你想成為具備 AI & Data Science 能力的未來關鍵人才?
⠀⠀
學程從基礎思維、核心技術、產業應用
逐步培養AI資料科家必備技能,
#包含9大關鍵職能
程式語言、資料庫、網路爬蟲、
資料探勘、資料視覺化、機器學習、
影像辨識、深度學習、自然語言處理。
⠀⠀
#給你完整18週的全線上培訓模式
透過12堂線上課程+9堂直播實作,
帶你從基礎、進階到應用
逐步完成9項專案作品。
搭配技術解題導向的共學社群,
讓你透過學程專屬交流社團,
與超過200位學習夥伴一起成長。
⠀⠀
學習中遇到任何學習問題,
都可以透過課程討論區、講師提問互動與答疑解惑,
每項作業都有個人化回饋,
讓你知道如何改進與優化你所學習。
⠀⠀
#3大主題與4種學習資源培養AI基礎思維
為了培養AI基礎思維,
額外規劃3大主題:
最新趨勢、前瞻技術、產業應用
⠀⠀
搭配4種學習資源:
1|5堂AI基礎思維線上課、
2|22篇資料科學專欄文章、
3|22則資料科學Podcast、
4|每月資料科學直播講座
全部提供給你,
幫助你更快掌握AI與資料科學的基礎知識。
⠀⠀
#TibaMe以科技助力學習
直播課缺席不用請假,
會提供七天直播影片回放給你複習,
每週寄送進度課表,
讓你可以按部就班進行學習,
所有學習行為都能透過學習數據中心
做到完整進度追蹤與成果回顧。
更貼心支援行動學習App,
把握每個零碎時間,走到哪學到哪 !
⠀⠀
立即了解完整學程資訊👇
https://bit.ly/3CQBUyu
⠀⠀
#AI資料科學家 #全方位學程班
#超高CP值 #緯育 #TibaMe
同時也有15部Youtube影片,追蹤數超過2萬的網紅Untyped 對啊我是工程師,也在其Youtube影片中提到,👇👇👇【凱心琳粉絲Himalaya專屬優惠】(提供30天免費試用!)👇👇👇 https://www.himalaya.com/mPmC6 (此連結已有我的優惠不用再輸入優惠碼!) 2. 點擊「領取30天免費暢聽」 3. 登入 or 注冊後右邊就會出現「優惠碼untyped已兌換 」 ★ 如果...
「data science 課程」的推薦目錄:
- 關於data science 課程 在 緯育TibaMe Facebook 的最讚貼文
- 關於data science 課程 在 軟體開發學習資訊分享 Facebook 的最讚貼文
- 關於data science 課程 在 蔡依橙的閱讀筆記 Facebook 的精選貼文
- 關於data science 課程 在 Untyped 對啊我是工程師 Youtube 的精選貼文
- 關於data science 課程 在 Untyped 對啊我是工程師 Youtube 的精選貼文
- 關於data science 課程 在 李黎哈哈LilyHaha Youtube 的最佳貼文
- 關於data science 課程 在 Re: [心得] 自學AI資源分享- 看板DataScience - 批踢踢實業坊 的評價
- 關於data science 課程 在 【Data Science網上學習課程分享】上完覺得有無用 ... - YouTube 的評價
- 關於data science 課程 在 [分享] Coursera的Data Science課程- r_language | PTT數位生活 的評價
- 關於data science 課程 在 Chi-Yi Kuan 分享了1 則帖子。 的評價
- 關於data science 課程 在 Introduction to Programming for Data Science 的評價
- 關於data science 課程 在 Data Science in Manufacturing 製造資料科學 - GitHub 的評價
- 關於data science 課程 在 成為大數據時代的精英學子:Big Data 的推薦好課! - Pinterest 的評價
data science 課程 在 軟體開發學習資訊分享 Facebook 的最讚貼文
使用Pandas、SQL資料庫、JSON、Web API等,掌握真實世界的機器學習和金融專案
本課程的起點是許多其他課程的終點。你可以編寫一些Pandas程式碼,但你仍然在真實世界的專案中掙扎
無論你是為了資料分析、機器學習還是金融目的而需要優秀的 Pandas 技能,這都是讓你的技能達到專家級水平的正確課程! 掌握你的真實世界專案
https://softnshare.com/python-data-science-with-pandas-master-advanced-projects/
data science 課程 在 蔡依橙的閱讀筆記 Facebook 的精選貼文
【全新梯次】11/7(日)#統合分析工作坊 開放報名囉!
