Comment démarrer la Data Science ?

Plein de monde me demande comment démarrer en Data Science et ce qu’ils devraient apprendre pour devenir Data Scientist ou comprendre la Data Science. Voici les formations que j’ai suivies et certains articles intéressants sur le sujet.

Formations

Machine Learning from Coursera

Cette formation dans Coursera a été suivie par plus de 2 millions de personnes, oui, 2 millions ! Il est très bien fait et rend la Data Science simple grâce à la façon dont Andrew Ng l’enseigne.
Souvent quand je parle de cette formation, les personnes qui connaissent la Data Science connaissent aussi cette formation
Cette formation montre comment fonctionne la Machine Learning et les théories sous-jacentes. Il y a des exercices pratiques intensifs sur Matlab/Octave. Soyez prêt à utiliser vos souvenirs de math (matrices, dérivées, fonctions) et à coder aussi.
Lien : https://www.coursera.org/learn/machine-learning/home/welcome

cognitiveclass.ai

Ce site est géré par IBM et il y a plein de cours intéressants.
De plus vous pouvez avoir un crédit de $1200 dans le Cloud IBM pour tester ce que vous avez appris.
– Data Analysis with Python : Apprenez comment analyser les données avec Python. Ce cours vous apprendra les bases de l’analyse de données de différents type. Vous apprendrez comment préparer les données pour les analyses, faire de analyses statistiques simples, créer des visualisations pleines de sens, prédire l’évolution des données et plus encore !
– Machine Learning with Python : Apprenez comment utilisez les librairies Python. C’est un bon cours à faire après avoir suivi le cours de Machine Learning de Coursera.

Articles

Medium.com est une bonne source d’articles

10 Machine Learning Methods that Every Data Scientist Should Know : Une liste intéressante de sujets sur la Data Science.

Laisser un commentaire


NOTE - Vous pouvez utiliser les éléments et attributs HTML tags and attributes:
<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.