Хочу попробовать себя Data Science/Data Analysis. Идуший путь осилит, так что я иду.
Здесь ссылки на полезные ресурсы, которые здорово мне помогают.
В первую и главную очень, конечно:
http://habrahabr.ru/ - чего тут только нет и контент выского качества
И несколько статьей оттуда:
http://habrahabr.ru/company/1cloud/blog/270347/ - Профессия Data Science
общие сведения и основные сложности, с которыми сталкиваются «ученые по данным»
http://habrahabr.ru/company/mlclass/blog/252743/ - Обзор по курсам для Data Science, очень толковая статья. Именно благодаря ей я нашла очень хороший курс по Машинному обучению и вспомнила, что нужно оживить математику. В статье приводятися ссылки на прочие ресурсы, так что закопаться можно основательно.
http://habrahabr.ru/post/271265/ - очень полезная статья про библиотеку swirl и про то как
быстро узнать/выучить/азы R. Выбирала между ним и Python. Решила выбрать R.
http://habrahabr.ru/company/mlclass/blog/259321/ - ответы на "Ваши вопросы о Data Science"
Материала этих статей для основательно разбора мне хватит на полгода минимум. К тому же, я взялась за курсы.
Вот этот по машинному обучению на всем знакомой курсере:
https://www.coursera.org/learn/machine-learning/home/welcome - Приятнейшний дядька спокойно и доходчиво доносит знания. Ролики минут по 10 -15. Курс длиться три месяца. Мне первых трёх месяцев не хватило и меня легко перевели на следующий по графику курс, сохранив мой прогресс. К тому же, я купила возможность сертифицироваться, так что к окончанию смогу похвастать дипломом. Единственная печаль, что курс на Matlab или Octave. Вторая программулина бесплатная, но под Linux. Так что ещё и в этом направлении развиваюсь.
https://www.hackerrank.com - Это для поддержания формы ) Кодю на скуле
https://stepic.org/course/Основы-статистики-76 - Статистика на русском. Некоторые понятния для меня как откровение ) Но нравится.
Здесь ссылки на полезные ресурсы, которые здорово мне помогают.
В первую и главную очень, конечно:
http://habrahabr.ru/ - чего тут только нет и контент выского качества
И несколько статьей оттуда:
http://habrahabr.ru/company/1cloud/blog/270347/ - Профессия Data Science
общие сведения и основные сложности, с которыми сталкиваются «ученые по данным»
http://habrahabr.ru/company/mlclass/blog/252743/ - Обзор по курсам для Data Science, очень толковая статья. Именно благодаря ей я нашла очень хороший курс по Машинному обучению и вспомнила, что нужно оживить математику. В статье приводятися ссылки на прочие ресурсы, так что закопаться можно основательно.
http://habrahabr.ru/post/271265/ - очень полезная статья про библиотеку swirl и про то как
быстро узнать/выучить/азы R. Выбирала между ним и Python. Решила выбрать R.
http://habrahabr.ru/company/mlclass/blog/259321/ - ответы на "Ваши вопросы о Data Science"
Материала этих статей для основательно разбора мне хватит на полгода минимум. К тому же, я взялась за курсы.
Вот этот по машинному обучению на всем знакомой курсере:
https://www.coursera.org/learn/machine-learning/home/welcome - Приятнейшний дядька спокойно и доходчиво доносит знания. Ролики минут по 10 -15. Курс длиться три месяца. Мне первых трёх месяцев не хватило и меня легко перевели на следующий по графику курс, сохранив мой прогресс. К тому же, я купила возможность сертифицироваться, так что к окончанию смогу похвастать дипломом. Единственная печаль, что курс на Matlab или Octave. Вторая программулина бесплатная, но под Linux. Так что ещё и в этом направлении развиваюсь.
https://www.hackerrank.com - Это для поддержания формы ) Кодю на скуле
https://stepic.org/course/Основы-статистики-76 - Статистика на русском. Некоторые понятния для меня как откровение ) Но нравится.