⠀
無資源、沒經費,只透過電腦搜尋資料庫文獻,有可能靠自己成功產出論文嗎?
⠀
有的,meta-analysis 就是你的首選。因為 meta-analysis 論文容易寫、容易發,非常適合「資源缺乏」又需要「單兵作戰」的研究者,不需要 IRB 且免收案!
⠀
然而,即使想寫 meta-analysis 論文,卻不知道重點在哪裡、最重要的數值是哪些、內行人在意什麼,又要如何算出這些數據?
⠀
新思惟理解大家的困境,以系統化的教學設計,帶您用一天的時間高效率學習,從論文規劃到文章架構,從文獻搜尋到統計圖表,課堂上通通告訴您。最受好評的互動實作,更帶領您直接在自己的電腦,親手跑出統計、完成高品質的 meta-analysis 圖表!
⠀
☑ 統合分析研究規劃技巧
☑ 正確拆解論文架構
☑ 必學的重要專有名詞
☑ 互動實作:完成一套 Meta-analysis 圖表
☑ 以發表為導向的搜尋文獻
☑ Meta-analysis 圖表優化重點
☑ 給初學者的起步建議
⠀
🔸 11/7(日)統合分析工作坊
➠ https://meta-analysis.innovarad.tw/event/
(配合國家防疫政策,室內空間降載五成以上,名額有限請把握。)
⠀
👨🏫 堅強講者陣容
⠀
#張凱閔,知名復健醫學與超音波學者,台大流病與預防醫學博士,已發表多篇 meta-analysis 論文,探討臨床常見議題。
⠀
#曾秉濤,專業精神科醫師,擅長從臨床工作找到發表議題,已發表多篇 meta-analysis 論文,並組成研究團隊。
⠀
#蔡依橙,專業課程開發與整合者,能迅速理解學門架構,並以初學者能理解的方式,建構學習流程。生涯被 SCI 期刊接受的圖表,已超過 500 張,熟悉學術審閱過程與要求。
⠀
🗣️ 學員課後心得
⠀
「以前也上過大大小小統計相關課程,本以為會像其他課程會一樣讓人頭昏腦脹,沒想到竟如夢初醒、茅塞頓開,非常感謝新思惟安排這樣的課程,讓同學能夠依循一定的脈絡,一步一步踏上寫出自己第一篇 meta-analysis 的路。」
⠀
「講師除了介紹一篇統合分析論文中,所運用的各種統計名詞與意義外,更是帶領著學員們手把手,將 raw data 逐步繪製成能夠投稿的 SCI 等級圖表。當看到一張張統計圖表在自己的螢幕中出現時,心中的那分悸動真的是無以言喻啊!」
⠀
🎖 近期學員快訊
⠀
▪ 張博智與張庭瑋醫師團隊,關於內視鏡袖狀胃切除手術,使用不同尺寸探條之統合分析,獲 Scientific Reports 刊登!
▪ 楊政群醫師團隊,關於植入性胎盤患者以子宮動脈栓塞術減少手術出血之統合分析,獲 Cardiovascular and Interventional Radiology 刊登!
▪ 葉人豪醫師團隊,關於食道靜脈曲張結紮後使用短效血管收縮劑之統合分析,獲 Science Progress 刊登!
⠀
🔸 11/7(日)統合分析工作坊
➠ https://meta-analysis.innovarad.tw/event/
現在投資自己,將來 PubMed 上有你。
data science 課程 在 Untyped 對啊我是工程師 Youtube 的精選貼文
👇👇👇【凱心琳粉絲Himalaya專屬優惠】(提供30天免費試用!)👇👇👇
https://www.himalaya.com/mPmC6
(此連結已有我的優惠不用再輸入優惠碼!)
2. 點擊「領取30天免費暢聽」
3. 登入 or 注冊後右邊就會出現「優惠碼untyped已兌換 」
★ 如果沒有出現請在優惠碼欄位輸入「untyped」
(可隨時退訂,且30天內完全免費)
這集會聊到...
