レビューでランク付けされた、インターネット上のすべての機械学習コース

1年半前、私はカナダで最高のコンピュータサイエンスプログラムの1つを中退しました。私はオンラインリソースを使用して独自のデータサイエンス修士プログラムを作成し始めました。代わりに、edX、Coursera、Udacityを通じて必要なすべてを学ぶことができることに気づきました。そして、私はそれをより速く、より効率的に、そしてほんのわずかな費用で学ぶことができました。

もうすぐ終わりです。私は多くのデータサイエンス関連のコースを受講し、さらに多くの部分を監査しました。私はそこにある選択肢と、データアナリストまたはデータサイエンティストの役割の準備をしている学習者に必要なスキルを知っています。そこで私は、データサイエンス内の各科目に最適なコースを推奨するレビュー主導のガイドの作成を開始しました。

シリーズの最初のガイドとして、初心者のデータサイエンティストにいくつかのコーディングクラスをお勧めしました。それからそれは統計と確率のクラスでした。次に、データサイエンスの概要。また、データの視覚化。

次に、機械学習について説明します。

このガイドでは、2017年5月の時点で提供されているすべてのオンライン機械学習コースを特定し、シラバスとレビューから重要な情報を抽出し、評価をまとめるのに12時間を費やしました。私の最終目標は、利用可能な3つの最良のコースを特定し、それらを以下に提示することでした。

このタスクのために、私はオープンソースのClass Centralコミュニティと、何千ものコース評価とレビューのデータベースに他なりませんでした。

2011年以来、ClassCentralの創設者であるDhawalShahは、間違いなく世界中の誰よりもオンラインコースに注目してきました。Dhawalは、私がこのリソースのリストを作成するのを個人的に手伝ってくれました。

検討するコースをどのように選んだか

各コースは、次の3つの基準を満たす必要があります。

  1. 大量の機械学習コンテンツが含まれている必要があります。理想的には、機械学習が主要なトピックです。ディープラーニングのみのコースは除外されることに注意してください。これについては後で詳しく説明します。
  2. オンデマンドであるか、数か月ごとに提供される必要があります。
  3. インタラクティブなオンラインコースである必要があるため、本や読み取り専用のチュートリアルはありません。これらは実行可能な学習方法ですが、このガイドではコースに焦点を当てています。厳密にビデオである(つまり、クイズや課題などがない)コースも除外されます。

上記の基準を満たすすべての注目すべきコースをカバーしたと信じています。Udemyには何百ものコースがあるように見えるので、最もレビューされ、最も評価の高いコースのみを検討することにしました。

ただし、何かを見逃す可能性は常にあります。ですから、良いコースを省略した場合は、コメントセクションでお知らせください。

コースの評価方法

Class Centralおよびその他のレビューサイトからの平均評価とレビュー数をまとめて、各コースの加重平均評価を計算しました。テキストレビューを読み、このフィードバックを使用して数値評価を補足しました。

3つの要因に基づいて主観的なシラバス判断を呼びかけました。

  1. 機械学習ワークフローの説明。このコースでは、MLプロジェクトを成功させるために必要な手順の概要を説明していますか?一般的なワークフローの内容については、次のセクションを参照してください。
  2. 機械学習の手法とアルゴリズムを網羅しています。さまざまな手法(回帰、分類、クラスタリングなど)とアルゴリズム(分類内:単純ベイズ、決定木、サポートベクターマシンなど)がカバーされていますか、それともほんの一部ですか?詳細を無駄にすることなく、より多くをカバーするコースが優先されます。
  3. 一般的なデータサイエンスと機械学習ツールの使用。コースは、Python、R、Scalaなどの一般的なプログラミング言語を使用して教えられていますか?それらの言語で人気のあるライブラリはどうですか?これらは必須ではありませんが、役立つので、これらのコースがわずかに優先されます。

機械学習とは何ですか?ワークフローとは何ですか?

