온라인 교실 졸업생 충돌 데이터 과학자

많은 기업 큰 데이터 및 데이터 분석에 관심을 지불 하기 시작 하지만 재능은 아를 찾을 어렵다! 사실, 가능한 데이터 과학자, 불과 구름 서버를 다음 데이터 전문가 함께 인터넷에서 기계 학습의 몇 주를 배울 새로운 프로그래머를 훈련 하기 쉽습니다.

가장 유명한 데이터 과학자 훈련 케이스는 "엔터 프 라이즈 예측 솔루션 플랫폼" Kaggle, 최신 수상, 카터 미 Kaggle 사용자는 간단 하지만 효율적인 방식을 사용 하 여 보험 업계에서 위험을 예측 하는 "잔인 한" 분석 도구를 개발 했습니다.

이것은 놀라운 도구, 그리고 카터 보험 업계에서 예측 하는 위험에 대 한 온라인 교실에서 그가 콘텐츠를 사용 하 여 좋은 일을 발견. 그는 빅 데이터 분석은 할 어렵다 그래서 자연 언어 처리 및 소셜 네트워크 분석 하기 전에, 공부 했다. 하지만 단지 대학 으로부터 하 고 경험이 큰 데이터 과학자는 어떻게 확인 합니까? 온라인 교실 손상 수 있습니다!

루이스 Tandalla, Coursera 및 다른 온라인 클래스에 몇 가지 무료 강좌 학습 후 Kaggle의 대회에서 상을 웠 지식의 이용 했다 그리고 그의 작품 도움이 간단한 질문을 해결 하 고 그들을 점수를 교사. 그리고 그는 아무 생각도 없이 어떤 인공 지능과 기계 학습 했다.

루이스 Tandalla 데이터 과학자, 첫째로 모두의 열정을 배울 필요가 있다. 그래서 그는 자연 언어 처리와 확률 템플릿 과정에 했다 Coursera, 그리고 그 다음 Kaggle를 공부 하는 동안 그의 관점을 연습. 그는 컴퓨터 과학 전공 분야 보다는 내년에 기계 공학에서 학사 학위를 졸업 것입니다. 그는 졸업 후 예측 소프트웨어 서비스 회사를 만들고 싶다고 말했다.

Tandalla 유일한 예를 수 있습니다. 대부분의 수 상자는 Kaggle에 Coursera에 기계 학습 과정을 공부 했다. 싱가포르 Xavier Conort 작년 Kaggle에서 상위 데이터 과학자 중 하나가 온라인 교실에서만 년을 보낸 데이터 과학자를 변환할 결정.

데이터 분석 가이드

앤드류 첸, 스탠포드 대학 교수와 Coursera의 공동 설립자 그것은 단지 우연의 일치 그가 Coursera에 가르치는 기계 학기 과정 완료 모든 온라인 선택 과정에서의 높은 학위는 아니다. 큰 데이터 단계가 서, 하 고 싶은 경우 데이터 과학자, 나라에서 없는 유리한 자원, Coursera, Udacity, edx를 고려할 수 있습니다 고 네트워크 교실, 연구 수행 무료에. 중국에서는, 많은 데이터 마이닝 회사 같은 과정의 매우 좋아한다 해야한다, 교육 비용의 큰 금액을 절약할 수 있습니다.

데이터 과학자가 되기 위해서는, 그것은 첫째, 대수학과 확률을 이해 하는 것이 중요 하 고 필수 구성 요소 프로그래밍에 대 한 기본적인 이해를 포함, Ng.

"기계 학습 되 고 실리콘 밸리에서 가장 수요가 많은 기술 중 하나," 고 말했다. "많은 비즈니스 인력 관리 하는 회사는 현재 같은 데이터 분석 재능의 긴급 한 필요에 너무 오랫동안 직원 시간에 온라인 과정을 완료할 수 있기 때문에 크게 향상 시킬 수 있습니다 그의 급여 및 경력 전망 말한다."

같은 온라인 과정은 왜 그렇게 인기가? 데이터 분석은 왜 세상을 바꿀 수 있습니까?

Ng 믿고 기존 하 고 성숙한 이론 적용 될 수 있는 기술으로 바뀝니다 때문에이 온라인 코스 인기는 필수 구성 요소를 배운 학생이는 수행, 기회 보다는 그냥 프로그래밍 및 프로그램 작성 및 응용 프로그램 작성. 또한, 학생 들은 자신의 학습 능력에 따라 학습의 속도 조정할 수 있습니다, 그리고 포럼에 대 한 정보 또한 과정을 완료 하는 그들을 도울 수 있다.

Ng 그 실리콘밸리에서 세계의 가장 똑똑한 컴퓨터 전문가 함께 혼합 하는 특권을 필요 없이 같은 우수한 기계 학습 클래스를 말할 수 없었을 것 이라고 말했다. 그의 과정에서 그는 거의 알고리즘, 또는 연습 기계 학습을 적용 하는 방법에 대 한 이야기. 그는 그것을 배울 지식 보다 적용 하는 법을 배워야 더 중요 하다 생각 한다. 이것은 프로그래밍 프로그래밍 언어 학습 학습 처럼, 하나는 연습, 하나는 이론적 지식을.

하드, 다음 아인슈타인 수 연구

사실, 데이터 과학자 되 고 궁극적인 목표는 아닙니다, Kaggle 경쟁의 전사도 없는 그들의 경력의 초점으로 간주 될 수 있다. 온라인 과정을 통해 또한 더 많은 지식을 배울 수 있도록 사람의 능력을 더 많은 결과를 만들 정말 유용한 지식을 배울 수.

"그건 내가 궁금해," Ng는 말했다, "아마 다음 아인슈타인은 아프간 소녀 보고 교육용 비디오를 컴퓨터 앞에 앉아." "

소스를 제 조: GigaOM

(책임 편집기: 유산의 좋은)