💬 Overview 💬
1:30 💙 不用早起通勤
2:40 💙 聊聊有聲書
6:30 💙 工作時間彈性
8:26 💙 工作地點彈性
9:09 💙 沒有免費食物
9:40 💙 不用看到同事
11:00 💙 凱心琳喜歡遠端工作嗎
📢 📣 📢 本頻道影片內容有輸出成 podcast 📢 📣 📢
可以在各大podcast平台搜尋「Untyped 對啊我是工程師」
請大家多多支持呀!!🙏🏻💁🏻♀️
#遠端工作 #WorkFromCar #Himalaya有聲書
一定要看到影片最後面並且在「YouTube影片下方」按讚留言訂閱分享唷!
【愛屋及烏】
YouTube 👉 https://www.youtube.com/c/Untyped對啊我是工程師
Podcast 👉 https://open.spotify.com/show/3L5GRMXmq1MRsliQt43oi2?si=3zgvfHlETeuGfp9rIvwTdw
Facebook 臉書粉專 👉 https://www.facebook.com/untyped/
Instagram 👉 https://www.instagram.com/untypedcoding/
合作邀約 👉 untypedcoding@gmail.com
-
Untyped 對啊我是工程師 - There are so many data types in the world of computer science, so are the people who write the code. We aim to UNTYPE the stereotype of engineers and of how coding is only for a certain type of people.
凱心琳: 一個喜歡電腦科學邏輯推理,在科技圈努力為性別平等奮鬥的工程師。
data science 課程 在 Untyped 對啊我是工程師 Youtube 的精選貼文
常有觀眾問我有沒有推薦給程式設計初學者的軟體工程書籍,今天分享3本我自己很喜歡的電腦科學相關的書。但是,我是個非常懶得看書的人啊!!所以這三本書都是夠實用夠有趣,我才有辦法看,才會分享給你們。
這集會聊到...
Overview 💬
💙 準備軟體工程師面試必備書 2:19
Cracking the Coding Interview 提升程式設計師的面試力
🔗 蝦皮 中文: https://shp.ee/y7rbjqk
🔗 博客來 English : https://www.books.com.tw/exep/assp.php/untypedcoding/products/F013846860?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
🔗 博客來 中文:
https://www.books.com.tw/exep/assp.php/untypedcoding/products/E050035291?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
💙 當畫家遇上演算法 看圖學演算法 4:28
Grokking Algorithms 白話演算法!培養程式設計的邏輯思考
🔗 蝦皮 中文: https://shp.ee/k3jtmvg
🔗 博客來 English : https://www.books.com.tw/exep/assp.php/untypedcoding/products/F013567471?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
🔗 博客來 中文:
https://www.books.com.tw/exep/assp.php/untypedcoding/products/0010887779?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
💙 置入生活中的演算法 6:20
Algorithms to Live By: The Computer Science of Human Decisions 決斷的演算:預測、分析與好決定的11堂邏輯課
🔗 蝦皮 中文: https://shp.ee/rvvh89e
🔗 博客來 English : https://www.books.com.tw/exep/assp.php/untypedcoding/products/F013864481?utm_source=untypedcoding&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202105
📢 📣 📢 本頻道影片內容有輸出成 podcast 📢 📣 📢
可以在各大podcast平台搜尋「Untyped 對啊我是工程師」
請大家多多支持呀!!🙏🏻💁🏻♀️
#書到用時方恨少 #演算法繪本 #ComputerScienceBooks
一定要看到影片最後面並且在「YouTube影片下方」按讚留言訂閱分享唷!
【愛屋及烏】
YouTube 👉 https://www.youtube.com/c/Untyped對啊我是工程師
Podcast 👉 https://open.spotify.com/show/3L5GRMXmq1MRsliQt43oi2?si=3zgvfHlETeuGfp9rIvwTdw
Facebook 臉書粉專 👉 https://www.facebook.com/untyped/
Instagram 👉 https://www.instagram.com/untypedcoding/
合作邀約 👉 untypedcoding@gmail.com
-
Untyped 對啊我是工程師 - There are so many data types in the world of computer science, so are the people who write the code. We aim to UNTYPE the stereotype of engineers and of how coding is only for a certain type of people.
凱心琳: 一個喜歡電腦科學邏輯推理,在科技圈努力為性別平等奮鬥的工程師。
【Disclaimer 聲明】
Some links are affiliated.
