✅ 課程說明
成為一個完整的資料科學家和機器學習工程師！ 加入一個由20多萬名工程師組成的線上社群，參加一個由行業專家教授的課程，這些專家實際上為矽谷和多倫多等地的大公司工作過。 這是一個剛剛在 2020年 1 月推出的全新機器學習和資料科學課程！ Andrei 課程的畢業生現在在谷歌、特斯拉、亞馬遜、蘋果、 IBM、 JP 摩根、 Facebook 等頂級科技公司工作。
從頭開始學習資料科學和機器學習，得到聘用，並在 Udemy 的最現代、最新的資料科學課程(我們使用最新版本的 Python、Tensorflow 2.0 和其他程式庫)的道路上享受樂趣。 本課程的重點在於提高效率: 不要再花時間在令人困惑的、過時的、不完整的機器學習教程上了。 我們非常自信，這是你找遍任何地方才能找到的最全面、最現代的課程(我們知道，這是一個大膽的陳述)。
這個綜合性的、基於專案的課程將向你介紹資料科學家的所有現代技能，在這個過程中，我們將建立許多真實世界的專案，新增到你的履歷組合中。 你可以訪問 Github 上的所有程式碼、工作簿和模板( Jupyter Notebooks ) ，這樣你就可以馬上把它們放到你的作品集中了！ 我們相信這門課程解決了進入資料科學和機器學習領域的最大挑戰: 在一個地方擁有所有必要的資源，並學習僱主想要的最新趨勢和工作技能。
課程將是非常實際的，因為我們將帶領你從頭到尾成為一名專業的機器學習和資料科學工程師。 課程提供兩個路徑。 如果你已經知道程式設計，那麼你可以直接進入並跳過我們從頭教你 Python 的部分。 如果你是全新的，我們將從一開始就教你 Python 以及如何在現實世界中使用它來完成我們的專案。 不要擔心，一旦我們通過了像機器學習 101 和 Python 這樣的基礎知識，我們就可以進入高階主題，像神經網路、深度學習和轉移學習，這樣你將能夠在真實世界中實踐，並為實戰做好準備(我們向你展示完全成熟的資料科學和機器學習專案，並給你程式設計資源和備忘錄) ！
本課程的主題包括 :
✅ 資料探索與視覺化
✅ 神經網路和深度學習
✅ 模型評估與分析
✅ Python 3
✅ Tensorflow 2.0
✅ Numpy
✅ Scikit-Learn
✅ 資料科學與機器學習專案和工作流程
✅ 在 Python 用 MatPlotLib 和 Seaborn 做資料視覺化
✅ 轉移學習( Transfer Learning )
✅ 影像辨識和分類
✅ 訓練/測試並交叉驗證
✅ 監督學習 : 分類、迴歸和時間序列
✅ 決策樹和隨機森林
✅ 整體學習( Ensemble Learning )
✅ 調整超參數( Hyperparameter Tuning )
✅ 採用 Pandas 資料框解決複雜任務
✅ 採用 Pandas 處理 CSV 檔
✅ 採用 TensorFlow 2.0 和 Keras深度學習 / 神經網路
✅ 使用 Kaggle 並進入機器學習競賽
✅ 如何呈現你的發現並讓你的老闆印象深刻
✅ 如何為你的分析清理並準備你的資料
✅ K 最近鄰( K Nearest Neighbours )
✅ 支援向量機( Vector Machines )
✅ 迴歸分析( Linear Regression/Polynomial Regression )
✅ 如何運用 Hadoop、Apache Spark、Kafka 和 Apache Flink
✅ 如何用 Conda、MiniConda 和Jupyter Notebooks 設定你的環境
✅ 配合 Google Colab 採用 GPUs
到本課程結束時，你將成為一名完整的資料科學家，可以在大公司找到工作。 我們將利用我們在課程中學到的一切來建構專業的真實世界專案，比如心臟病檢測、推土機價格預測器、犬種影像分類器等等。 到最後，你將有許多你已經建立的專案向其他人炫耀。
事實是: 大多數課程都教你資料科學，而且就只這樣。 他們會告訴你如何開始。 但問題是，你不知道接下來要往哪去，也不知道如何建立自己的專案。 或者他們會在螢幕上顯示大量的程式碼和複雜的數學運算，但是他們並沒能好好地解釋清楚到你能夠自己去解決現實生活機器學習問題的程度。
無論你是程式設計新手，還是想提高你的資料科學技能，或者來自不同的行業，這門課程都是為你而設的。 這個課程不是讓你在沒有理解原則的情況下編寫程式碼，這樣當你完成這個課程的時候，除了看另一個教學，你不知道還能做什麼。 不！ 這門課程將推動你且向你挑戰，從一個完全沒有資料科學經驗的初學者，到成為一個可以滿載離開、忘記 Daniel 和 Andrei、建立自己的資料科學和機器學習工作流程的人。
機器學習在商業行銷和金融、醫療保健、網路安全、零售、運輸和物流、農業、物聯網、遊戲和娛樂、病人診斷、詐欺檢測、製造業的異常檢測、政府、學術 / 研究、推薦系統等等方面都有應用。 在這門課程中學到的技能將為你的職業生涯提供許許多多的選擇。
你聽到許多像人工神經網路或人工智慧等敘述，完成本課程，你將對這些詞有深刻的了解。
現在就加入課程，加入我們社群，在這個行業獲得支持，學習資料科學和機器學習。 我們保證這比任何關於這個話題的訓練營或者線上課程都要好。 課堂內見！
https://softnshare.com/complete-machine-learning-and-data-science-zero-to-mastery/
hadoop spark教學 在 Re: [請益] 值得花十萬到巨匠學大數據軟體嗎？ - 看板Soft_Job 的推薦與評價
開門見山：如果是有志想成為資料科學家或工程師的話，不要花，不值得。
連版上可能推的資策會大數據專班.....都不要去(真的要我寧可選Java EE班)。
恆逸我沒仔細研究，但應該沒差多少。
我是一位對資料處理有興趣的資料工程師，簡單說就是數據領域的黑手，不是帥帥的科學
家XD。但如果想一起當黑手的，我來說說有哪些東西可以先去看看有沒有興趣，再往下走：
(一)資料源：
Apache Flume
Apache Kafka
LogStash
負責接資料的，目前又以streaming為大宗：
Flume比較適合整合Hadoop生態系; Kafka則是偏SMACK架構; logStash則是ELK自成一派。
當然這不是絕對，而且可以互相接來接去，像我前一個案子也有Kafka->Flume->HDFS/HBase/Avro串來串去的。
我用這3套目前可以滿足大部分的streaming收資料的需求。
Flink沒時間碰QQ
阿批次勒？...HDFS API XD~
選一套的話：我選Kafka。搭配語言：Java Client API
(二)資料處理引擎：
MRv2(MapReduce)
Spark
這也是大家，即使是非業界也常常聽到的term，但要講的仔細也是好幾本書的內容了..
