ITPub博客

首页 > 人工智能 > 人工智能 > 2018TOP100数据科学资源和工具(下)

2018TOP100数据科学资源和工具(下)

原创 人工智能 作者:李佳惠 时间:2018-11-02 09:49:22 0 删除 编辑

无论您是刚开始从事数据科学,还是准备攻读数据科学或商业分析硕士学位,都需要学习更多内容。本指南为所有阶段的学习者收集了2018年网络上的顶级数据科学资源。  

2018TOP100数据科学资源和工具(下)


目录

  • 在线课程和教程

  • 研究

  • 博客

  • 电子书

  • 社区

  • 学位

  • 用R和Python编码

  • 简讯

  • 免费数据科学工具

在上一篇 2018TOP100数据科学资源和工具(上) 干货|100个免费在线数据科学资源和工具!(上) 中,我们已经介绍了关于数据科学资源和工具的一部分内容,今天小编接着放送福利!

数据科学社区

Analytics Vidhya   - 这个知识和社区门户网站为分析、数据科学和数据工程社区的初学者和专业人士提供服务,以提升他们的职业生涯。门户网站很简单,通过最新的博客、讨论、机器学习黑客马拉松,数据科学培训、聚会和工作为社区服务。

(https://www.analyticsvidhya.com/blog/)

Data Science Central   - Data Science Central是大数据从业者的行业在线资源。该网站提供社区体验,包括强大的编辑平台、社交互动、论坛技术支持、最新的技术、工具和趋势以及行业就业机会。

(https://www.datasciencecentral.com)

KDnuggets   - KDnuggets提供了一个连接业务分析、大数据、数据挖掘、数据科学和机器学习的平台。该网站包含新闻、故事、观点、教程、聚会等部分。

(https://www.kdnuggets.com)

关于Reddit的数据科学 - 对于熟悉Reddit的人来说,这个subreddit提供了一个舒适的论坛来分享意见并找到对数据科学感兴趣的人。发现趋势主题或询问任何数据科学问题。

(https://www.reddit.com/r/datascience/)

智能数据集 - SmartData Collective是一个编辑独立的审核社区,为企业领导者提供商业智能和数据管理的最新趋势。该网站是公认的全球专家的平台,通过同行贡献、自定义内容发布以及与行业领导者保持一致来分享他们的见解。

(https://www.smartdatacollective.com)

Data Tau   - Data Tau是一个平台,允许用户共享与数据科学相关的资源、教程和项目的链接。这是一个非常简单的界面,让您也可以评论共享链接。

(http://www.datatau.com)

Codementor   - 了解数据科学的最新趋势。您还可以找到教程、帖子和导师,以免费开发您的数据库系统或编程语言技能。

(https://www.codementor.io/community/topic/data-science)

Medium   - 数据科学- 阅读关于数据科学的故事,由Medium上的各种思想领袖提供。随时发现对您最重要的主题,如机器学习、大数据、人工智能、数据可视化和python。

(https://medium.com/topic/data-science)

D Zone:大数据区 - DZone.com是全球最大的在线社区之一,也是软件开发人员知识资源的领先发布者。该网站汇集了数千名开发人员,通过共享知识了解最新的技术趋势、方法和最佳实践。

(https://dzone.com/big-data-analytics-tutorials-tools-news)

Kaggle   - 学习数据科学和机器学习、玩数据,并与其他数据科学家联系。Kaggle还举办竞赛,挑战来自世界各地的数据科学家和机器学习专业人士。

(https://www.kaggle.com)

Cross Validated   - Cross Validated是一个Q&A网站,适用于对统计、机器学习、数据分析、数据挖掘和数据可视化感兴趣的人员。提出自己的问题,或者用自己的知识帮助学习者。

(https://stats.stackexchange.com)

Data.world   - 发现和共享数据,与有趣的人联系,共同努力、更快地解决问题。当您共享数据时,社区成员可以帮助清理数据、添加注释、脚本和可视化、或者只是进行投票和讨论。

(https://data.world/open-data-community)