上面有些連結是回饋連結,如果你透過這些連結購買商品,我可以得到一些小獎勵,但不會影響到你購買的價格,甚至會是更低的價格!謝謝你的支持💕
【㊫ 電腦科學/軟體工程 學習資源 📖】
用Scala學習函式程式設計
https://bit.ly/2IF0Thv
Scala 函数式程式設計原理
https://bit.ly/3kBQXTb
平行程式設計
https://bit.ly/3pCeaZf
Android 應用程式開發 專項課程
https://bit.ly/3lGCUwW
普林斯頓大學 電腦科學 演算法 基礎理論
https://bit.ly/3nxomAh
Go 語言學起來
https://bit.ly/35AWhlv
Parallel, Concurrent, and Distributed Programming in Java 專項課程
https://bit.ly/2IGnlH4
Java 軟體工程基礎課程
https://bit.ly/3fa4gJi
全端開發 跨平台手機app 開發 完整課程
https://bit.ly/2UCGWum
從0-1學 Python 3
https://tinyurl.com/python-bootcamp-untyped
從0-1學 JavaScript
https://tinyurl.com/js-complete-untyped
data science 課程 在 李黎哈哈LilyHaha Youtube 的最佳貼文
從資管輔企管,加上多修了很多學分,才申請到曼海姆大學的 Business Informatics 跟 data science ,至於為什麼想要申請比較偏資工的 business informatics呢?還有在申請時學分不夠應該怎麼辦呢?就聽聽Morris怎麼說吧!
▷▶︎ 幫助你更快的找到問題
-------------------------
00:00 關於Morris
00:10 為什麼想要申請德國碩士?
01:44 為什麼當初想到德國交換?
02:32 碩士為什麼想要申請Business Informatics?
03:03 資管背景在申請德國Business Informatics有什麼困難嗎?
03:50 課程符合度不夠怎麼辦?
06:51 怎麼去換算自己的學分,看夠不夠申請?
07:25 除了曼海姆大學,還有申請哪些學校嗎?
10:31 同時申請上曼海姆的data science跟business informatics,為什麼選後者?
10:45 同時申請很多學校的時候,文件應該如何準備?
12:45 過去在不同產業實習的經驗,對於申請有幫助嗎?
13:52 在軟體業實習,跟在獵人頭公司實習的差異?
15:04 柏林工大跟曼海姆大學的選擇?
16:51 對於曼海姆這個城市的看法?
17:33 對於曼海姆大學business informatics課程規劃,感覺如何?
19:54 台灣資管(偏管理)畢業,想要申請德國business informatics(偏資工),有什麼建議嗎?
23:09 Information system 跟business informatics的差異?
23:58 未來的職涯規劃?
▷▶︎ 點擊領取德國留學申請祕訣
https://mailchi.mp/e20209012955/lilyhahahahana
▷▶︎ 點擊訂閱每週電子報
https://mailchi.mp/95e79555ca49/7d3opqfuv6
▷▶︎ More LILYHAHA
----------------------
▪︎ Instagram: https://www.instagram.com/lily.hahahahana/
▪︎ Email: [email protected]
(更多留學諮詢、合作,請來信)
▷▶︎ About LILYHAHA
---------------------
留學不在只是夢想,過去在準備德國留學的路上,資源總是相對英美少的很多,因此希望透過YouTube這個平台,來分享更多在歐洲的留學&工作經驗給大家,想到德國工作?想到德國念碩士?但卻沒有什麼方向,都可以跟我聊聊喔!
▷▶︎ 留學德國申請祕訣-免費資源
----------------------------------------
▪︎ 底下留言告訴我你的eamil,即可領取申請祕訣喔!
