📣 黑五价提前开抢|VIP一年通行证5折,蓝莓、Offer多多同步特惠
查看: 7883| 回复: 5
跳转到指定楼层
上一主题 下一主题
收起左侧

AI类Mooc课程对比【Coursera, Udacity, Edx】

   
全局:

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
【背景】- 我是美国某top10的bio/chem PhD(aka天坑)项目的bioinformatics & immunology focus的多年老学姐。
- 因为是做生信的,平时研究当中用机器学习算法,但是感觉学校课程讲的不够深 & 不够详细
- 目前还是打算冲academia(亚历山大快秃了),所以对于上岸的知识我个人了解不够。对大家分享找工作的内容也非常感激!
- 给大家做一个选课参照,同时请大家毫不留情地批评/建议/指正。
- 第一次发帖,请大家毫不留情地批评/建议/指正。

【评测上过的课】
- 难度Edx MITx > Coursera = Udacity。
- 入门或者复习课推荐Coursera的Mathematics for Machine Learning: Linear Algebra,Machine Learning with Python。
- 项目练手,python不熟的可以用Udacity项目练,有人工code review。
- MITx SDS MM适合真的愿意花时间的人,相对hardcore。

  • Coursera:
        1. Mathematics for Machine Learning: Linear Algebra (Imperial College London)
           里面包含eigenvalue, eigenvector, matrix transformation的应用,还有pagerank algorithm之类。
           比较基础,复习线性代数可以上。
           总共5周,每周内容看完大概一个小时。所以其实手头事情不多完全可以两周内做完。


        2. IBM AI Engineering Professional Certificate
            总体来说这个specialization的几门课还是比较有用的。主要是复习机器学习算法和Keras PyTorch TF练手。
            需要Enroll然后按月付钱,但是记不得具体多少钱了(<$100)。所以越快通过越划算。
            - Machine Learning with Python (Achieved grade 100%)
                - 这门课复习机器学习常用算法非常好,脉络很清晰。
                - 分为regression, classification, clustering, recommendation engines等。每个部分有算法和evaluation metric概述。
                - 因为不要求数学证明上起来也特别耗时。课程说明5-6 weeks of study, 3-6 hours per week。当然也可以更快。
            - Scalable Machine Learning on Big Data using Apache Spark (Achieved grade 90%)
                - 这门课最需要吐槽的是老师口音和讲的方式有点神烦。
                - 对我来说因为academia不怎么需要用到所以就没特别在意。所以最后拿了90%。
                - Approx. 7 hours to complete
            - Introduction to Deep Learning & Neural Networs with Keras (Achieved grade 100%)
                - Keras练手蛮好的。
                - 用到NN (CNN, RNN), Autoencoder, Restricted Boltzmann Machines
                - Approx. 8 hours to complete
            - Deep Neural Networks with PyTorch (Achieved grade 100%)
                - 比Keras费时一点的练手课。需要自build简单的NN。有peer review环节
                - Approx. 31 hours to complete

            - Building Deep Learning Models with TensorFlow (Achieved grade 100%)
                - 和Keras课相似,从tensor讲起比较深入浅出。需要自己build一些NN。
                - 用到CNN, RNN, Autoencoder, LSTM, RBM。用到backprop和gradient descent optimizer。
                - Approx. 13 hours to complete
            - AI Capstone Project with Deep Learning (Achieved grade 100%)
                - 用Keras或者PyTorch做image classifier。比较pretrained model performance
                - Approx. 16 hours to complete
            
        3. IBM AI Enterprise Workflow Specialization
            这个Specialization主要是面向工业界,在课里有一个虚构的公司和项目的设定。
            然而每门课的内容介绍不是特别清楚,而且内容设计有点混乱。
            需要Enroll然后按月付钱,但是记不得具体多少钱了(~$100?)。所以越快通过越划算。
            有一个相关证书可以考(https://www.ibm.com/certify/exam?id=C1000-059),但是我觉得对我个人来说比较鸡肋就没考。
            - Business priorities and Data Ingestion
                - Data workflow里的collection & ingestion,侧重商业思维
                - Approx. 8 hours to complete
            - Data Analysis and Hypothesis Testing
                - EDA的概念,data visualization, missing data, estimation and hypothesis testing

