Обзор наиболее интересных материалов по анализу данных и машинному обучению №3 (обзор онлайн курсов)

Данный выпуск обзора наиболее интересных материалов по анализу данных и машинному обучению полностью посвящен онлайн-курсам по тематике Data Science. В прошлом выпуске ^[1] был представлен список онлайн-курсов, стартующих в ближайшее время. В данном выпуске я постарался собрать наиболее интересные онлайн-курсы по теме анализа данных. Стоит отметить, что некоторые курсы уже закончились, но у большинства таких курсов можно посмотреть архив всех учебных материалов.
Начинается обзор с набора курсов от Johns Hopkins University на Coursera, которые объединены в одной специализации «Data Science Specialization», поэтому имеет смысл рассмотреть их отдельно от остальных курсов. Это 9 официальных курсов специализации и два дополнительных Mathematical Biostatistics Boot Camp 1 и 2, которые официально не входят в специализацию. Важно отметить, что весь набор данных курсов регулярно начинается заново и в общем-то можно достаточно гибко построить свой график продвижения по специализации. Большинство курсов длятся 4 недели. Язык R является основным языком программирования в данном наборе курсов. Далее идет список курсов из специализации Data Science от Johns Hopkins University:

• The Data Scientist’s Toolbox ^[2] — базовый курс в специализации и посвящен обзору различных инструментов специалиста по анализу данных. Количество материалов невелико и курс может быть пройден за 3-4 часа.
• R Programming ^[3] — базовый курс в специализации и посвящен основам работы с язык программирования R.
• Getting and Cleaning Data ^[4] — также является базовым курсом в специализации и посвящен очень важной теме подготовки и обработки сырых входных данных к дальнейшему анализу.
• Exploratory Data Analysis ^[5] — курс посвящен исследовательскому анализу данных и визуализации данных с помощью языка R и таких популярных пакетов для визуализации как lattice и ggplot2.
• Reproducible Research ^[6] — курс рассказывает о такой важной теме в анализе данных как Reproducible Research. Рассматриваются пакет knitlr для языка R, а также язык разметки R Markdown.
• Statistical Inference ^[7] — формально курс посвящен теме статистического вывода, но по сути является курсом по основам статистики и теории вероятностей. Подано все в очень скомканной и сумбурной форме. Один из самых неоднозначных курсов в данной специализации. Надеюсь, что в будущих версиях курс будет серьезно переработан.
• Regression Models ^[8] — курс посвящен теме регрессионного анализа. К курсу также есть вопросы по теме проработанности материала и надежда, что создатели курса обратят внимание на комментарии студентов и серьезно переработают курс в будущем.
• Practical Machine Learning ^[9] — курс посвящен основам машинного обучения.
• Developing Data Products ^[10] — курс посвящен разработке современных продуктов в теме анализа данных. Рассматриваются такие популярные фреймворки как Shiny и Slidify.
• Mathematical Biostatistics Boot Camp 1 ^[11] — первая часть курса по биостатистике от Johns Hopkins University, является неофициальным дополнением к специализации Data Science, хорошо покрывает основы статистики и теории вероятностей.
• Mathematical Biostatistics Boot Camp 2 ^[12] — вторая часть курса по биостатистике от Johns Hopkins University, является неофициальным дополнением к специализации Data Science, хорошо покрывает основы статистики и теории вероятностей.

Далее рассмотрим курсы, которые помогут улучшить общие навыки, необходимые для специалиста по анализу данных:

• Intro to Hadoop and MapReduce ^[13] (Udacity) — курс посвящен основам работы с Hadoop и большими наборами данных.
• Data Wrangling with MongoDB ^[14] (Udacity) — речь в данном курсе пойдет о работе с данными в такой популярной сейчас NoSQL базе данных как MongoDB.
• Programming Foundations with Python ^[15] (Udacity) — курс посвящен основам языка программирования Python, который стремительно набирает популярность среди специалистов по анализу данных.
• Introduction to Databases ^[16] (Coursera — Stanford University) — курс рассказывает о работе с реляционными источниками данных, а также о работе с другими популярными форматами хранения данных (XML, JSON)

Теперь перейдем к курсам, которые посвящены теории вероятностей и статистике. Безусловно знание данных дисциплин будет полезно каждому, кто претендует на звание специалиста по анализу данных. В некоторых случаях разделение курсов на категории достаточно условно, так как многие курсы охватывают различные аспекты, связанные с анализом данных. Далее представлен список курсов в данной категории:

• Probabilty and Statistics ^[17] (Khan Academy) — отличный набор базовых вещей по статистике и теории вероятностей от Khan Academy.
• Case-Based Introduction to Biostatistics ^[18] (Coursera — Johns Hopkins University) — курс прдеставляет в доступной форме основы статистики и теории вероятностей с примерами из биостатистики.
• Probabilistic Graphical Models ^[19] (Coursera — Stanford University) — небольшой курс по теории вероятностей.
• Statistics: Making Sense of Data ^[20] (Coursera — University of Toronto) — еще один курс по основам статистики.
• Data Analysis and Statistical Inference ^[21] (Coursera — Duke University) — отличный курс по анализу данных, в котором доступно рассказывается об основах теории вероятностей и статистики.
• Statistics One ^[22] (Coursera — Princeton University) — неплохой курс по основам статистики. Материал подается на доступном уровне и не требует от слушателя специальных знаний для усвоения материала.
• Statistics in Medicine ^[23] (Stanford Online) — основы статистики на основе примеров из медицины.
• Statistics for Medical Professionals (CME) ^[24] (Stanford Online) — основы статистики на основе примеров из медицины.
• Stat_2.1x — Introduction to Statistics: Descriptive Statistics ^[25] (edX — BerkleyX) — первая часть из серии курсов по статистике и теории вероятностей. Первая часть посвящена описательной статистике.
• Stat_2.2x — Introduction to Statistics: Probability ^[26] (edX — BerkleyX) — вторая часть из серии курсов по статистике и теории вероятностей. Вторая часть посвящена основам теории вероятностей.
• Stat_2.3x — Introduction to Statistics: Inference ^[27] (edX — BerkleyX) — третья часть из серии курсов по статистике и теории вероятностей. Третья часть посвящена теме статистического вывода.
• 6.041x Introduction to Probability — The Science of Uncertainty ^[28] (edX — MITx) — курс по теории вероятностей от MIT.
• Explore Statistics with R ^[29] (edX — KIx) — новый курс по работе со статистическим языком программирования R. Первая сессия данного курса начинается 9 сентября 2014 года.
• Intro to Statistics ^[30] (Udacity) — еще один курс по основам статистики.
• Statistics ^[31] (Udacity) — достаточно простой курс по теории вероятностей и статистике.

Далее следует список курсов, которые посвящены различным аспектам темы анализа данных, таким как машинное обучение, обработка естественного языка, нейронным сетям, рекомендательным системам, анализу социальных сетей, искусственному интеллекту и другим:

• Data Analysis ^[32] (Coursera — Johns Hopkins University) — курс по анализу данных с использованием языка R длительностью 8 недель.
• Introduction to Data Science ^[33] (Coursera — University of Washington) — курс длится 8 недель. Один из наиболее популярных онлайн-курсов по основам Data Science.
• Machine Learning ^[34] (Coursera — University of Washington) — отличный курс, который длится 10 недель по машинному обучению от University of Washington.
• Machine Learning ^[35] (Coursera — Stanford University) — один из наиболее известных курсов по Machine Learning, ведет его профессор Стэнфордского Университета Andrew Ng. Курс длится 10 недель. Курс достаточно простой и понятный, не требует каких-то специальных знаний для его успешного прохождения, при этом охватывает достаточно много направлений Machine Learning.
• Natural Language Processing ^[36] (Coursera — Stanford University) — один из самых популярных онлайн-курсов по обработке естественного языка от Стэнфордского Университета.
• Introduction to Recommender Systems ^[37] (Coursera — University of Minnesota) — введение в рекомендательные системы. Нельзя сказать, что курс тщательно проработан, но курсов по данной не так много, так что он может быть интересен тем, кто занимается тематикой рекомендательных систем.
• Neural Networks for Machine Learning ^[38] (Coursera — University of Toronto) — курс по применению нейронных сетей в машинном обучении.
• Natural Language Processing ^[39] (Coursera — Columbia University) — еще один курс, посвященный теме обработки естественного языка.
• Social Network Analysis ^[40] (Coursera — University of Michigan) — курс посвящен популярной теме анализа данных социальных сетей.
• Statistical Learning ^[41] (Stanford Online) — курс, посвященный основам обучения с учителем (Supervised learning) в машинном обучении.
• SABR101x Sabremetrics: Introduction to Baseball Analytics ^[42] (edX — BUx-Boston University) — в курсе объясняются многие аспекты Data Science и Big Data на основе анализа спортивной статистики (в данном случае бейсбола).
• PH525x Data Analysis for Genomics ^[43] (edX — HarvardX) — достаточно простой курс по теме анализа данных.
• 15.071x The Analytics Edge ^[44] (edX — MITx) — курс с отличным материалом по теме анализа данных и машинному обучению.
• Learning From Data ^[45] (edX — CaltechX) — один из лучших курсов по машинному обучению. Доступно раскрываются многие темы машинного обучения.
• CS188.1x Artificial Intelligence ^[46] (edX — BerkleyX) — наверное один из самых интересных онлайн-курсов по теме искусственного интеллекта. В курсе используется язык программирования Python.
• Intro to Data Science ^[47] (Udacity) — введение в Data Science от Udacity.
• Machine Learning 1—Supervised Learning ^[48] (Udacity) — первая часть из серии курсов по машинному обучению от Udacity. Первая часть посвящена теме обучения с учителем (Supervised learning).
• Machine Learning 2—Unsupervised Learning ^[49] (Udacity) — вторая часть из серии курсов по машинному обучению от Udacity. Вторая часть посвящена теме обучения без учителя (Unsupervised learning).
• Machine Learning 3—Reinforcement Learning ^[50] (Udacity) — третья часть из серии курсов по машинному обучению от Udacity. Третья часть посвящена популярной методике машинного обучения Reinforcement Learning.
• Exploratory Data Analysis ^[51] (Udacity) — курс по визуализации данных с использованием языка R.
• Artificial Intelligence for Robotics ^[52] (Udacity) — введение в тему программирования искусственного интеллекта на примере беспилотного автомобиля.
• Intro to Artificial Intelligence ^[53] (Udacity) — курс по основам искусственного интеллекта.
• CS109 Data Science ^[54] (Harvard) — видеолекции курса по основам Data Science от Harvard Extension School

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №2 (16 — 23 июня 2014) ^[55]

Автор: moat

Источник ^[56]