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

Kaboompicsの木製ロボット

1年半前、私はカナダで最高のコンピューターサイエンスプログラムの1つを中退しました。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マスタープログラムの作成を開始しました。代わりに、edX、Courser、およびUdacityを使用して必要なすべてを学習できることに気付きました。そして、私はそれをより速く、より効率的に、そしてほんの少しの費用で学ぶことができました。

もうほとんど終わった。多くのデータサイエンス関連のコースを受講し、さらに多くのコースを監査しました。そこにあるオプションと、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を準備する学習者に必要なスキルを知っています。そこで、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駆動型ガイドの作成を開始しました。

シリーズの最初のガイドでは、初心者のデータサイエンティスト向けにいくつかのコーディングクラスをお勧めします。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紹介。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、評価をコンパイルするのに10時間を費やしました。私の最終目標は、利用可能な3つのベストコースを特定し、以下に示すことでした。

このタスクでは、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しか頼りませんでした。

クラスセントラルのホームページ。

2011年以来、Class Centralの創設者であるDhawal Shahは、おそらく世界中の誰よりもオンラインコースに注目しています。ダワールは個人的にこのリソースのリストを作成するのを助けてくれました。

考慮すべきコースの選択方法

各コースは3つの基準に適合している必要があります。

  1. 大量の機械学習コンテンツが必要です。理想的には、機械学習が主要なトピックです。深層学習のみのコースは除外されていることに注意してください。そ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、書籍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。厳密に動画であるコース(つまり、クイズや課題のないコース)も除外されます。

上記の基準に適合するすべての注目すべきコースを網羅したと考えています。 Udemyには数百のコースがあるように見えるため、最も評価が高く、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。良いコースを除外した場合は、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や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。

次の3つの要因に基づいて、シラバスの主観的な判断を行いました。

  1. 機械学習のワークフローの説明。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?典型的なワークフローに伴うものについては、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の範囲。さまざまな手法(例:回帰、分類、クラスタリングなど)とアルゴリズム(例:分類内:単純ベイズ、決定木、サポートベクターマシンなど)が対象ですか、それともごく一部ですか?詳細に目を通すことなく、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。このコースは、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?それらの言語内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、これらのコースは若干優先されます。

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年のアーサーサミュエルに由来します。機械学習は、コンピューターサイエンスのサブフィールドであり、「コンピューターは明示的にプログラミングされなくても学習する能力」を与えます。実際、これはデータに基づいて予測できるコンピューター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ように、コンピューターもデータ=経験です。

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可能性がありますが、ほとんどのワークフローはいくつかの共通タスクを共有します。問題の評価、データの調査、データの前処理、モデルのトレーニング/テスト/展開などです。

UpX Academyによる典型的な機械学習ワークフローのコアステップ

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。簡潔な説明を次に示します。

「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 Learning MasteryのJason Brownlee氏

予想されるように、機械学習コースの一部にはディープラーニング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。ディープラーニングに特に興味がある場合は、次の記事をご覧ください。

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。

  • KadenzeによるTensorFlowを使用した深層学習の創造的なアプリケーション
  • トロント大学(Geoffrey Hinton教授)によるCourseraによる機械学習用ニューラルネットワーク
  • ディープラーニングA-Z™: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

推奨される前提条件

以下に示すいくつかのコースでは、事前のプログラミング、計算、線形代数、統計の経験を学生に求めています。これらの前提条件は、機械学習が高度な分野であることを考えると理解できます。

いくつかの科目がありませんか?良いニュースです!この経験の一部は、このData Science Career Guide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、穏やかな計算と線形代数の復習を提供し、あまり慣れていない人にとって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の選択は…

  • 機械学習(コースラ経由スタンフォード大学)