一般的な定義は、1959年のArthur Samuelに由来します。機械学習は、「コンピューターが明示的にプログラムされていなくても学習できるようにする」コンピューターサイエンスのサブフィールドです実際には、これはデータに基づいて予測を行うことができるコンピュータプログラムを開発することを意味します。人間が経験から学ぶことができるのと同じように、データ=経験であるコンピューターもそうです。

機械学習ワークフローは、機械学習プロジェクトを実行するために必要なプロセスです。個々のプロジェクトは異なる場合がありますが、ほとんどのワークフローは、問題の評価、データの探索、データの前処理、モデルのトレーニング/テスト/展開など、いくつかの共通のタスクを共有しています。以下に、これらのコアステップの役立つ視覚化を示します。

理想的なコースでは、プロセス全体を紹介し、学生が各タスクを自分で実行できるインタラクティブな例、課題、および/またはクイズを提供します。

これらのコースはディープラーニングをカバーしていますか?

まず、ディープラーニングを定義しましょう。簡潔な説明は次のとおりです。

「ディープラーニングは、人工ニューラルネットワークと呼ばれる脳の構造と機能に触発されたアルゴリズムに関係する機械学習のサブフィールドです。」— Machine LearningMasteryのJasonBrownlee

予想されるように、一部の機械学習コースには深層学習コンテンツが含まれています。ただし、ディープラーニングのみのコースは含めないことにしました。特にディープラーニングに興味がある場合は、次の記事をご覧ください。

12の無料オンラインコースでディープラーニングに飛び込む

毎日、ディープラーニングが私たちの周りの世界をどのように変えているかについての新しい見出しがもたらされます。いくつかの例: medium.freecodecamp.com

そのリストからの私の上位3つの推奨事項は次のとおりです。

  • TensorFlowを使用したディープラーニングのクリエイティブなアプリケーションカデンゼ
  • トロント大学(ジェフリーヒントンが教えた)によるCourseraを介した機械学習のためのニューラルネットワーク
  • ディープラーニングAZ™:ハンズオン人工ニューラルネットワーク

    Kirill Eremenko、Hadelin de Ponteves、およびUdemy経由のSuperDataScienceチームによる

推奨される前提条件

以下にリストされているいくつかのコースでは、事前のプログラミング、微積分、線形代数、および統計の経験を学生に求めています。機械学習が高度な分野であることを考えると、これらの前提条件は理解できます。

いくつかの主題が欠けていますか?朗報です!この経験の一部は、このデータサイエンスキャリアガイドの最初の2つの記事(プログラミング、統計)の推奨事項を通じて取得できます。以下のいくつかのトップランクのコースは、穏やかな微積分と線形代数の復習を提供し、あまり慣れていない人のために機械学習に最も関連する側面を強調しています。

最高の機械学習コースを選ぶのは…

  • 機械学習(Coursera経由のスタンフォード大学)

スタンフォード大学のCourseraでの機械学習は、評価、レビュー、シラバスの適合性の点で、現在明らかに勝者です。GoogleBrainの創設者でBaiduの元チーフサイエンティストである有名なAndrewNgによって教えられたこのクラスは、Courseraの設立のきっかけとなりました。422件のレビューで4.7つ星の加重平均評価があります。

2011年にリリースされ、機械学習ワークフローのすべての側面をカバーしています。それが基づいている元のスタンフォードクラスよりもスコープは小さいですが、それでも多くの技術とアルゴリズムをカバーすることができます。推定タイムラインは11週間で、2週間はニューラルネットワークとディープラーニングに費やされます。無料と有料のオプションが利用可能です。

Ngはダイナミックでありながら穏やかなインストラクターであり、明白な経験を持っています。彼は、特に一般的な落とし穴についての実用的な実装のヒントと警告を共有するときに、自信を刺激します。線形代数の復習が提供され、Ngは機械学習に最も関連する微積分の側面を強調しています。

評価は自動的に行われ、各レッスンとプログラミングの割り当てに続く複数の選択肢のクイズを介して行われます。割り当て(8つあります)は、MATLABまたはMATLABのオープンソースバージョンであるOctaveで完了することができます。Ngは彼の言語の選択について説明します:

