数据科学和机器学习的前11个资源： 1. Kaggle：提供数据集、竞赛和教育资源。 2. DataCamp：提供在线课程和实践项目。 3. Towards Data Science：一个博客平台，分享数据科学和机器学习的文章。 4. Udacity：提供免费的入门数据科学课程。 5. Coursera：提供数据科学和机器学习的在线课程。 6. Machine Learning Mastery：提供机器学习和深度学习的教程和资源。 7. Towards AI：一个人工智能和机器学习的在线社区。 8. Analytics Vidhya：提供数据科学和机器学习的教程和竞赛。 9. Reddit – Data Science：一个关于数据科学的社区。 10. Google Developers YouTube Channel：Google开发者的YouTube频道，包含有关机器学习和数据科学的视频。 11. 天池：阿里云提供的数据科学和机器学习竞赛平台。
数据是新的石油。而机器学习则是燃料。掌握这两者的人将掌控世界。
不，以上并不是从反乌托邦小说中摘取的华而不实的词句。
这是现实。
新的世界秩序完全取决于收集大量相关数据并将其加工成可行动的见解，这是人类历史上无法做到的事情。这种技术可以使一个国家领先于其他国家，并最终统治世界。
因此，这对于世界上的进步国家来说非常重要。
一个赚钱的职业选择
撇开国际阴谋不谈，数据科学和机器学习是一个极具潜力的新领域。需求非常大（委婉地说），而数据科学家的数量不够。即使是普通水平的数据科学家也不够。
好像我们突然发现了许多新的可居住的星球，但没有足够的人口来迁居。我可以继续说个没完没了，然后像坏掉的唱片一样重复，但我认为这个信息图表做得更好：
所以我们可以看到薪水起薪在50000美元以上，而经理的薪水甚至可以超过250000美元。
不仅如此，每个人每秒钟都会产生1.7MB的数据。这是终身产生的3500多TB的数据，这个数据比我们现在知道如何处理的数据还要多，更别说用于分析了。说未来光明是对这块崭新的牧场的不敬。
数据科学和机器学习难吗？
好问题！
从我的经验来看，答案既是“是”也是“不是”。
数据科学（以及机器学习）是研究和推动技术发展的最困难的事情。对于这样的工作，即使拥有计算机科学和数学博士学位也是不够的。但是，普通人既没有这样的野心，也没有时间进行这样的追求。
另一方面是我称之为“应用数据科学和机器学习”的领域。
也就是说，你使用现有的工具、技术和算法来解决一些实际问题。这部分需要专注、洞察力和创造性思维（以及对一些简单数学概念的了解，这些概念可以很快学会），但是就真正的“技术”知识而言，它比软件工程师的工作要宽松得多。
换句话说，这并不容易，但根据“回报与投入比”的比较，这是最好的选择之一。
既然你已经做好了成为数据科学家和机器学习工程师的决心，那么让我们开始探索目前最好的选择。
机器学习（Google）
很少有人知道，但谷歌有一个广泛的、高度实用的机器学习课程。根据该公司的说法，这是他们推进人工智能/机器学习技术并将其知识公开的一部分承诺。
这门课程最好的地方在于没有先决条件，但准备好自己花更多的时间来探索统计学概念。
我的意思是，这不是必需的，但如果你对高级统计学没有任何背景知识，那么这门课程中的解释可能不够。另一个问题是，这门课程通过TensorFlow引入机器学习，TensorFlow是谷歌开发的一个机器学习实现。因此，从某种意义上说，谷歌旨在推广其用于机器学习的API。但考虑到这门课程提供的价值，我不认为这应该成为一个障碍。
如果说有什么问题，TensorFlow是深入机器学习并广受欢迎的一种简单方法之一（有关AI框架的比较，请参见this）。
数据科学
哈佛大学的名字让人敬畏，这门课程也同样如此。
首先：这不是一个快速编写代码片段或脚本的学习链接。这门课程需要付出辛勤的努力和大量的时间投入。
The course 提供免费的视频、代码（存放在GitHub上）和实验练习的解决方案，所以实际上，你在学习过程中并没有受到任何限制。
理想的受众是谁呢？
就是你…我不是在开玩笑。
我会说适合有过不错数学教育的职业人士，即使他们可能不再对数学感兴趣（推理和证明的习惯是最重要的）。但是请再次注意：你可能会以为自己很厉害，但是这门课程会让你感觉就像在早餐时嚼钉子一样困难——练习问题具有足够的挑战性，足以让你哭泣，但这也可能正是你在寻找的东西！
机器学习
走进一个满是数据科学家的酒吧，问谁是 Andrew Ng，你会挨揍一顿。
在数据科学和机器学习领域，Andrew Ng凭借他在Coursera上的卓越课程，已经达到了神一般的地位 — Machine Learning。
如果你怀疑Andrew Ng的资历，我就让这个证明他的能力：
这是一门付费课程，属于Coursera的收费计划的一部分，但财务承诺和决心并不是唯一的前提条件。这是一门很长的课程，Andrew会深入探讨所有机器学习背后的数学知识，并剖析流行的算法。但幸运的是，这是一门完整的课程，你将逐步被引导进入最深的地方，然后再被带回来。
我强烈推荐它，主要是因为炫耀完成这门课程的证书已成为一种潮流！
应用数据科学
