دوره های علم داده و پایتون (تجربه شخصی)

 

شاید شما هم در انبوه دوره های آموزشی علوم داده سردرگم شده باشید. این امری طبیعی است. در این پست چند مورد از دوره هایی که شخصا تجربه کرده و گذرانده‌ام را با شما عزیزان به اشتراک می‌گذارم.

 

هشدار !
با توجه به سیاست هایی که سایت های EDx و Coursera در سال های اخیر اخذ نموده‌اند عملا استفاده از امکانات و محتوی این پلتفرم‌های آموزشی بدون استفاده از نرم‌افزارهای تغییر آی‌پی میسر نیست. امید است که به زودی این محدودیت‌ها برای هموطنان عزیز برطرف گردند.

 

۱ آموزش مقدماتی تحلیل داده و یادگیری سریع زبان پایتون

Coursera IBM: Python for Data Science and AI

قطعا یکی از آموزش‌های مولتی‌مدیا برای یادگیری کلیات اولیه زبان پایتون این دوره است. این پکیج ابتدا با تشریح مفاهیم ابتدایی کدنویسی در زبان پایتون، گریزی به کتابخانه‌های معروف numpy و pandas زده و ویژگی‌ها و توابع آن‌ها را در سطح مقدماتی پوشش داده است.

۲ دوره تسلط بر کدنویسی در پایتون

EDX TexasX: Learn to Program Using Python

این دوره را صرفا برای عزیزانی پیشنهاد می‌کنم که علاقه‌مندند تسلط بسیار خوبی در سینتکس‌ها، نوشتن کلاس‌ها و توابع پیشرفته و مدیریت خطا داشته باشند. در این دوره به تشریح کتابخانه‌های علوم داده کمتر پرداخته شده و اغلب تمرکز بر تکنینک‌های کدنویسی است. در ضمن برای شروع این دوره نیازی به دانش برنامه‌نویسی قبلی نیست!

۳ دوره نسبتا حرفه ای آنالیتیک، علم داده و پایتون

EDX ColombiaX: Analytics in Python

این دوره یکی از پیشنهادهای ویژه من به دوستانی هست که قصد دارند با یک تیر چند هدف را نشانه‌گیری کنند! در این دوره‌ی ۱۲ هفته ای، ابتدا ساختارهای داده و کلیات پایتون و سپس کتابخانه‌های معروف واکشی، استخراج، پاک‌سازی و تحلیل داده شامل numpy، pandas، beautifulsoup ، scipy و غیره گام به گام تشریح می‌شوند. البته برای کسب نمره قابل قبول جهت اخذ مدرک بایستی ۱۰ پروژه استخوان‌سوز (!) و تعدادی کوییز را تحویل دهید. این دوره، تاپیک‌های وسیعی را چون یادگیری ماشینی machine learning، متن‌کاوی text mining و تحلیل شبکه network analysis را پوشش می‌دهد.

۴ دوره یادگیری ماشینی

Coursera Stanford: Machine Learning

این دوره برای افرادی توصیه می‌شود که ترجیح می‌دهند عمیقا مفاهیم یادگیری ماشینی را از دیدگاه ریاضی و آماری لمس کنند. البته دوره صرفا آکادمیکی نبوده و سعی شده است که با مفاهیم کاربری و کدنویسی، آن را از تک‌بعدی بودن نجات دهند! در این دوره مفاهیم شبکه های عصبی neural networks، support vector machine، یادگیری با نظارت و بدون نظارت supervised learning and unsupervised learning، کاهش بعد dimention reduction و غیره پوشش داده شده است. زبان کدنویسی ارائه شده در این دوره octave است که علاقه‌مندان می‌توانند معادل کتابخانه‌های آن را در پلتفرم پایتون به سهولت و با کمی جستجو بدست آورند.

به جرات می‌توان گفته که این دوره یکی از پراستقبال ترین دوره های آنلاین است. رکورد ۲,۷۰۱,۳۷۵ ثبت نام تا این تاریخ، گواهی بر این مدعی است!

 

دوره‌های متعددی شامل bootcamp و  datacamp و udemy و khanacademy در خصوص تحلیل داده و علوم داده قابل دسترسی است. مواردی که در بالا مطرح شد، تجربه های شخصی بوده و در صورتی که عزیزان دوره‌های مفیدی در این مورد را گذرانده و تجربه خوبی کسب نموده اند، خوشحال می‌شویم آنها را در این صفحه در قسمت نظرات با ما نیز به اشتراک گذارند.

 

نکته !
توصیه می‌شود برای کار با زبان پایتون و سهولت در بکارگیری کتابخانه‌های این پلتفرم، از بسته Anaconda از طریق این لینک استفاده نمایید. در این بسته نیز رابط های متعدد پایتون هست که پیشنهاد بنده Jupyter یا JupyterLab است.

1
دیدگاه بگذارید

1 Comment threads
0 Thread replies
0 Followers
 
Most reacted comment
Hottest comment thread
1 Comment authors
vahid

hi there. I read this post. so goooood. I will suggest to my friends too