Analytic Bridge   - 该网站专注于数据分析和商业智能。发现分类广告、网络研讨会、工作等。

(http://datascience.community)

数据科学社区 - DataScience.Community每天都会显示必读文章。找工作、寻找候选人、或显示投资组合页面以展示您的工作。

(http://datascience.community)

数据科学学位

来自美国大学的分析科学硕士(MSAn) - 通过结合在线课程、自定进度课程和实践学习经验,学生成为循证数据收集、数据建模和定量分析的专家。

(https://requestinfo.onlinebusiness.american.edu/analytics.html?s=datasciencemasterssiteau&l=homepage&utm_source=datasciencemasterssiteau&utm_campaign=homepage&utm_medium=link)

加州大学伯克利分校的信息与数据科学硕士(MIDS) - 借助社会科学、计算机科学、统计学、管理和法律,这些课程通过从复杂和非结构化数据中获取见解,帮助学生解决实际问题。该计划的学生可以从加州大学伯克利分校与湾区和硅谷的紧密联系中受益。

(https://requestinfo.datascience.berkeley.edu/index.html?s=datasciencemasterssiteucb&l=homepage&utm_source=datasciencemasterssiteucb&utm_campaign=homepage&utm_medium=link)

Syracuse应用数据科学理学硕士 - 提供在线实时课程、互动课程和网络机会,在线学习形式促进跨学科课程中的协作、问题解决和深入分析。学生专注于利用数据应用提升洞察力、推动业务决策和运营流程。

(https://onlinebusiness.syr.edu)

商业分析理学硕士 - 该计划帮助数据驱动的思想家发展或提高他们解释复杂数据的能力,并指导他们的组织做出更明智和可行的决策。通过面向行动的在线学习模式,学生可以在预测分析、数据建模和信息系统等领域开发和磨练他们的专业知识。

(https://onlinebusiness.syr.edu)

南方卫理公会大学数据科学理学硕士 - 专为希望提升自己职业发展的专业人士而设计,该课程专注于统计学、计算机科学、战略行为和数据可视化技能,因此学生可以推动决策制定并推动各行业的职业发展。该计划融合了在线课程,自定进度的课程以及与同学和教师的面对面学习经历。

(https://requestinfo.datascience.smu.edu/index.html?s=datasciencemasterssitesmu&l=homepage&utm_source=datasciencemasterssitesmu&utm_campaign=homepage&utm_medium=link)

用R和Python编码

Revolutions   - Revolutions是一个博客,致力于R社区成员感兴趣的新闻和信息。此博客每个美国工作日都会更新,并有各种作者的贡献。

(https://blog.revolutionanalytics.com)

如何像计算机科学家一样思考 - 本书旨在为您提供在学习Python编程时的互动体验。您可以阅读文本、观看视频、编写和执行Python代码。

(http://interactivepython.org/runestone/static/thinkcspy/index.html)

Data School   - 数据科学家和教师Kevin Markham拥有各种知识和经验的数据科学家可以访问的资源。您可以注册博客的时事通讯或浏览网站上提供的几篇博文。

(http://www.dataschool.io)

Flowing Data   - FlowingData探索统计学家、设计师、数据科学家和其他人如何使用分析、可视化和探索来理解数据和我们自己。学习如何像专家一样可视化您的数据,以及这些实用的演示、分析和理解方法。

(http://www.dataschool.io)

Mode的Python教程 - 学习Python,使用真实数据进行业务分析。无需编码经验。该站点还有一个SQL教程、讨论板和职业门户。

(https://community.modeanalytics.com/python/)

R-Bloggers   - R-Bloggers.com是一个由博客撰写的内容博客聚合器,他们撰写有关R的文章。除了浏览R博客文章之外,该网站还提供R教程和招聘信息。

(https://www.r-bloggers.com)

blogR   -这个站点包含了科学家的R提示和技巧。所有带有完整R代码的R标记文档都可以在作者的GitHub上找到。

(https://drsimonj.svbtle.com)