スタンフォード大学のCourseraの機械学習は、評価、レビュー、シラバスの適合性に関して、現在の明確な勝者です。 Google Brainの創設者であり、バイドゥの元チーフサイエンティストである有名なAndrew Ngによって教えられたこのクラスは、Courstraの設立に火をつけたクラスでした。 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、機械学習のワークフローのすべての側面をカバーしています。もともとのスタンフォードのクラスよりも範囲は狭いですが、多くの技術とアルゴリズムをカバーしています。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専用です。無料と有料のオプションが利用可能です。

Ngは、触知可能な経験を持つダイナミックでありながら優しいインストラクターです。特に、一般的な落とし穴に関する実用的な実装のヒントと警告を共有するとき、彼は自信を呼び起こします。線形代数リフレッシャーが提供され、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Octave(MATLABのオープンソースバージョン)で完了できます。 Ngは彼の言語選択について説明しています。

過去に、C ++、Java、Python、NumPy、Octaveなど、多種多様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。プログラミング環境としてOctaveを使用すると、はるかに速く学習できます。

PythonとRは、これらの言語の人気の高まりにより、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、コースを受講するのをやめるべきではないと指摘します。

いくつかの著名な校閲者が次のことに留意しました。

MOOCの世界で長年にわたって知られている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。コースは機械学習のすべての主要な分野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議論と例を挙げています。
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科目を説明することができます。強くお勧めします。
他のコースの期待値を非常に高く設定している場合、このコースで見られる唯一の問題。

素晴らしい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。それはより新しく、多数のレビューはありませんが、持っているレビューは非常に強力です。ジョン・ペイズリー教授は、輝かしく、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。

また、このコースでは、機械学習の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を扱っています。 Columbia'sは、学生が推奨される前提条件(計算、線形代数、統計、確率、およびコーディング)に満足すべきであると指摘する、より高度な紹介です。

クイズ(11)、プログラミング課題(4)、および最終試験が評価モードです。生徒はPython、Octave、またはMATLABを使用して課題を完了することができます。コースの合計予定時間は、12週間で週に8〜10時間です。検証済みの証明書が購入可能な状態で無料です。

前述のスパークリングレビューのいくつかを以下に示します。

私の長年にわたる学生である私は、才能のない教授、才能はあるが、物事を明確に説明する方法を知らない教授、才能のある教授、物事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。ペイズリー博士は第3グループに属します。
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、コースの最も強力なポイントの1つです。講義は質が高く、スライドも素晴らしいです。
ペイズリー博士と彼の上司は…機械学習の父マイケル・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、コロンビアで最高のML教授です。今学期、最大240人の学生がコースを選択しました。これはコロンビアのすべての教授[教育]機械学習の中で最大の数です。

業界の専門家によるPython&Rの実用的な紹介

  • Machine Learning A-Z™: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Machine Learning A-Z™は、PythonとRの両方で説明を提供する非常に詳細な製品であり、これはまれであり、他のトップコースでは言えません。 8,119件のレビューに対して4.5つ星の加重平均評価があり、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。

機械学習の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)多数のアルゴリズムを網羅しています。このコースは、上記の2つのコースよりも応用されたアプローチを採用しており、数学的には軽いです。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。その後、de Pontevesは、PythonとRの両方について個別のビデオを使用して実装を説明します。

「ボーナス」として、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できるPythonおよびRコードテンプレートが含まれています。クイズと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、「複雑さを単純化する」能力が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」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製品にuntえている人にとってより良い選択肢かもしれません。

いくつかの著名な校閲者が次のことに留意しました。

コースはプロが制作し、音質は優れており、説明は明確で簡潔です。これは、金銭的および時間的な投資にとって信じられない価値です。
2つの異なるプログラミング言語で同時にコースを受講できることは壮観でした。
キリルはUdemyの絶対的な最高のインストラクターの1人であり(インターネットでない場合)、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

私たちの一番のピックは、422件のレビューで5つ星中4.7の加重平均評価を獲得しました。降順で並べ替えら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は含まれていません。ここでそれらを見つけることができます。