過去に、C ++、Java、Python、NumPy、Octaveなど、さまざまなプログラミング言語を使用して機械学習を教えようとしました…そして、機械学習を10年近く教えた後に見たのは、プログラミング環境としてOctaveを使用すると、学習がはるかに速くなります。

PythonとRは、これらの言語の人気が高まっているため、2017年にはより説得力のある選択肢になる可能性がありますが、レビュー担当者は、それがコースの受講を妨げるものではないと述べています。

いくつかの著名なレビューアは次のように述べています。

MOOCの世界で長年有名なスタンフォードの機械学習コースは、このトピックの決定的な入門書です。このコースは、機械学習の主要な領域すべてを幅広くカバーしています…Ng教授は、各セグメントの前に、やる気を起こさせるディスカッションと例を示します。

Andrew Ngは才能のある教師であり、すべての概念の背後にある数学を含め、非常に直感的で明確な方法で複雑な主題を説明することができます。強くお勧めします。

このコースで私が目にする唯一の問題は、他のコースの期待値が非常に高く設定されている場合です。

優秀な教授による新しいアイビーリーグの紹介

  • 機械学習(edX経由のコロンビア大学)

コロンビア大学の機械学習は、edXの人工知能マイクロマスターの一部である比較的新しい製品です。それは新しく、レビューの数は少ないですが、持っているものは非常に強力です。ジョン・ペイズリー教授は、素晴らしく、明確で、賢い人として知られています。10件のレビューで4.8つ星の加重平均評価があります。

このコースでは、機械学習ワークフローのすべての側面と、上記のスタンフォード大学が提供するよりも多くのアルゴリズムについても説明します。コロンビアはより高度な紹介であり、レビューアは、学生が推奨される前提条件(微積分、線形代数、統計、確率、およびコーディング)に慣れている必要があると指摘しています。

クイズ(11)、プログラミング課題(4)、および最終試験が評価のモードです。学生は、Python、Octave、またはMATLABのいずれかを使用して課題を完了することができます。コースの推定タイムラインの合計は、12週間にわたって週に8〜10時間です。確認済みの証明書を購入すると無料です。

以下は、前述のスパークリングレビューのいくつかです。

学生である私の何年にもわたって、私は優秀ではない教授、優秀であるが内容を明確に説明する方法を知らない教授、そして優秀で内容を説明する方法を知っている教授に出くわしました。明らかに。ペイズリー博士は3番目のグループに属しています。

これは素晴らしいコースです…インストラクターの言語は正確であり、それは私の考えでは、コースの最大の強みの1つです。講義は質が高く、スライドも素晴らしいです。

ペイズリー博士とその上司は…機械学習の父であるマイケルジョーダンの学生です。[博士。ペイズリー]は、物事を明確に説明する能力があるため、コロンビア大学で最高のML教授です。今学期には最大240人の学生が彼のコースを選択しました。これは、コロンビア大学の機械学習のすべての教授の中で最大の数です。

業界の専門家によるPythonとRの実用的な紹介

  • Machine LearningAZ™:ハンズオンPython&R In Data Science(Kirill Eremenko、Hadelin de Ponteves、およびUdemy経由のSuperDataScienceチーム)

UdemyのMachineLearningAZ™は、PythonとRの両方で指導を提供する非常に詳細なサービスです。これはまれであり、他のトップコースでは言えません。それは8,119件のレビューを超える4.5つ星の加重平均評価を持っており、検討されたものの中で最もレビューされたコースになります。

機械学習ワークフロー全体と、40.5時間のオンデマンドビデオを通じて、ほぼばかげた(良い意味で)数のアルゴリズムをカバーしています。このコースは、より応用的なアプローチを採用しており、上記の2つのコースよりも数学的に軽いです。各セクションは、教えられている概念の基礎となる理論を要約したエレメンコの「直感」ビデオから始まります。次に、de Pontevesは、PythonとRの両方の個別のビデオを使用して実装について説明します。

「ボーナス」として、このコースには、学生がダウンロードして自分のプロジェクトで使用するためのPythonおよびRコードテンプレートが含まれています。クイズや宿題の課題がありますが、これらはコースの長所ではありません。

