Quyết định rằng bạn muốn theo đuổi sự nghiệp trong Machine Learning có nghĩa là bạn phải quyết định ngôn ngữ nào bạn muốn sử dụng cho quá trình triển khai của mình. Các ngôn ngữ phổ biến trong số những người thực hành Machine Learning là Python và R, mặc dù có những trường hợp mọi người quyết định sử dụng C, C++, JavaScript và các ngôn ngữ khác
Tôi đã chọn Python vì nó là ngôn ngữ đầu tiên tôi bắt gặp khi tôi quyết định muốn bắt đầu học máy. Nó đã kết thúc với tôi, nhưng trong trường hợp bạn siêng năng hơn tôi một chút lúc ban đầu, thì đây là một số lý do bạn có thể muốn học Python cho Machine Learning
- Nhiều người đang sử dụng Python cho Machine Learning nên có rất nhiều hỗ trợ trực tuyến
- Python là ngôn ngữ lập trình cấp cao với nhiều khung Machine Learning có sẵn
- Có một rào cản thấp đối với mục nhập vì Python đọc như tiếng Anh
Danh sách này không có nghĩa là đầy đủ nhưng một bản tóm tắt đầy đủ về lý do tại sao Python là một ngôn ngữ tốt nằm ngoài phạm vi của bài viết này
Các nguồn tài nguyên
Mặc dù có một số nguồn để phát triển kỹ năng Python cho Machine Learning của bạn, nhưng tôi không tin rằng bạn cần phải sử dụng tất cả chúng. Nếu không có gì khó chịu, đây là danh sách các tài nguyên để Tìm hiểu Python cho Machine Learning [Tuyên bố miễn trừ trách nhiệm. Các tài nguyên không theo thứ tự thời gian. ]
Udemy
Chương trình đào tạo về Python cho khoa học dữ liệu và máy học [Udemy]
Python cho Khoa học dữ liệu và Học máy là một khóa học Python phổ biến. Nó hiện đang có gần nửa triệu sinh viên theo học với 101.909 xếp hạng tại thời điểm viết bài
Đầu tiên, nó hướng dẫn bạn thiết lập môi trường trước khi chạm vào Jupyter Notebooks. Phần đầu tiên của khóa học là khóa học cơ bản về Python bao gồm các cấu trúc dữ liệu và cú pháp Python. Khi đã hết cách, bạn sẽ tìm hiểu các thư viện phổ biến được sử dụng trong Khoa học dữ liệu và Học máy như NumPy, Pandas, Matplotlib, v.v.
Khóa học được giảng dạy bởi , Trưởng bộ phận Khoa học Dữ liệu tại Pierian Data Inc. Ông cũng cung cấp các khóa đào tạo trực tiếp về Khoa học dữ liệu và lập trình Python cho nhân viên tại các công ty hàng đầu như General Electric, Cigna, The New York Times, Credit Suisse, Mckinsey, v.v.
Trong khóa học, bạn sẽ bao gồm các khái niệm chính như
- Xác thực chéo và Đánh đổi phương sai sai lệch
- Hệ thống đề xuất
- Xử lý ngôn ngữ tự nhiên
- Các thuật toán học máy khác nhau
khóa học
Coursera được thành lập vào tháng 4 năm 2012 bởi giáo viên Machine Learning nổi tiếng, Andrew Ng. Nền tảng này hợp tác với một số trường đại học tốt nhất trên thế giới và các tổ chức hàng đầu để cung cấp các khóa học, chứng chỉ và bằng cấp trực tuyến về một số môn học. Python cho Khoa học dữ liệu, AI & Phát triển của IBM [do , Nhà khoa học dữ liệu tại IBM giảng dạy] là một ví dụ về tầm cỡ của các tổ chức cung cấp kiến thức của họ trên nền tảng
Khóa học được thiết kế để giới thiệu thân thiện với người mới bắt đầu về Python — đưa sinh viên từ kiến thức không có kiến thức đến lập trình thực tế bằng Python, chỉ trong vài giờ. Do đó, không yêu cầu kinh nghiệm lập trình trước vì phần lớn những điều cơ bản sẽ được đề cập trong khóa học [i. e. Nguyên tắc cơ bản về Python, Cấu trúc dữ liệu, Phân tích dữ liệu, v.v.]