分析エッジ(マサチューセッツ工科大学/ edX):分析全般に焦点を当てていますが、機械学習のいくつかのトピックをカバーしています。おなじみの実世界の例を活用したR.強い物語を使用します。挑戦。 12週間にわたる週10〜15時間。検証済みの証明書を購入して無料で利用できます。 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):大量の機械学習コンテンツがありますが、データサイエンスプロセス全体をカバーしています。 Pythonの非常に詳細なイントロの詳細。すばらしいコースですが、このガイドの範囲には理想的ではありません。 21.5時間のオンデマンドビデオ。コストは、頻繁に行われる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および機械学習ブートキャンプ(Jose Portilla / Udemy):R. 17.5時間のオンデマンドビデオを除き、Portillaの上記のコースのコメントもここに適用されます。コストは、頻繁に行われる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書を教えてくれたLazy Programmerは、現在Udemyで16の機械学習に焦点を当てたコースを持っています。合計で、コースには5000以上の評価があり、ほとんどすべてに4.6の星が付いています。個々のコースの説明には、便利なコースの順序が記載されています。 Pythonを使用します。コストは、頻繁に行われるUdemyの割引によって異なります。

機械学習(Georgia Tech / Udacity):3つの別個のコース(教師あり、教師なし、強化学習)をまとめたもの。 Udacityの機械学習エンジニアであるNanodegreeおよびGeorgia Techのオンライン修士号(OMS)の一部。一口サイズの動画、Udacityのスタイル。フレンドリーな教授。 4か月の推定タイムライン。無料です。 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、ビッグデータに優しい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週間で週に4時間。検証済みの証明書を購入して無料で利用できます。 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によるデータサイエンスと機械学習—ハンズオン! (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。コストは、頻繁に行われる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。コストは、頻繁に行われる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、いくつかの個別のUdacityコースを無料でコンパイルしたものです。 Kaggleが共同作成しました。推定6か月のタイムライン。現在、月額199米ドルで、12か月以内に卒業した人は授業料の50%を払い戻します。 2件のレビューで4.5つ星の加重平均評価があります。

Learning From Data(Introductory Machine Learning)(California Institute of Technology / edX):現在、edXの登録は終了していますが、CalTechの独立したプラットフォームでも利用できます(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。

Learning From Data(Introductory Machine Learning)(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。」レビューは、機械学習理論を理解するのに優れていると指摘しています。教授のヤセルアブモスタファは学生に人気があり、このコースの基礎となる教科書も執筆しています。ビデオは、YouTubeにアップロードされた録音済みの講義(講義スライド付き)です。宿題は.pdfファイルです。オンライン学生のコース体験は、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。

Mining Massive Datasets(Stanford University):「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10時間。無料です。 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Amazon Web Servicesに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。コストは、頻繁に行われる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。コストは、頻繁に行われる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、それを書いた教授が教えています。レビューアーは、MOOCは本ほど優れていないと指摘し、「薄い」エクササイズと平凡なビデオを挙げています。 9週間にわたって週5時間。無料です。 84件のレビューで4.35つ星の加重平均評価があります。

Machine Learning Specialization(ワシントン大学/コースセラ):素晴らしいコースですが、最後の2つのクラス(capstoneプロジェクトを含む)はキャンセルされました。レビューアーは、このシリーズは他のトップ機械学習コース(例:スタンフォード大学やカリフォルニア工科大学)よりも消化しやすい(読んでください:強い技術的背景のない人にとっては簡単です)。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、および概要の欠落により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が利用可能です。 80件のレビューに対して4.31つ星の加重平均評価があります。

ワシントン大学はCourseraで機械学習の専門分野を教えています。

0から1:機械学習、NLP、Pythonカットトゥーザチェイス(Loony Corn / Udemy):「現実的な、恥ずかしがりながら自信を持って機械学習テクニックを取り入れます。」業界での経験。 Pythonを使用します。コストは、頻繁に行われる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。