EremenkoとSuperDataScienceチームは、「複雑なものをシンプルにする」能力で高く評価されています。また、記載されている前提条件は「高校の数学の一部」であるため、このコースは、スタンフォード大学とコロンビア大学の提供に悩まされている人にとってはより良い選択肢かもしれません。

いくつかの著名なレビューアは次のように述べています。

コースはプロが制作し、音質は素晴らしく、説明は明確で簡潔です…それはあなたの経済的および時間的投資にとって信じられないほどの価値です。

2つの異なるプログラミング言語で同時にコースをたどることができたのは素晴らしいことでした。

キリルは(インターネットではないにしても)Udemyで最高のインストラクターの1人であり、彼が教えるクラスを受講することをお勧めします。…このコースには、たくさんのコンテンツがあります。

競争

私たちの#1ピックは、422件のレビューで5つ星のうち4.7の加重平均評価を持っていました。評価の降順でソートされた他の選択肢を見てみましょう。ディープラーニングのみのコースはこのガイドに含まれていないことに注意してください。これらはここで見つけることができます。

Analytics Edge(Massachusetts Institute of Technology / edX):いくつかの機械学習トピックをカバーしていますが、一般的な分析に重点を置いています。Rを使用します。おなじみの実世界の例を活用する強力な物語。挑戦。12週間にわたって週に10〜15時間。確認済みの証明書を購入すると無料です。214件のレビューで4.9つ星の加重平均評価があります。

Python for Data Science and Machine Learning Bootcamp(Jose Portilla / Udemy):機械学習コンテンツの大きなチャンクがありますが、データサイエンスプロセス全体をカバーしています。Pythonの非常に詳細な紹介。このガイドの範囲には理想的ではありませんが、すばらしいコースです。21.5時間のオンデマンドビデオ。費用は、頻繁に発生するUdemyの割引によって異なります。3316件のレビューで4.6つ星の加重平均評価があります。

Rを使用したデータサイエンスと機械学習のブートキャンプ(Jose Portilla / Udemy):R。17.5時間のオンデマンドビデオを除いて、Portillaの上記のコースに対するコメントはここにも当てはまります。費用は、頻繁に発生するUdemyの割引によって異なります。1317件のレビューで4.6つ星の加重平均評価があります。

機械学習シリーズ(Lazy Programmer Inc./Udemy):データサイエンティスト/ビッグデータエンジニア/フルスタックソフトウェアエンジニアが印象的な履歴で教えてくれたLazy Programmerは、現在、Udemyに関する16の機械学習に焦点を当てた一連のコースを持っています。合計で、コースの評価は5000以上で、ほとんどすべてのコースに4.6つ星が付いています。便利なコースの順序は、個々のコースの説明に記載されています。 Pythonを使用します。費用は、頻繁に発生するUdemyの割引によって異なります。

機械学習(Georgia Tech / Udacity):教師あり学習、教師なし学習、強化学習の3つの別々のコースをまとめたものです。Udacityの機械学習エンジニアNanodegreeとGeorgiaTechのオンライン修士号(OMS)の一部。Udacityのスタイルと同様に、一口サイズのビデオ。フレンドリーな教授。4か月の推定タイムライン。自由。9件のレビューで4.56つ星の加重平均評価があります。

Azure HDInsight(Microsoft / edX)でのSparkを使用した予測分析の実装:機械学習とさまざまなアルゴリズムのコアコンセプトを紹介します。Apache Spark、Scala、Hadoopなど、ビッグデータに適したいくつかのツールを活用します。PythonとRの両方を使用します。6週間にわたって週に4時間。確認済みの証明書を購入すると無料です。6件のレビューで4.5つ星の加重平均評価があります。

Pythonを使用したデータサイエンスと機械学習—実践!(Frank Kane / Udemy):Pythonを使用します。ケインはAmazonとIMDbで9年の経験があります。9時間のオンデマンドビデオ。費用は、頻繁に発生するUdemyの割引によって異なります。4139件のレビューで4.5つ星の加重平均評価があります。