▪︎ 私訊預約免費留學諮詢30分鐘
▷▶︎ 這些影片會讓你對德國有更多了解
-------------------------------------
⇢德國留學&生活
▪︎ 德國亞洲超市:https://youtu.be/B2xAXR5in8E
▪︎ 德國一天需要多少德文:https://youtu.be/qsmiffED25Y
▪︎ 德國外食花費:https://youtu.be/DDH8coykU3A
▪︎ 德國大學排名:https://youtu.be/9XWqweyKowo
⇢德國留學訪談
▪︎ 高中申請學士(慕尼黑大學)https://youtu.be/rL3eG-X3NfQ
▪︎ 德國碩士獎學金(慕尼黑工大)https://youtu.be/HvS2e6WjZzo
▪︎ 瑞士博士申請(蘇黎世聯邦理工)https://youtu.be/nT0HYE1Ctn0
▪︎ 瑞士碩士申請(洛桑聯邦理工)https://youtu.be/ATmVnNDhHTE
▪︎ 德國科大碩士(Hochschule Esslingen) https://youtu.be/gdIAPx4gmbE
⇢德國工作&實習
▪︎ 德國互惠生:https://youtu.be/x2Zysm7-0yk
▪︎ 德國畢業賺多少:https://youtu.be/FzBh5MRSuO4
▪︎ 德國實習&打工經驗:https://youtu.be/81CnfYIXJMA
▪︎ 德國軟體工程師:https://youtu.be/mY1K17nUzGU
▪︎ 瑞士Google工程師:https://youtu.be/7ly1ZCUldss
▷▶︎ key words 關鍵字
----------------------
李黎哈哈 李黎哈哈訪談系列 德國留學 歐洲留學 德國工作 德國實習 德國生活 歐洲生活 德國簽證 留學申請 留學心得
▷▶︎ 影片當中的音樂
--------------------
Music by Dan and Drum - Fire n' Shit - https://thmatc.co/?l=11AAF651
Music by Reggie San Miguel - Windchill - https://thmatc.co/?l=66C5AD97
🎥在使用的影片拍攝剪輯器材
相機 sony zv1
https://amzn.to/2C8Iab1
攝影 i Phone 7
https://amzn.to/3hc1sMw
腳架 JOBE
https://amzn.to/3dPME3X
麥克風 RODE
https://amzn.to/3f8ZL0t
剪輯 FCPX
https://amzn.to/3dQr6V8
字幕 Arctime
------------------------------------------------------------------------------------
data science 課程 在 【Data Science網上學習課程分享】上完覺得有無用 ... - YouTube 的推薦與評價
相信大家學 Data science 或Machine learning都有上一啲網上教學 課程 ,你地又點揀 課程 去讀呢?上完覺得有無用?又或者有無遇過伏course? ... <看更多>
data science 課程 在 [分享] Coursera的Data Science課程- r_language | PTT數位生活 的推薦與評價
因為相當新,所以其實不像統計學有大量有系統性的整理教材, 之前在Coursera上看到一門新的課程, "Introduction to Data Science",目前已經完結,不過應該還可以上去 ... ... <看更多>
data science 課程 在 Re: [心得] 自學AI資源分享- 看板DataScience - 批踢踢實業坊 的推薦與評價
感謝原 PO 的分享,我也來分享一下我自己的學習清單
==== 前言 ====
去年因緣際會知道了有關大數據、資料科學、機器學習這些領域
本來考慮要去參加資策會的課程,但自己要在家帶小孩
如果參加課程,小孩要找保母,整個機會成本太高,因此決定自學先
網路課程現在幾乎是隨手可得,想要自學的人根本不怕沒有教材可以學習,但是五花八門
的課程中,怎麼去選擇就是一個很重要的問題了。
我自己是一個門外漢,因此在選擇課程以及安排上面花了蠻多時間,以下大多是我看過或
是大概瀏覽過覺得不錯的課程,就推薦給想要自學又不知道怎麼開始的朋友們吧~
==== 概論 ====
由於自己雖為國立大學數學系畢業,但畢業非常多年,加上自己也非科班出身,因此想要
先了解整個領域的範疇、概要,之後再開始針對各個科目分進合擊。
PS : 初期我自己都以大數據為出發點,所以上的課都是大數據概論取向,但再其中其實
對於資料科學、AI、機器學習都會講到。
1. [ Coursera ] 大數據分析:商業應用與策略管理 (Big Data Analytics: Business