Coursera 上的专业课程包括一系列的课程，旨在将你从零基础提升到精通某个概念。如果你正在寻找一门全面、严肃而友好的使用Python进行数据科学和机器学习的课程，我非常推荐这门课程。
在课程结束时，你将获得一个证书。
DataCamp
DataCamp 提供了大量的数据科学课程，其中还包括多个技能和职业路径。从数据处理到机器学习，你将获得在数据科学领域取得成功所需的技能。
通过 DataCamp 的内容，你可以按照自己的节奏学习。这些课程将为你提供实践经验，帮助你提升数据科学技能。
你可以从免费版本开始，并通过查看第一章来评估这门课程。
edX
在 edX platform 上学习MITx、Harvardx、IBM、RICEx、UCSanDiegox和GTx的课程。
所有这些课程都有全面的课程设置，帮助你掌握数据科学家所需的技能。这些课程最适合具有统计学或计算机科学背景的人士。
如果你不想选择一个完整的项目，你可以按照自己的需求选择课程。在 edX 上，你会找到200多门与数据科学相关的课程，涵盖Python、R、Excel、概率、统计学、机器学习、data visualization 等等。
Codecademy
Codecademy是另一个帮助你学习编程的最佳平台之一。他们坚持“通过实践学习”的理念，在他们的平台上有许多实践项目和测试。
Codecademy提供的 data science course 包括SQL、Python 3、NumPy、Pandas、Matplotlib、Scikit-learn等许多库。
整个职业路径包含26门课程，足以帮助你成为一名成功的数据科学家。
这门数据课程：
- 为您提供深入的数据科学知识
- 提供易于遵循的路线图
- 通过帮助您获得足够的实践经验，使您具备就业能力
Udemy
Udemy无需介绍。
在Udemy上的Python for Data Science and Machine Learning Bootcamp是最受欢迎的课程之一，拥有超过85K+的评分4.6，并已被全球370K+的学生选修。
以下是本课程涵盖的主题：
以下是本课程的特点和交付内容：
- 25小时的点播视频
- 终身访问权限
- 13篇文章和五个可下载资源
- 可在移动设备和电视上访问
- 完成证书
- 30天退款保证
因此，如果您喜欢经济实惠的课程，这将是您开始学习的最佳选择。
Google AI
您有兴趣从Google的ML专家那里学习机器学习吗？
那么您需要在Google AI上查看课程。
该平台提供面向学生、软件工程师、数据科学家甚至研究人员的机器学习和数据科学课程和内容，全部免费。
首先，您应该选择Google AI的Machine Learning Crash Course开始学习。这是一个以TensorFlow API为基础的快节奏实践导向课程。以下是该课程的详细信息：
该平台还提供了关于重要机器学习主题的专门课程，如clustering、recommendation systems、testing, and debugging in machine learning、data separation, and feature engineering in machine learning。如果您已经了解机器学习的基础知识，这些课程将增加您的价值。
Udacity
Udacity也是一个非常受欢迎的电子学习平台，提供了大量关于热门技术的课程。它拥有多个由全球顶级公司（如AT&T、AWS、Google、IBM）构建和认可的行业领先项目。
Udacity的一个项目是数据科学-School of Data Science。该项目可以帮助您获得数据分析师、数据科学家、数据工程师和业务分析师的工作。该项目中的数据科学家课程是涵盖机器学习、深度学习和软件工程概念的重要课程。您需要具备机器学习的基础知识才能选择这门课程。
如果您了解Python编程但对机器学习还不熟悉，Udacity还有另一个项目-School of AI。该项目从机器学习基础开始进行课程。
深度学习
This course是一个福音，也是我在此名单上最推荐的课程，如果您是一名编码人员。
我想再说一遍：如果您是一名编码人员。
这是因为该课程不浪费时间教授编程基础知识。课程描述清楚表示（强调为原文）：
我们假设每个参加此课程的人至少具有一年的编程经验。该课程使用Python作为教学语言，因此如果您尚未了解Python，我们假设您将花时间学习-对于有经验的编码人员来说，您会发现Python是一种非常容易学习的语言。
因此，如果您已经了解Python（如果没有，请学习learn here），或者可以迅速适应，这对于那些希望构建真实可用系统而不过多担心算法的理论基础的实用主义者来说是完美的课程。
我甚至可以说这是为那些不喜欢仪式和单调乏味的急于尝试的人（就像我一样！）。
哦，对了，我有提到它是100%免费且有一个伟大的社区吗？！
结论
呼！
这是一个很难编制的清单。不是因为好的资源不够，而是因为太多了！
机器学习是一个真正爆炸式增长的领域，它以非常优雅地解决了一些困难问题，因此有很多免费和付费的资源，其中大部分都非常非常好。但这也可能导致困惑，这就是为什么我尝试将其简化为适用于不同经验水平的学习者的十一种类型。
希望对你有所帮助！
