說明。有興趣了解全部理論的話可以另外 Google。 1. 相似性 (Similarity)  — 我們的大腦會把相似的事物看成一體 如果數個元素具有類似的尺寸、體積、顏色,使用者會自動為它們建立起關聯。這是因為我們的眼睛和大腦較容易將相似的事物組織在一起。如下圖所示,當一連串方塊和一連串的圓形並排時,我們會看成(a)一列方塊和兩列圓形(b)一排圓形和兩排三角形。 對應用到介面設計上,FB 每則文章下方的按鈕圖標(按讚 Like / 留言Comment / 分享 Share)雖然功能各不相同,但由於它們在視覺上顏色、大小、排列上的相似性,用戶會將它們視認為...
opencv4nodejs Asynchronous OpenCV 3.x Binding for node.js   122     2715     414   0   0 Author Contributors Repository https://github.com/justadudewhohacks/opencv4nodejs Wiki Page https://github.com/justadudewhohacks/opencv4nodejs/wiki Last Commit Mar. 8, 2019 Created Aug. 20, 2017 opencv4nodejs           By its nature, JavaScript lacks the performance to implement Computer Vision tasks efficiently. Therefore this package brings the performance of the native OpenCV library to your Node.js application. This project targets OpenCV 3 and provides an asynchronous as well as an synchronous API. The ultimate goal of this project is to provide a comprehensive collection of Node.js bindings to the API of OpenCV and the OpenCV-contrib modules. An overview of available bindings can be found in the  API Documentation . Furthermore, contribution is highly appreciated....