Applications and Strategic Decisions)
這門課是台大與玉山銀行合作開的線上課程,與其說是課程,我認為比較偏向講座,在這
過程中可以對大數據、機器學習等在商業上的應用。這堂課可當作補充資料來上,會有一
些實務應用上的概念,當然,如果沒時間也不一定非得要上。
2. [ Coursera ] Big Data Specialization
University of California, San Diego 開設的這們課程,我個人還蠻推薦的,尤其是對
跨領域、無先備知識的學習者來說,可以在這一系列課程中很快速地對整個領域有蠻深入
的理解。
3. [ Book ] 精通 Python
4. [ Book ] Python 資料科學學習手冊
這兩本都是 O’REILLY 的經典書籍,我必須坦白說我沒有完整的看完,精通 Python 我
針對資料科學的部分有完整看過,然後做習題,但裡面很多章節稍微跟資料課學無關的我
幾乎都暫先跳過,而資料科學學習手冊我是都拿來當工具書翻閱。( 所以我 coding 能力
還是一樣很差XDDDDD )
==== Python ====
第二階段我開始以 Python 為主進行學習,因為我自己 coding 能力幾乎是 0,這個部分
必然要作為初期學習的重點項目。另外,雖然說這是第二階段,但其實這部分跟上述的概
論課程我幾乎都是同時期一起上課。( 不過我坦承到現在我自己的 coding能力還是很差XDD )
1. [ Coursera ] Python for Everybody Specialization
這門是 University of Michigan 所開設的 Python 專項課程,完全從 0 基礎開始上課
,上完以後可以可以進行一些初階的程式作業我想是沒有問題的,這堂課並沒有太多針對
資料科學的部分,主要是以各領域都會用到的基礎工具為主。Charles Russell 的上課方
式我超喜歡,喜歡友去上課方式的人我想也會跟我一樣喜歡這門課。
2. [ Coursera ] Applied Data Science with Python Specialization
一樣是 University of Michigan 開設的,這專項課程我作為上門課程的接續課程。前面
幾堂會針對 python 在資料科學中會用到的模組、方法進行概略式的瀏覽,後面則會針對
視覺化、機器學習等領域做較為深入的介紹。整個課程較上一門來說困難度增加不少,因
為我自己有做手寫筆記的習慣,這門課的許多東西在我現在 coding 遇到問題時都還能翻
閱筆記作為工具書使用,我覺得受益不少。
3. [ Coursera ] Fundamentals of computing
Rice University 所開設的課程,之前應該也是在論壇看見推薦的,但課程難度較高,目
前我也是暫時先擱置還未進行這課程的學習。
===== Machine Learning =====
1. [ YouTube ] 機器學習基石 & 技法
(Machine Learning Foundations and Techniques)
台大林軒田教授所開設的機器學習課程,在 Coursera 與 YouTube 軍可以免費觀看課程
內容。這門課主要以基礎的機器學習演算法為主,但雖然說世紀處演算法,但內容包含的
數學比重較重,啃下來的確會有點困難,但整個課程的安排的確非常流暢,老師的講述也
算是蠻清楚。而且教授對於課程教學十分用心,如果在 YouTube 或是 Coursera 上面提
問,教授 (或助教) 都會盡可能地回覆。( 即使課程已經是兩三年前的課程了,現在也都
會看到教授的回覆,非常用心。 )
2. [ YouTube ] Machine Learning — 李宏毅
台大李宏毅所開設的機器學習課程,一直以來都是台灣及中國學習者極力推薦的中文課程
之一。課程內容與時俱進,每一年都會將最新的機器學習、深度學習的演算法、模型加入
到課程內,讓學習者能夠跟上整個領域的發展。數學的比重比林軒田教授的課程低,而且
多了許多有趣的範例及講述,上課起來輕鬆不少。然而,影片內容我個人覺得安排較為紊
亂,可能是每一年的課程進度剪接而成,在某一些地方的銜接度較差,這是上課時稍微讓
人困惑的地方。不過瑕不掩瑜,這門課程我認為還是非常值得花時間上的。
[ 補充 ] 最近中國一些人將李宏毅的課程整理成一個 github 專案,完全複刻課程內容
,包含了課程中的所有 demo 以及課程作業內容,非常值得大家在上課的同時做參考使用
。
[ 補充 ] 李宏毅另外有一門課程 " Machine Learning and having it deep and
structured ",會更深入講解機器學習的演算法跟架構,這也是後續上完 Machine
Learning 後可以深入補充的課程。
3. [ Coursera ] Machine Learning — Andrew Ng
由 Stanford University 的吳恩達教授所開設的課程,這已經是全世界公認的經典了,