ビッグデータと機械学習のためのScalaとSpark(Jose Portilla / Udemy):「ビッグデータ」は、特にScalaとSparkでの実装に焦点を当てています。10時間のオンデマンドビデオ。費用は、頻繁に発生するUdemyの割引によって異なります。607件のレビューで4.5つ星の加重平均評価があります。

機械学習エンジニアNanodegree(Udacity):クラス最高のプロジェクトレビューシステムとキャリアサポートを備えた、Udacityの主力機械学習プログラム。このプログラムは、無料のUdacityコースをいくつかまとめたものです。Kaggleによって共同作成されました。6か月の推定タイムライン。現在、月額199米ドルで、12か月以内に卒業した人は50%の授業料が払い戻されます。2件のレビューで4.5つ星の加重平均評価があります。

データからの学習(機械学習入門)(カリフォルニア工科大学/ edX):登録は現在edXで締め切られていますが、CalTechの独立したプラットフォームからも利用できます(以下を参照)。42件のレビューで4.49つ星の加重平均評価があります。

データからの学習(機械学習入門)(Yaser Abu-Mostafa / California Institute of Technology):「本物のCaltechコースであり、骨抜きバージョンではありません。」レビューによると、機械学習理論を理解するのに優れています。ヤセルアブモスタファ教授は学生の間で人気があり、このコースの基礎となる教科書も書いています。ビデオは、YouTubeにアップロードされたテープ講義(講義スライドをピクチャーインピクチャーで)です。宿題は.pdfファイルです。オンライン学生向けのコース体験は、上位3つの推奨事項ほど洗練されていません。 7件のレビューで4.43つ星の加重平均評価があります。

大量のデータセットのマイニング(スタンフォード大学):「ビッグデータ」に焦点を当てた機械学習。最新の分散ファイルシステムとMapReduceを紹介します。7週間にわたって週に10時間。自由。30件のレビューで4.4つ星の加重平均評価があります。

AWS Machine Learning:Pythonの完全ガイド(Chandra Lingam / Udemy):クラウドベースの機械学習、特にアマゾンウェブサービスに独自の焦点を当てています。Pythonを使用します。9時間のオンデマンドビデオ。費用は、頻繁に発生するUdemyの割引によって異なります。62件のレビューで4.4つ星の加重平均評価があります。

Pythonでの機械学習と顔検出の概要(Holczer Balazs / Udemy):Pythonを使用します。8時間のオンデマンドビデオ。費用は、頻繁に発生するUdemyの割引によって異なります。162件のレビューで4.4つ星の加重平均評価があります。

StatLearning:統計学習(スタンフォード大学):優れた教科書「統計学習の概要、Rでのアプリケーション」に基づいており、それを書いた教授によって教えられています。レビューアは、MOOCは本ほど良くはなく、「薄い」演習や平凡なビデオを引用していると述べています。 9週間にわたって週5時間。自由。 84件のレビューで4.35つ星の加重平均評価があります。

機械学習の専門分野(ワシントン大学/コースセラ):すばらしいコースですが、最後の2つのクラス(キャップ​​ストーンプロジェクトを含む)はキャンセルされました。レビューアは、このシリーズは他のトップの機械学習コース(スタンフォード大学やカリフォルニア工科大学など)よりも消化しやすい(技術的なバックグラウンドがない人にとっては簡単です)と述べています。このシリーズは、レコメンダーシステム、ディープラーニング、要約が欠落しているため不完全であることに注意してください。無料と有料のオプションをご利用いただけます。 80件のレビューで4.31つ星の加重平均評価があります。

0から1まで:機械学習、NLP、Python-Cut to the Chase(Loony Corn / Udemy):「現実的で、恥ずかしがり屋ですが、自信を持って機械学習技術を取り入れています。」何十年にもわたる業界経験を持つ4人のチームが一緒に教えました。Pythonを使用します。費用は、頻繁に発生するUdemyの割引によって異なります。494件のレビューで4.2つ星の加重平均評価があります。

機械学習の原則(Microsoft / edX):R、Python、およびMicrosoftAzure機械学習を使用します。データサイエンスのマイクロソフトプロフェッショナルプログラム証明書の一部。6週間にわたって週に3〜4時間。確認済みの証明書を購入すると無料です。11件のレビューで4.09つ星の加重平均評価があります。