例如批次處理該用Spark好還是MapReduce。串流處理的話我聽過Spark Streaming，那跟
Storm又差在哪？什麼是micro-batch？
選一套的話，我選Spark，因為目前的應用還是單位時間點內記憶體能負載的量。還沒玩
過幾個PB的.....不然選擇可能不同了。
但有點尷尬的是，Spark用Java，即便是 Lambda寫起來也是有點憋屈..
所以我會推薦新手用Spark+Python+jupiter。
想讓自己被Funcational Programming玩的，可以選Spark in Scala（大推)
現在在IT鐵人賽有寫一點Spark +Scala的教學，有興趣的可以看看(招手)：
https://ithelp.ithome.com.tw/users/20103839/ironman/1210
(三)結構化/半結構化查詢工具(Query Engine)：
Hive
Impala (也開源了)
Spark SQL
這幾套我對Impala跟Spark SQL比較有研究而已。這邊就是SQL語言配的上場的地方啦！！
可以用簡單的SQL查詢當然開心啦，但是要注意的是先查哪些語法沒有支援....
不管哪一套都要注意"別幫他當作資料庫來用"，他們是查詢工具不是資料庫！
另外注意所謂的Partition的設計，以及選用的檔案格式，例如Parquet/Avro等....
扯遠了....
這幾套與BI也都有良好的介接，Tableau/Qlik View不是問題
選一套的話，我選SparkSQL/Impala 搭配SQL語言以及各種JDBC/ODBC
(四)分散式儲存系統：
HDFS
Kafka
S3
最正宗的Hadoop肯定會用到HDFS，但也可以把資料暫存在Kafka上，處理完後就送進NoSQL
，另外S3也是好物，只是沒機會碰到。
選一套的話，還是從HDFS+Java API開始吧
(五)分散式資料庫：
HBase
MongoDB
ElasticSearch
Cassandra
恩...沒有MySQ, MariaDB, PostgreSQL, MS SQL更沒有Oracle XDDD
這幾套我都很愛，只是MongoDB我是接一個小系統上面有跑，沒有實際開發應用經驗。
資料庫有時候就端看你要走哪種應用了：
Hadoop正宗就是搭配HBase，想用SQL上面可以套一個PhoenixDB，設計就是在玩Primary
Key。
ElasticSearch：全文檢索斷詞那方面的應用，也就是ELK中的E，再搭配一個kibana整個好用。
Cassandra:：與Spark整合良好，去正規化的Data modeling與P2P的架構整個是我的愛。
選一套的話，我私心選Cassadnra + Java/Scala Client~XD
(六)周邊：
Zookeeper, Hue, Yarn, Mesos。
還有太多周邊了商品了XDDD，Zookeeper可以要懂一些，HBase跟Kafka都有用
------------------------------------------------------------------------------------
OK就先到這裡了，上面的名詞可以Google看看，都是一個框架或工具，看看有沒有興趣。
另外考證照有沒有用，我覺是覺得有用啦，但我一張MS還是Oracle的都沒有XD：
Cloudera Certified Developer for Apache Hadoop (CCDH)
Cloudera Certified Specialist in Apache HBase (CCSHB)
Cloudera Certified Administrator for Apache Hadoop (CCAH)
Certified Developer on Apache Cassandra
PS: 我是電子系的，天下無難事...
小小資料工程師 一鞠躬
※ 引述《s00771book (320)》之銘言：
: 想問問前輩們
: 目前小妹的工作只是個
: 用BI cognos 拉資料做數據分析的助理
: 再用Excel樞紐分析 寫寫函數
: 做報告給主管看的工作
: 薪水少之又少 也不算是一技之長
: 根本不足以與大數據相提並論
: 目前嚮往大數據工作的方向
: (也是很有未來的工作 大陸已經很成熟了)
: 查看了104人力銀行
: 大數據分析工作需要的條件:
: MS SQL 資料探勘 R語言 Hedoop
: 所以我去巨匠諮詢了一下
: 課程規劃師說要學 MCSA MCSE
: 再考微軟證照70-461.462.463.464.465
: 才算是完全學會這套軟體
: 和證明給面試官看
: 但是學費竟然快要十萬
: 想請問有在做這方面工作的朋友們
: 真的值得花這筆錢嗎？
: P.S.我只是個國立科大 企管+金融的學士而已
: 沒有漂亮的學歷 只能學一技之長補足自己
: 也不是資工 資管的科系的
: 希望前輩們能給我建議 謝謝你們>////<
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 59.115.45.90
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1482735733.A.2FA.html
... <看更多>