Trong khóa học, bạn sẽ bao gồm các khái niệm chính như
- Khái niệm cơ bản về Python
- Cấu trúc dữ liệu Python và nguyên tắc cơ bản
- Làm việc với dữ liệu trong Python
- API và Thu thập dữ liệu
Học Python một cách khó khăn
Mặc dù Học Python theo cách khó không dành riêng cho Học máy & Khoa học dữ liệu, nhưng đây có lẽ là cách phổ biến nhất để bắt đầu lập trình bằng Python, do đó tại sao nó lọt vào danh sách
Khóa học được cấu trúc để đưa sinh viên từ con số 0 trở thành anh hùng nên không yêu cầu phải có kinh nghiệm lập trình trước đó. Ngoài khóa học, còn có cuốn sách Learn Python the Hard Way của Zed Shaw, đi kèm với khóa học
Một số chủ đề chính có trong hướng dẫn này như sau
- Biến và tên
- Đọc và ghi tập tin
- Các lớp và đối tượng Python
- Chức năng
- Xử lý tập tin
học viện mật mã
Codecademy là cách tôi bắt đầu với Python. Khóa học chính xác mà tôi đã tham gia là Python & SQL cho Khoa học dữ liệu, nhưng tôi đã có thể truy xuất vị trí của nó kể từ khi nó được hơn 3 năm. Tuy nhiên, có rất nhiều khóa học tuyệt vời về Python, Khoa học dữ liệu và Học máy đồng thời
Nền tảng này có các khóa học về lộ trình kỹ năng khác nhau. Theo tôi, chúng tương tự như các chuyên ngành của Coursera nhưng ngắn hơn nhiều. Các khóa học về lộ trình kỹ năng bao gồm từ thân thiện với người mới bắt đầu, dành cho người hoàn toàn mới, đến nâng cao. Để bổ sung thêm, có một số tính năng hữu ích khác trên nền tảng, chẳng hạn như blog Codeacademy
Một số khóa học bạn có thể muốn xem xét bao gồm
- Học Python 3
- Trực quan hóa dữ liệu với Python
- Cách làm sạch dữ liệu bằng Python
- Xây dựng mô hình học máy với Python
Hướng dẫn quá giang về Python
Hướng dẫn quá giang về Python có tác động lớn đến quá trình phát triển Python của tôi. Nó không dành riêng cho Machine Learning và Data Science, nhưng nó chứa đầy những hiểu biết có giá trị từ các tác giả, kinh nghiệm sử dụng ngôn ngữ của Kenneth Reitz & Tanya Schulusser.
Hướng dẫn phục vụ như một cách có cấu trúc để cung cấp cho các nhà phát triển Python mới và chuyên gia một cuốn sổ tay tham khảo thực hành tốt nhất, bao gồm các chủ đề như cài đặt, kiểu mã, tài liệu, thử nghiệm, v.v.
Trại dữ liệu
DataCamp được thành lập vào năm 2013. Ý tưởng là giúp mọi người xây dựng kỹ năng dữ liệu trực tuyến và tại thời điểm viết bài này, 80% công ty trong danh sách Fortune 1000 sử dụng DataCamp để nâng cao kỹ năng cho nhóm của họ
Khóa học Nhà khoa học dữ liệu với Python sẽ đưa bạn từ chỗ không biết gì về Python trở thành Nhà khoa học dữ liệu tự tin. Nó bao gồm nhiều bài tập tương tác khác nhau cho phép sinh viên thực hành với một số thư viện thực tế trong Python cho Khoa học dữ liệu [i. e NumPy, Matplotlib, Pandas, v.v.]
Ngoài ra, sinh viên thực hiện phương pháp tiếp cận từ trên xuống để học các kỹ thuật học máy và tĩnh. Chủ đề bao gồm
- Giới thiệu về Python
- Điều tra phim Netflix
- Thao tác dữ liệu với Pandas
Suy nghĩ cuối cùng
Chọn một khóa học và gắn bó với nó. Cố gắng đừng để rơi vào cái bẫy học hết khóa học này đến khóa học khác. Ý tưởng là tham gia một khóa học và bắt đầu thực hiện những gì bạn đã học được càng sớm càng tốt. Ngoài ra, hãy cố gắng tránh tham gia vào cuộc tranh luận giữa Python và R - điều đó hoàn toàn lãng phí thời gian và sẽ không giúp bạn tiến xa hơn trong sự nghiệp
Cảm ơn vì đã đọc
Nếu bạn thích bài viết này, hãy kết nối với tôi bằng cách đăng ký nhận bản tin MIỄN PHÍ hàng tuần của tôi. Không bao giờ bỏ lỡ một bài viết nào của tôi về Trí tuệ nhân tạo, Khoa học dữ liệu và Nghề tự do