ビッグデータ:統計的推論と機械学習(クイーンズランド工科大学/ FutureLearn):ビッグデータに焦点を当てた、素晴らしく簡単な探索的機械学習コース。 R、H2O Flow、WEKAなどのいくつかのツールについて説明します。推奨される週2時間での期間はわずか3週間ですが、あるレビューアは週6時間がより適切であると述べました。無料と有料のオプションをご利用いただけます。 4件のレビューで4つ星の加重平均評価があります。

ゲノムデータサイエンスとクラスタリング(バイオインフォマティクスV)(カリフォルニア大学サンディエゴ校/コースセラ校):コンピューターサイエンスと生物学の交差点と、それが現代科学の重要なフロンティアをどのように表しているかに関心のある人向け。クラスタリングと次元削減に焦点を当てています。UCSDのバイオインフォマティクススペシャライゼーションの一部。無料と有料のオプションをご利用いただけます。3件のレビューで4つ星の加重平均評価があります。

機械学習入門(Udacity):トピックの幅と実用的なツール(Python)を深さと理論よりも優先します。インストラクターのセバスチアン・スランとケイティ・マローンがこのクラスをとても楽しくしています。一口サイズのビデオとクイズで構成され、その後に各レッスンのミニプロジェクトが続きます。現在、UdacityのデータアナリストNanodegreeの一部です。10週間の推定タイムライン。自由。19件のレビューで3.95つ星の加重平均評価があります。

データ分析のための機械学習(ウェズリアン大学/コースセラ):簡単な機械学習の紹介といくつかの選択アルゴリズム。決定木、ランダムフォレスト、ラッソ回帰、およびk-meansクラスタリングについて説明します。ウェズリアンのデータ分析と解釈の専門化の一部。4週間の推定タイムライン。無料と有料のオプションをご利用いただけます。5件のレビューで3.6つ星の加重平均評価があります。

Python for Data Science(Microsoft / edX)を使用したプログラミング:MicrosoftがCodingDojoと提携して作成しました。Pythonを使用します。6週間にわたって週に8時間。無料と有料のオプションをご利用いただけます。37件のレビューで3.46つ星の加重平均評価があります。

取引のための機械学習(Georgia Tech / Udacity):確率的な機械学習アプローチを取引の決定に適用することに焦点を当てています。Pythonを使用します。Udacityの機械学習エンジニアNanodegreeとGeorgiaTechのオンライン修士号(OMS)の一部。4か月の推定タイムライン。自由。14件のレビューで3.29つ星の加重平均評価があります。

実用的な機械学習(ジョンズホプキンス大学/コースセラ):いくつかの機械学習アルゴリズムの簡単で実用的な紹介。さまざまな懸念を表明するいくつかの1つまたは2つ星のレビュー。JHUのデータサイエンススペシャライゼーションの一部。4週間にわたって週に4〜9時間。無料と有料のオプションをご利用いただけます。37件のレビューで3.11つ星の加重平均評価があります。

データサイエンスと分析のための機械学習(コロンビア大学/ edX):幅広い機械学習トピックを紹介します。コンテンツの選択、プログラミングの割り当ての欠如、刺激のないプレゼンテーションなどの懸念を伴う、情熱的な否定的なレビュー。5週間にわたって週に7〜10時間。確認済みの証明書を購入すると無料です。36件のレビューで2.74つ星の加重平均評価があります。

レコメンダーシステムの専門分野(ミネソタ大学/コースセラ校):特定のタイプの機械学習に重点を置いています。レコメンダーシステムです。4コースの専門分野とケーススタディであるキャップストーンプロジェクト。LensKit(レコメンダーシステム用のオープンソースツールキット)を使用して教えられました。無料と有料のオプションをご利用いただけます。2件のレビューで2つ星の加重平均評価があります。

