Inhoud
- Gegevensstructuren en algoritme-specialisatie - Universiteit van San Diego, Californië
- Geen bugs, geen stress - Uw stapsgewijze handleiding voor het creëren van levensveranderende software zonder uw leven te vernietigen
- Algoritme-specialisatie - Stanford
- Inleiding tot discrete wiskunde voor computerwetenschappen - Universiteit van Californië, San Diego
Bron: Wave Break Media Ltd / Dreamstime.com
Afhaal:
Algoritmen vormen de kern van de informatica. Hoewel het leren van hen moeilijk kan zijn, zijn hier enkele cursussen die je kunnen helpen.
Leren over de constructie van machine learning en kunstmatige intelligentie-algoritmen is geen eenvoudig proces. Dit zijn enkele van de meest uitgebreide en geavanceerde concepten die u zult zien op het gebied van informatica. Ze zijn gebaseerd op complexe wiskundige en statistische modellering, evenals logische en technische processen.
Algoritmewerk maakt deel uit van de voorhoede van een wereld waarin datawetenschappers veel vraag hebben. Het beheersen van dit veld vereist veel kennis en training, vanwege de technische complexiteit die het met zich meebrengt. Neurale netwerken en andere AI / ML-modellen zijn gebaseerd op enkele geavanceerde ideeën over hoe informatica werkt en wat het te bieden heeft.
Hier zijn vier uitstekende bronnen voor studenten die hun kennis van algoritmen en gerelateerde gegevensstructuren willen verbeteren.
- Gegevensstructuren en algoritme-specialisatie - Universiteit van San Diego, Californië
- Algoritme-specialisatie - Stanford
- Algorithms: Part One - Princeton University
- Inleiding tot discrete wiskunde voor computerwetenschappen - Universiteit van Californië, San Diego
Gegevensstructuren en algoritme-specialisatie - Universiteit van San Diego, Californië
Deze cursus omvat praktijkgericht werken met algoritme-ontwikkeling om de student te helpen kennis te maken met het evalueren en verkennen van algoritmen voor machine learning. Het biedt dat raamwerk om verder te gaan naar ML / AI en algoritme-engineering.
In deze cursus zullen studenten direct algoritmen in coderingsscenario's implementeren en tientallen relevante taken initiëren om een ​​diepgaand idee te krijgen van het algoritme als code. Planners hebben duizenden uren geïnvesteerd in deze uitdagende cursus waarin studenten leren debuggen van programma's en een codebase evalueren op basis van de algoritmische mogelijkheden. (Wil je meer weten over het leven van een datawetenschapper? Bekijk dan Job Role: Data Scientist.)
In termen van actuele dekking behandelt deze cursus zowel grote netwerken als genoomassemblage, met interactieve opmaak die studenten dicht bij het hart van wat professionals in een productieomgeving brengen, brengt. Met dit soort praktische lessen bouwen studenten een basiskennis op van het werken met algoritmen voor ML / AI.
Geen bugs, geen stress - Uw stapsgewijze handleiding voor het creëren van levensveranderende software zonder uw leven te vernietigen
Je kunt je programmeervaardigheden niet verbeteren als niemand om softwarekwaliteit geeft.
Studenten moeten basiskennis hebben van een of meer programmeertalen, waaronder Java, Python en C ++.
Algoritme-specialisatie - Stanford
Hier is nog een cursus die studenten voldoende voorbereidt op een grotere rol bij het verkennen van de ontwikkeling en het gebruik van algoritmen. Deze cursus zal ook belangrijke aspecten van het probleem van de ontwikkeling van machine learning laten zien met diepgaande implementatiewerkzaamheden aan algoritmen.
Een deel van de aanpak hier is om afgestudeerden in staat te stellen 'de taal te spreken' van de ontwikkeling van algoritmen. Van beveiligingsprotocollen tot logische regressie- en classificatietechnieken, professionals die zich in dit soort gesprekken kunnen handhaven, zullen verder leren op het werk en hun reputatie als een leider op het gebied van machine-leren bevorderen.
Deze cursus kijkt naar het grote geheel en de iteratieve implementatie om de student te helpen zich voor te bereiden op dit soort technische expertise.
Dit is een cursus op gemiddeld niveau met een flexibel schema.
Deze cursus, die afkomstig is van een bron van de beste Ivy League, behandelt veel van de fundamentele aspecten van algoritme-ontwikkeling die gericht zijn op datastructuurwerk.
De filosofie hier is dat het fundamentele begrip van algoritmen afhankelijk is van meer weten over de bouwstenen waarvan ze zijn gemaakt. Van willekeurige bossen en beslissingsbomen tot uitgebreide black box-systemen zoals echo-statusmachines en Boltzmann-machines, algoritmeontwikkeling werkt op het proces van het manipuleren van gegevens op iteratieve en soms recursieve manieren.
Deel één van deze cursus gaat daarom in op elementaire datastructuren en sorteren, terwijl deel twee zich zal richten op grafiek- en stroomverwerkingsalgoritmen. Studenten zullen vertrouwd raken met het beoordelen van datastructuren, hoe ze zijn opgezet en hoe ze worden gebruikt door machine learning-programma's. (Heeft u interesse in het maken van software? Bekijk dan 6 software-ontwikkelingsconcepten die u kunt leren door middel van online cursussen.)
Het is niet moeilijk om te zien hoe dit type enquêtecursus studenten voorbereidt op een werkende carrière in data science. Beginnend met datastructuren en diepgaande analyse, werken studenten verder in de kern van het gebruik van de conceptuele middelen om het praktische resultaat op te bouwen.
Inleiding tot discrete wiskunde voor computerwetenschappen - Universiteit van Californië, San Diego
Onder veel van de technieken die algoritme-ontwikkeling mogelijk maken, ligt wiskundige modellering. Deze gespecialiseerde cursus richt zich op discrete wiskunde als onderdeel van de toolset van een ingenieur. Het begrijpen van de wiskundige eigenschappen van gegevensstructuren is een belangrijke vaardigheid voor gegevenswetenschappers en anderen die betrokken zijn bij algoritmewerk.
Beginnend met de basiskans en getaltheorie, zal deze cursus studenten op weg helpen om meer inzicht te krijgen in discrete wiskunde en de toepassing ervan op algoritmeproductie. Studenten leren over basisalgoritme-technieken en sorteren, en doen praktijkervaring op bij het oplossen van problemen.
Ze zullen kijken naar grafiek- en stringalgoritmen en hun toepassing, bijvoorbeeld, in menselijk genoomwerk. Studenten zullen ook kijken naar het gebruik van tools zoals binaire zoekbomen, hashtabellen, wachtrijen en stapelen en werken aan geavanceerde probleemoplossing met lineair programmeren en bij benadering algoritmen.
Alle vier deze cursussen bieden hun eigen belangrijke benaderingen voor een snel opkomend vakgebied dat voor veel mensen niet toegankelijk is vanwege de moeilijkheidsgraad. Niet iedereen kan een datawetenschapper zijn, maar degenen die het gevoel hebben dat ze gekwalificeerd zijn en klaar om te leren, kunnen dit cursusaanbod gebruiken om hun technische kennis op te bouwen die past bij hun logische en deductieve ambities.