機械学習の原理(Microsoft / edX):R、Python、およびMicrosoft Azure Machine Learning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週間で週に3〜4時間。検証済みの証明書を購入して無料で利用できます。 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、素晴らしく簡潔な機械学習コース。 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時間の期間は3週間のみですが、あるレビューアは週6時間の方が適切だと指摘しました。無料と有料のオプションが利用可能です。 4つ星を超える4つ星の加重平均評価があります。

Genomic Data Science and Clustering(Bioinformatics V)(カリフォルニア大学、サンディエゴ/クルセラ):コンピューターサイエンスと生物学の交差点、およびそれが現代科学の重要なフロンティアを表す方法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専門分野の一部。無料と有料のオプションが利用可能です。 3つのレビューで4つ星の加重平均評価があります。

機械学習入門(Udacity):深さと理論よりもトピックの幅と実用的なツール(Python)を優先します。インストラクターのセバスチャン・スランとケイティ・マローンは、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、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。無料です。 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(Wesleyan University / Coursera):簡単なイントロ機械学習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、投げ縄回帰、およびk-meansクラスタリングをカバーしています。ウェス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が利用可能です。 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)によるプログラミング:MicrosoftがCoding Dojoと協力して作成。 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が利用可能です。 37件のレビューで3.46つ星の加重平均評価があります。

Machine Learning for Trading(Georgia Tech / Udacity):確率論的な機械学習アプローチを取引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であるNanodegreeおよびGeorgia Tech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。無料です。 14件のレビューで3.29つ星の加重平均評価があります。

Practical Machine Learning(Johns Hopkins University / Coursera):多数の機械学習アルゴリズムの簡単で実践的な紹介。さまざまな懸念を表すいくつかの1つ星または2つ星のレビュー。 JHUのデータサイエンス専門分野の一部。 4週間で週に4〜9時間。無料と有料のオプションが利用可能です。 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ています。コンテンツの選択、プログラミングの割り当ての欠如、意外な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週間で週に7〜10時間。検証済みの証明書を購入して無料で利用できます。 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スペシャライゼーション(ミネソタ大学/クルセラ):特定のタイプの機械学習-レコメンダーシステムに重点を置いています。 4コースの専門分野に加えて、ケーススタディであるcapstone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)を使用して教えました。無料と有料のオプションが利用可能です。 2件のレビューで2つ星の加重平均評価があります。

ビッグデータによる機械学習(カリフォルニア大学、サンディエゴ/クルセラ):指導と評価の質の低さを強調するひどいレビュー。コース全体を完了するのに数時間しかかからなかったと指摘する人もいました。 UCSDのビッグデータ専門分野の一部。無料と有料のオプションが利用可能です。それは14レビューで1.86つ星の加重平均評価をしています。

実践的予測分析:モデルと方法(ワシントン大学/コースラ):機械学習のコアコンセプトの簡単な紹介。あるレビューアは、クイズが不足しており、課題は難しいものではないと指摘しました。 UWのスケールスペシャライゼーションにおけるデータサイエンスの一部。 4週間で週に6〜8時間。無料と有料のオプションが利用可能です。それは4レビューにわたって1.75星の加重平均評価を持っています。

以下のコースは、2017年5月の時点でレビューが1つまたはゼロでした。

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、アルゴリズム、ソフトウェアツール、および機械学習のベストプラクティスを学習して、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します。 7つのセッションの長さ。監査(無料)およびプレミアム(月額10米ドル)オプションが利用可能です。 5つ星のレビューが1つあります。

Pythonの応用機械学習(ミシガン大学/コースラ):Pythonとscikit学習ツールキットを使用して教えました。 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日に開始する予定です。無料と有料のオプションが利用可能です。

Applied Machine Learning(Microsoft / edX):Python、R、Microsoft Azure Machine Learningなどのさまざまなツールを使用して教えます(注:コースはMicrosoftが作成します)。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週間で週に3〜4時間。検証済みの証明書を購入して無料で利用できます。