不過已經花了大半年上完前面兩門課程的我,可能要稍作休息,待日後有機會再來進行這
門課程的學習。
4. [ YouTube ] Large-Scale Machine Learning
清大吳尚鴻所開設的課程 (https://www.cs.nthu.edu.tw/~shwu/courses/ml/),忘了在哪
看見推薦的,我有上去大概看了一下,就學習論的部分我覺得講解的蠻清楚,就也是有空
可以再回頭來看看。
===== Mathematics =====
整個 Machine Learning 所涵蓋的數學領域其實是很廣的,有一些甚至不是數學系四年會
碰觸到的部分,而且某些部分甚至都是數學系、所一整學年的課程,我認為不用太糾結每
一個數學細節,找到一個可以說服自己的方式就好。( 當然,如果你真的想走演算法這條
路,要求就要再提高ㄧ些 )。如果有時間我會建議可以把機率統計以及線性代數的部分上
過一次(我大學機率統計實在學得慘不忍睹),我認為這兩個領域如果可以上手,就會輕鬆
許多。
1. [ 清大開放式課程 ] 機率論
2. [ 清大開放式課程 ] 統計學
3. [ 清大開放式課程 ] 數理統計
這三們都是清大鄭少為老師所開的課,基本上他的機統普遍受到許多人的推薦,我自己有
看過前面幾堂的機率論,我認為條理清楚,講義也很詳細,這是我真的很想找時間上的課
程。
4. 線性代數
這個部份我目前暫時沒有重新上課的打算,大學教授上的非常好,我的筆記也都還留著,
就可以來回對照著參考,如果有推薦的課程也可以讓我知道,一起推薦給所有人參考看看
。
===== 補充資料 =====
這裡推薦幾個我認為很有幫助的學習途徑,有些是課程,有些並不算是。但我認為都可以
在上面這些基礎課程以外作為增強實力的補充教材。(備註 : 這裡我選出來的都是比較廣
泛性的平台,但 Medium 或是ㄧ些個人部落格也有很多非常棒的補充資料可以看,但這樣
的資料多且雜,我就暫時沒收在下列推薦名單中。)
1. AI 研習社 ( https://ai.yanxishe.com/ )
不得不說,中國在這領域的發展真的比台灣快而且豐富,當我在學習過程中找尋中文資料
時,九成都是從中國的論壇或是部落格中找到,台灣在這方面的分享上面的確比較少。
AI 研習社我會建議大家可以去他的線上課程看,裡面有幾個大師級的課程 ( 重點是有簡
中字幕XD ),例如 Hinton 的課程我就會想要找時間來看一下。裡面還有一些資料、論文
整理的部分,大家也是可以上去晃晃看。
PS:它有一門「機器學習必修之數學基礎」系列課程其實我還蠻有興趣的,但是學費不便
宜就…
2. CSDN博客 ( https://blog.csdn.net/ )
不管閱讀論文還是課程上面有疑問,絕對可以針對同一件事情再上面找到非常多樣化的解
釋。上面我曾經說過,很多時候不要拘泥,找到一個能說服自己的方式就好,通常我都會
在許多不同的解釋當中選擇一個我比較理解且能接受的方式作為我對這件事情的理解。
3. 知乎
這有點像是中國版的奇摩知識+ (?),針對一個問題也可以看到底下有許多不同角度的切
入,我覺得這樣的學習其實蠻不錯的。當我在找資料的時候,只要是CSDN跟知乎我都會點
進去看一下,許多時候都會有不錯的收穫。
4. reddit/MachineLearing ( https://www.reddit.com/r/MachineLearning/ )
reddit 的 Machine Learning 版裡面有許多的神人,還潛伏了許多論文的作者在裡面,
時不時會有一些很新的論文發表、成果發表還有許多有趣的討論在裡面,我覺得可以收藏
起來看。
5. 微博公眾號
好,我知道這部分爭議很大,如果真的很介意的可以跳過這一 part。
我完全沒有在用微博,但為了ㄧ些公眾號的訂閱我才開始使用。許多公眾號會把很新的
AI 新知、或是一些知識整理放出來,雖然品質參差不齊,但也不得不說有時候真的能撿
到一些不錯的好文章。另外,覺得閱讀reddit 全英文資料很吃力的,有時候大概在
reddit 上面發表一兩天之後公眾號就有簡體中文的說明出來,我覺得有時候偷吃步其實
也是蠻可以的啦XDDDDD。還有一個公眾號會每天發送各種領域最新的論文內容出來,如果
閱讀論文速度很快的,可以從這樣的公眾號中拿到很多最新的論文資訊。
=======END=======
以上是我自己的一些學習資訊,也提供給大家參考看看
當然還有很多非科班出身必須要修的 例如資料結構跟演算法等等
我目前還沒有什麼概念,如果有人有推薦課程也希望不吝分享讓我知道一下
--
聽眾散去了,希爾伯特卻仍留在講台上,
他等著看自己是否已經運用有利的例子,優越的論證,
以及具誘惑力的23個問題,
塑造他期盼見到的未來.....
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.45.98.201 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1565639939.A.F2F.html
... <看更多>