时事通讯

模式分析 - 将所有最前沿的新闻数据接收到您的收件箱。通过定期选择最佳分析和数据科学作品,加上偶尔从Mode来的新闻,保持了解。

(https://about.modeanalytics.com/newsletter/)

Data Elixir   - Data Elixir是一份每周一次的新闻简报,内容来自网络上的精选数据科学新闻和资源。如果您错过了一个问题,您可以在他们的网站上查看任何一周的新闻。

(https://dataelixir.com)

数据科学周刊 - 此注册是一个免费的每周时事通讯,内容包括与数据科学相关的策划新闻、文章、指南和工作。该通讯的目标是帮助您跟上所有最新的发展,而无需自己动手。

(https://www.datascienceweekly.org)

《大数据内幕》 - 订阅免费的InsideBIGDATA时事通讯,由Rich Brueckner撰写,最近被福布斯评为“大数据最具影响力的20大人物之一”。您还将获得资深作家和数据科学家Daniel Gutierrez的见解,以及来自许多行业专家的思想领导力。

(https://insidebigdata.com/newsletter/)

O'Reily数据通讯 - 获得业内人士的每周见解- 以及有关数据主题的独家内容、优惠等。此通讯已被超过1900名评论家评为4星,最高为5星。

(https://www.oreilly.com/data/newsletter.html)

数据科学综述 - 该新闻通讯拥有超过7,500名订阅者,提供互联网上最有用的数据科学文章。您也可以在网站上了解过去的问题,以获得各种文章的综述。

(http://roundup.fishtownanalytics.com)

免费数据科学工具

Tableau   - Tableau Software最有可能被涉及数据可视化的任何人识别。它使各级用户可以快速轻松地分析数据。

(https://public.tableau.com/en-us/s/)

Bokeh   - Bokeh是一个交互式可视化库,面向现代Web浏览器进行演示。它的目标是提供优雅、简洁的多功能图形构造,并通过非常大或流数据集的高性能交互来扩展此功能。

(http://bokeh.pydata.org/en/latest/)

Apache Hadoop   - Apache Hadoop软件库是一个框架,允许使用简单的编程模型跨计算机集群分布式处理大型数据集。它旨在从单个服务器扩展到数千台计算机,而每台计算机都提供本地计算和存储。

(http://bokeh.pydata.org/en/latest/)

D3.js   - D3.js是一个用于根据数据操作文档的JavaScript库。D3可帮助您使用HTML、SVG和CSS将数据变为现实。

(https://d3js.org)

Jupyter   - Jupyter Notebook是一个开源Web应用程序,允许您创建和共享包含实时代码、方程式、可视化和叙述文本的文档。用户可以清理和转换数据,进行数值模拟、统计建模、数据可视化、机器学习等。

(https://jupyter.org)

OpenRefine   - OpenRefine是一个处理凌乱数据的强大工具。该工具允许用户清理数据,将数据从一种格式转换为另一种格式,并使用Web服务和外部数据对其进行扩展。

(http://openrefine.org)

Orange   - Orange是一款面向新手和专家用户的开源机器学习和数据可视化工具。它包括具有大型工具箱的交互式数据分析工作流程。

(https://orange.biolab.si)

KNIME   - KNIME for Data Scientists无缝地混合工具和数据类型。KNIME通过对新分析方法进行原型设计,为全球企业的用户创建生产部署,实现流畅的运动。

(https://www.knime.com/knime-for-data-scientists)

DataMelt   - DataMelt是一款面向科学家、工程师和学生的免费数学软件。它可用于数值计算、统计、符号计算、数据分析和数据可视化。

(https://jwork.org/dmelt/)

RapidMiner   - RapidMiner是数据科学团队的软件平台,它将数据准备、机器学习和预测模型部署结合在一起。它通过使用最新的机器学习算法和技术(如Tensorflow、Hadoop和Spark)轻松消除了尖端数据科学的复杂性。

(https://jwork.org/dmelt/)


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31509949/viewspace-2218476/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
管理员

注册时间:2018-03-30

  • 博文量
    196
  • 访问量
    348772