ビッグデータを使用した機械学習(カリフォルニア大学サンディエゴ校/コースセラ校):不十分な指導と評価を強調するひどいレビュー。コース全体を完了するのにほんの数時間しかかからなかったと言う人もいました。UCSDのビッグデータスペシャライゼーションの一部。無料と有料のオプションをご利用いただけます。14件のレビューで1.86つ星の加重平均評価があります。

実用的な予測分析:モデルと方法(ワシントン大学/コースセラ):コア機械学習の概念の簡単な紹介。あるレビュアーは、クイズが不足していて、課題は難しいものではなかったと述べました。スケールスペシャライゼーションでのUWのデータサイエンスの一部。4週間にわたって週に6〜8時間。無料と有料のオプションをご利用いただけます。4件のレビューで1.75つ星の加重平均評価があります。

以下のコースは、2017年5月の時点でレビューが1つまたはまったくありませんでした。

ミュージシャンとアーティストのための機械学習(ゴールドスミス、ロンドン大学/カデンツェ):ユニーク。学生は、人間のジェスチャー、音楽オーディオ、およびその他のリアルタイムデータを理解するためのアルゴリズム、ソフトウェアツール、機械学習のベストプラクティスを学びます。長さ7セッション。監査(無料)およびプレミアム(月額$ 10 USD)オプションをご利用いただけます。5つ星のレビューが1つあります。

Pythonでの応用機械学習(ミシガン大学/コースセラ校):Pythonとscikitlearnツールキットを使用して学習しました。Pythonスペシャライゼーションを使用した応用データサイエンスの一部。5月29日開始予定。無料と有料のオプションをご利用いただけます。

応用機械学習(Microsoft / edX):Python、R、Microsoft Azure Machine Learningなどのさまざまなツールを使用して指導しました(注:Microsoftがコースを作成しています)。講義内容を強化するためのハンズオンラボが含まれています。6週間にわたって週に3〜4時間。確認済みの証明書を購入すると無料です。

Pythonを使用した機械学習(ビッグデータ大学):Pythonを使用して教えました。初心者を対象としています。推定完了時間は4時間です。ビッグデータ大学はIBMと提携しています。自由。

Apache SystemMLを使用した機械学習(ビッグデータ大学):大規模な機械学習用に設計された宣言型言語であるApacheSystemMLを使用して学習しました。推定完了時間は8時間です。ビッグデータ大学はIBMと提携しています。自由。

データサイエンスのための機械学習(カリフォルニア大学サンディエゴ校/ edX):2018年1月まで開始されません。プログラミングの例と割り当ては、Jupyterノートブックを使用したPythonで行われます。10週間にわたって週に8時間。確認済みの証明書を購入すると無料です。

分析モデリング入門(Georgia Tech / edX):このコースでは、Rを主要なプログラミングツールとして宣伝しています。10週間にわたって週に5〜10時間。確認済みの証明書を購入すると無料です。

予測分析:ビッグデータから洞察を得る(クイーンズランド工科大学/ FutureLearn):いくつかのアルゴリズムの概要。Hewlett PackardEnterpriseのVerticaAnalyticsプラットフォームを適用ツールとして使用します。開始日は発表されます。4週間にわたって週に2時間。達成証明書を購入すると無料です。

IntroducciónalMachineLearning(UniversitasTelefónica/MiríadaX):スペイン語で教えられています。教師あり学習と教師なし学習をカバーする機械学習の概要。4週間で合計20時間。

機械学習パスステップ(Dataquest):Dataquestのインタラクティブなブラウザー内プラットフォームを使用してPythonで学習します。複数のガイド付きプロジェクトと、独自のデータを使用して独自の機械学習システムを構築する「プラス」プロジェクト。サブスクリプションが必要です。

次の6つのコースがDataCampによって提供されています。DataCampのハイブリッド教育スタイルは、ブラウザ内のコードエディタを介して多くの例を含むビデオおよびテキストベースの命令を活用します。各コースへのフルアクセスにはサブスクリプションが必要です。

機械学習の概要(DataCamp):分類、回帰、およびクラスタリングのアルゴリズムについて説明します。Rを使用します。15本のビデオと81の演習があり、推定タイムラインは6時間です。

scikit-learn(DataCamp)を使用した教師あり学習:Pythonとscikit-learnを使用します。分類および回帰アルゴリズムについて説明します。17本のビデオと54本の演習、推定4時間のタイムライン。

