Questions tagged «education»

现在，我已经看到了两个数据的科学认证计划- 约翰·霍普金斯大学一个可在Coursera和Cloudera的一个。 我确定那里还有其他人。 John Hopkins的一组类集中于R作为工具集，但涵盖了一系列主题： R编程 清理并获取数据 数据分析 可重复的研究 统计推断 回归模型 机器学习 开发数据产品 看起来像基于项目的完成任务，类似于Cloudera的数据科学挑战赛 Cloudera程序表面上看起来很薄，但是可以回答两个重要的问题-“您是否知道工具”，“您可以在现实世界中应用这些工具”。他们的程序包括： 数据科学导论 数据科学基础考试 数据科学挑战赛（现实世界中的数据科学项目场景） 我不是在寻找有关程序或质量比较的建议。 我对其他认证，它们涵盖的主题以及社区此时对DS认证的重视程度感到好奇。 编辑：这些都是很好的答案。我正在以投票方式选择正确的答案。

35 education 

关闭。这个问题是题外话。它当前不接受答案。 想改善这个问题吗？ 更新问题，使它成为Data Science Stack Exchange 的主题。 5年前关闭。 我是爱丁堡大学的理学硕士，专门研究机器学习和自然语言处理。我有一些实践课程侧重于数据挖掘，还有一些涉及机器学习，贝叶斯统计和图形模型的课程。我的背景是计算机科学学士学位。 我进行了一些软件工程，并且学习了基本概念，例如设计模式，但是我从未参与过大型软件开发项目。但是，我在MSc中有一个数据挖掘项目。我的问题是，如果我想以数据科学家的身份求职，应该先申请研究生数据科学家的职位，还是先获得研究生软件工程师的职位，也许是与数据科学相关的事情，例如大数据基础设施或机器学习软件开发？ 我担心的是，我可能需要良好的数据科学软件工程技能，而且我不确定是否可以通过直接担任研究生数据科学家来获得这些技能。 此外，目前我喜欢Data Mining，但是如果将来我想将自己的职业转到软件工程该怎么办？如果我专门研究数据科学，可能会很难。 我尚未受雇，所以我的知识仍然有限。欢迎您提出任何澄清或建议，因为我即将完成理学硕士课程，我想在10月初开始申请研究生职位。

20 education  definitions  career 

关闭。这个问题是题外话。它当前不接受答案。 想改善这个问题吗？ 更新问题，使它成为Data Science Stack Exchange 的主题。 5年前关闭。 最近，我与某人进行了交谈，并提到了我对数据分析的兴趣以及我打算学习必要的技能和工具的人。他们向我建议，虽然学习工具和建立技能很棒，但除非我在特定领域具有专门知识，否则这样做毫无意义。 他们的基本结论是，我就像一个拥有大量工具的建筑商，可以建造一些木箱，并且可以建造更好的东西（客舱，橱柜等），但是如果没有特定领域的知识，我永远不会成为建筑商，人们会去找特定的产品。 有没有人找到这个或对此有什么投入？似乎确实如此，人们将不得不学习事物的数据科学方面，然后学习一个新的领域以变得专业化。

15 education  beginner  career 

我想探索“数据科学”。这个词对我来说似乎有点模糊，但是我希望它要求： 机器学习（而不是传统的统计）； 一个足够大的数据集，您必须在集群上运行分析。 具有一定编程背景的统计学家可以访问哪些好的数据集和问题，以用于探索数据科学领域？ 为了尽可能缩小范围，理想情况下，我希望链接到开放的，使用良好的数据集和示例问题。

11 statistics  education  knowledge-base  definitions 

已关闭。这个问题需要更加集中。它当前不接受答案。 想改善这个问题吗？更新问题，使其仅通过编辑此帖子来关注一个问题。 5年前关闭。 似乎大多数语言都具有一定数量的科学计算库。 Python有 Scipy Rust 有 SciRust C++有几个包括ViennaCL和Armadillo Java具有Java Numerics和Colt其他几个 且不说像语言R和Julia明确的科学计算而设计。 有这么多种选择，您如何选择适合任务的最佳语言？另外，哪种语言的性能最高？Python并且R似乎在该领域具有最大的吸引力，但从逻辑上讲，编译语言似乎是一个更好的选择。会有什么表现胜过Fortran？此外编译语言往往有GPU加速，而解释性语言如R并Python没有。选择一种语言时应该考虑什么？哪些语言可以在效用和性能之间取得最佳平衡？还有我错过的具有重要科学计算资源的语言吗？

10 efficiency  statistics  tools  knowledge-base  machine-learning  neural-network  deep-learning  optimization  hyperparameter  machine-learning  time-series  categorical-data  logistic-regression  python  visualization  bigdata  efficiency  classification  binary  svm  random-forest  logistic-regression  data-mining  sql  experiments  bigdata  efficiency  performance  scalability  distributed  bigdata  nlp  statistics  education  knowledge-base  definitions  machine-learning  recommender-system  evaluation  efficiency  algorithms  parameter  efficiency  scalability  sql  statistics  visualization  knowledge-base  education  machine-learning  r  python  r  text-mining  sentiment-analysis  machine-learning  machine-learning  python  neural-network  statistics  reference-request  machine-learning  data-mining  python  classification  data-mining  bigdata  usecase  apache-hadoop  map-reduce  aws  education  feature-selection  machine-learning  machine-learning  sports  data-formats  hierarchical-data-format  bigdata  apache-hadoop  bigdata  apache-hadoop  python  visualization  knowledge-base  classification  confusion-matrix  accuracy  bigdata  apache-hadoop  bigdata  efficiency  apache-hadoop  distributed  machine-translation  nlp  metadata  data-cleaning  text-mining  python  pandas  machine-learning  python  pandas  scikit-learn  bigdata  machine-learning  databases  clustering  data-mining  recommender-system 

Yann LeCun在其AMA中提到，他认为拥有博士学位对于在顶级公司找到工作非常重要。 我拥有统计学硕士学位，本科是经济学和应用数学，但现在我正在研究ML博士课程。大多数程序都说没有绝对必要的CS课程。但是我倾向于认为大多数被接受的学生至少具有非常强的CS背景。我目前担任数据科学家/统计员，但我的公司将为课程付费。我应该在本地大学上一些入门软件工程课程，以使自己成为更强大的候选人吗？对于从CS领域以外申请博士学位课程的人，您还有什么其他建议？ 编辑：我每天都参加一些MOOC（机器学习，推荐系统，NLP）和代码R / python。我在统计语言方面有很多编码经验，并且每天都要执行ML算法。我对我可以放在应用程序上的东西更加关注。

10 education