Pythonによる機械学習(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。 Big Data UniversityはIBMと提携しています。無料です。

Apache SystemMLを使用した機械学習(ビッグデータ大学):大規模な機械学習向けに設計された宣言型の言語であるApache SystemMLを使用して学習しました。推定完了時間は8時間です。 Big Data UniversityはIBMと提携しています。無料です。

データサイエンスの機械学習(カリフォルニア大学、サンディエゴ/ edX):2018年1月まで起動しません。プログラミングの例と割り当てはPythonで、Jupyterノートブックを使用しています。 10週間にわたって週に8時間。検証済みの証明書を購入して無料で利用できます。

アナリティクスモデリングの概要(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。検証済みの証明書を購入して無料で利用できます。

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 Packard EnterpriseのVertica Analyticsプラットフォームを適用ツールとして使用します。発表される開始日。 4週間にわたって週2時間。購入可能な達成証明書で無料。

Introducciónal Machine Learning(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紹介。 4週間で合計20時間。

Machine Learning Path Step(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で教えます。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。

以下の6つのコースがDataCampによって提供されます。 DataCampのハイブリッドティーチングスタイルは、ブラウザー内のコードエディターを介して、ビデオとテキストベースの指示を活用し、多くの例を使用します。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。

DataCampは、いくつかの機械学習コースを提供しています。

機械学習(DataCamp)の概要:分類、回帰、およびクラスタリングアルゴリズムについて説明します。 R. 15のビデオと81のエクササイズを使用し、推定タイムラインは6時間です。

scikit-learn(DataCamp)による教師あり学習:Pythonとscikit-learnを使用します。分類および回帰アルゴリズムをカバーしています。推定タイムラインが4時間の17のビデオと54の演習。

Rの教師なし学習(DataCamp):Rのクラスタリングと次元削減の基本的な紹介を提供します。4つの推定タイムラインで16のビデオと49の演習を行います。

Machine Learning Toolbox(DataCamp):機械学習の「大きなアイデア」を教えます。 4時間の推定タイムラインでR. 24ビデオと88のエクササイズを使用します。

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

Python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をカバーしています。このコースは、学生が人気のある音楽アーティストを推薦するための推薦システムを構築することで終わります。推定タイムラインが4時間の13のビデオと52のエクササイズ。

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入門機械学習コース。 2番目の大学院レベルのコースである「統計的機械学習」の前提条件。練習問題、宿題、およびオンラインで投稿された中期(すべてソリューション付き)の大学講義を録音しました。コースの2011バージョンも存在します。 CMUは機械学習を学ぶのに最適な大学院の1つであり、ML専用の部門全体を持っています。無料です。

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と思われます。カーネギーメロンの機械学習コースのフォローアップ。オンラインで投稿された練習問題、宿題、および中期(すべてソリューション付き)で大学の講義を録音しました。無料です。

CMUは、機械学習を学ぶための最高の大学院の1つです。機械学習と統計的機械学習はオンラインで無料で利用できます。

学部機械学習(Nando de Freitas /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の教育能力が高く評価されています。利用可能な大学院バージョン(以下を参照)。

機械学習(Nando de Freitas /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)のコメントもここに適用されます。

まとめ

これは、データサイエンス分野に進出するための最高のオンラインコースをカバーする6ピースシリーズの5番目です。最初の記事でプログラミング、2番目の記事で統計と確率、3番目の記事でデータサイエンスの紹介、4番目でデータの視覚化を取り上げました。

最後の記事は、これらの記事の概要に加えて、データの争い、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、他の重要なトピックに最適な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探している場合は、クラスセントラル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でいる場合は、クラスセントラルの他の作品をご覧ください。

私が見逃したコースについての提案があれば、回答で教えてください!

これが便利だと思ったら、clickをクリックして、より多くの人がここに表示されるようにします。

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