Rでの教師なし学習(DataCamp):Rでのクラスタリングと次元削減の基本的な概要を提供します。推定タイムラインが4時間の16のビデオと49の演習。

Machine Learning Toolbox(DataCamp):機械学習の「大きなアイデア」を教えます。R. 24のビデオと88の演習を使用し、推定タイムラインは4時間です。

専門家による機械学習:学校予算(DataCamp):DrivenDataでの機械学習コンテストのケーススタディ。学校の予算内のアイテムを自動的に分類するモデルの構築が含まれます。DataCampの「scikit-learnによる教師あり学習」が前提条件です。15本のビデオと51本の演習、推定4時間のタイムライン。

Pythonでの教師なし学習(DataCamp):Python、scikit-learn、およびscipyを使用したさまざまな教師なし学習アルゴリズムについて説明します。コースは、人気のあるミュージシャンを推薦するための推薦システムを構築する学生で終わります。13本のビデオと52本の演習、推定4時間のタイムライン。

機械学習(トムミッチェル/カーネギーメロン大学):カーネギーメロンの大学院の機械学習入門コース。2番目の大学院レベルのコース「統計的機械学習」の前提条件。練習問題、宿題、および中間(すべて解決策付き)がオンラインで投稿された大学の講義を録音しました。コースの2011年版も存在します。CMUは、機械学習を学ぶのに最適な大学院の1つであり、MLを専門とする学部全体があります。自由。

統計的機械学習(ラリーワッサーマン/カーネギーメロン大学):このガイドで最も進んだコースのようです。カーネギーメロン大学の機械学習コースのフォローアップ。練習問題、宿題、および中間(すべて解決策付き)がオンラインで投稿された大学の講義を録音しました。自由。

学部機械学習(ナンドデフレイタス/ブリティッシュコロンビア大学):学部機械学習コース。講義は撮影され、コースのWebサイトに投稿されたスライドとともにYouTubeに掲載されます。コースの課題も投稿されます(ただし、解決策はありません)。de Freitasは現在、オックスフォード大学の常勤教授であり、さまざまなフォーラムで彼の教育能力が高く評価されています。利用可能な大学院版(下記参照)。

機械学習(ナンドデフレイタス/ブリティッシュコロンビア大学):大学院の機械学習コース。de Freitasの学部課程(上記)のコメントはここにも当てはまります。

まとめ

これは、データサイエンス分野に参入するための最高のオンラインコースをカバーする6部構成のシリーズの5番目です。最初の記事ではプログラミング、2番目の記事では統計と確率、3番目の記事ではデータサイエンスの概要、4番目の記事ではデータの視覚化について説明しました。

何千ものデータポイントに基づいて、インターネット上のすべてのデータサイエンス入門コースをランク付けしました

1年前、私はカナダで最高のコンピュータサイエンスプログラムの1つを中退しました。自分のデータを作り始めました…

最後の部分は、これらの記事の要約に加えて、データラングリング、データベース、さらにはソフトウェアエンジニアリングなどの他の重要なトピックに関する最高のオンラインコースです。

データサイエンスのオンラインコースの完全なリストをお探しの場合は、ClassCentralのデータサイエンスとビッグデータの件名ページで見つけることができます。

これを読んで楽しんだら、ClassCentralの他の部分をチェックしてください。

今すぐオンラインで無料で受講できる250のアイビーリーグコースをご紹介します

ブラウン、コロンビア、コーネル、ダートマス、ハーバード、ペン、プリンストン、エールからの250のMOOC。

データによると50の最高の無料オンライン大学コース

2011年11月にClassCentralを立ち上げたとき、約18の無料オンラインコースがあり、ほとんどすべてが…

見逃したコースの提案があれば、回答で知らせてください!

これが役に立った場合は、?をクリックしてください。だからもっと多くの人がここミディアムでそれを見るでしょう。

これは、Class Centralで公開された元の記事の要約版であり、詳細なコースシラバスが含まれています。