DataCamp’s Data Science и программы машинного обучения
Одним из моих любимых мест для изучения наукоемких данных является образовательный веб-сайт Under-the radar, DataCamp. DataCamp не получает почти внимания, что некоторые из более крупных, более хорошо финансируемых онлайновых школ кодирования, но, я часто оказываюсь на одном из своих учебников, когда я изучаю что-то новое, связанное с статистикой или машинным обучением.
За последние несколько месяцев я посвятил по крайней мере несколько часов в неделю изучению основ автоматизации и, где я нахожу что-то интересное, в блог о моем опыте.
В отличие от почти любой другой школы или учебника, с которым я столкнулся, DataCamp обладает восхитительно отличным и мощным подходом к обучению: каждая отдельная инструкция сочетается с простым примером и интерактивным учебным пособием. Длинных лекций нет; нет сложных диаграмм.
Например, возьмите этот урок по базовому элементу машинного обучения, прямому распространению, а именно, как компьютеры оценивают ошибку прогнозирования. Даже самые упрощенные учебники, которые я видел при прямом распространении, имеют эти сумасшедшие сложные диаграммы n-мерных массивов, формулы исчисления и параграфы объяснения.
Подход DataCamp (как показано на рисунке ниже) сильно отличается. Они начинаются с очень простой сети, подключаются к нескольким интуитивным примерам и помещают код рядом с диаграммой. Для тех, кто незнаком с языком программирования Python или нейронными сетями, этот код может показаться талисманом. Но это гораздо более интуитивно, чем что-либо еще, с чем я столкнулся до сих пор (этот скриншот был частью более длинной серии интерактивных викторин).
У меня есть формальный диплом по статистике, и большинство онлайн-школ, с которыми я сталкиваюсь Сегодня намного больше похожи на мое университетское образование, чем DataCamp. В школе всегда существовало большое различие между базовой статистикой и тем, как она была фактически закодирована. Я помню, как думал в школе: «Можете ли вы привести мне пример?», На длительных лекциях. Я часто сбивался с толку о том, как что-то вычислялось поэтапно в формулах, полных абстрактных переменных. Это по-прежнему относится ко многим учебным материалам, которые я читал в Интернете.
DataCamp отличается тем, что урок — это код. Если я могу пройти один из опросов DataCamp, я могу, фактически, запустить код точно, как он будет реализован в реальном наборе данных. Нет разрыва между лекцией и приложением.
Теперь DataCamp имеет некоторые недостатки. Это очень недорого (около $ 30 в месяц для одного из их планов). Но это также означает, что студенты остаются без многих ресурсов. В некоторых случаях я нахожусь в полном недоумении с помощью урока, и нет никакой дополнительной помощи.
Это также означает, что уроки чрезмерно предписаны. В других школах кодирования есть секции, где студенты решают большую проблему целиком с нуля. DataCamp не предлагает много открытых назначений кодирования, поскольку для оценки кода требуется вмешательство человека. Таким образом, DataCamp действительно хорош в изучении определенного навыка, но не настолько хорош в придании критического мышления и уверенности в решении непредвиденных задач.
Тем не менее, подход DataCamp к простоте, конкретности и интерактивности новаторский. И, будучи студентом, помог мне научиться нескольким новым наукам о науке, которые мне показалось сложными в другом месте.
DataCamp — хороший пример того, как менее кричащие и запущенные заголовки могут по-прежнему конкурировать с качеством своего продукта.