                - Approx. 11 hours to complete
            - Feature Engineering and Bias
                - 包含transformation, class imbalance, sampling technique, dimensionality reduction, outlier detection。包含一些case studies
                - Approx. 12 hours to complete
            - Machine Learning, Visual Recognition and NLP
                - 包含model evaluation & performance metrics,包含Tree based methods (decision tree, random forest)
                - IBM Watson Nature Language Understanding Service 和 Watson Visual Recognition
                - Approx. 14 hours to complete
            - Enterprise Model Deployment
                - 内容是用Apache Spark和IBM Watson Studio来deploy ML model
                - 用到collaborative filtering和content-based filtering和hyperparameter tuning
                - Approx. 9 hours to complete


  • Udacity: Artificial Intelligence Nanodegree
      这个nanodegree基本框架和Berkeley的这本书比较一致http://aima.cs.berkeley.edu/
      内容包括Constraint Satififaction, Search, Automated planning, Optimization, Adversarial search, probabilistic models等
      里面有一些练手项目,比如做Sudoku solver,Aireline planning,Tree & Graph search implementation,Part of speech tagging
      有人工code review,但是我觉得对我个人帮助不大(如果python不熟的话可能有帮助)
      原价大概$1000(3个月的pass)但是经常打折。我个人感觉一个月就可以做完。

  • Edx: MITx Statistics and Data Science MicroMasters (正在嗑,作业好多 TwT

      这个项目和我上的其他课最大的不同之处是它是instructor paced,所以和学校上课的经验比较类似。
      作业量比较大,每周都有作业。介绍上每门课expection是每周12小时investiment,然而时间花费和个人基础关系很大。
      看地里有前辈助教的帖子说系里(MIT IDSS)比较重视,所以不能有水过的心态(像我上的别的网课都蛮轻松的)。
      老师是真的认真,所有用到的算法数学证明都会详细讲。
      总共5门课每门$300,可以申请减免,我没有尝试(懒)。
      两个track,只在一门elective上有区别。(General track / Social science track)

        - Data Analysis: Statistical Modeling and Computation in Applications (正在上)
            - 我Github放了笔记:https://github.com/Yolanda-HT/MIT_6.419x
            - 建议上完probability再上,我自己选的时候因为probability是秋季所以没有办法。
            - 每周周一三有作业ddl,有5个peer review的数据分析项目(peer review神烦),没有期中期末考。
            - 线代能力 & 统计学需要在线。
            - 内容:
                - Genomics and high-dimensional data
                - Criminal networks and network analysis
                - Prices, economics and time series
                - Environmental Data and Spatial Statistics
        - Machine Learning with Python-From Linear Models to Deep Learning (正在上)
            - 我Github放了笔记:https://github.com/Yolanda-HT/MIT_6.86x
            - 建议有机器学习和python基础的上。否则实践项目会吃力。
            - 所有算法都要推导,线代能力需要在线。很多算法需要implement from scratch。
            - 内容:
                - Representation, over-fitting, regularization, generalization, VC dimension;
                - Clustering, classification, recommender problems, probabilistic modeling, reinforcement learning;
                - On-line algorithms, support vector machines, and neural networks/deep learning.
        - Probability - The Science of Uncertainty and Data (还没开,以后补写)
        - Fundamentals of Statistics (还没开,以后补写)
        - Capstone Exam in Statistics and Data Science (过了前四门才能考)
            - 一共考4门,也就是涵盖以上的4门课。考两小时半闭卷(允许有两张cheatsheet),网络摄像监控考。


      







评分

参与人数 12大米 +15 收起 理由
Potlog + 1 很有用的信息!
damien + 1 给你点个赞!
叶知晚 + 3 给你点个赞!
followchaoyang + 1 给你点个赞!
穆汛 + 1 赞一个

查看全部评分


上一篇:fullstack 学习好去处
下一篇:cs144 network lab求队友
推荐
叶知晚 2021-3-24 00:10:13 | 只看该作者
全局:
MITx SDS我也在上,我上学期上了Probability,这学期在上ML,找到同学了真开心,握爪~
回复

使用道具 举报

全局:
好贴,顶一下
回复

使用道具 举报

🔗
maiyunfei2000 2022-11-15 07:40:36 | 只看该作者
全局:
发现了MITx SDS的同学,握爪!我现在还剩下统计建模和Capstone这两门课,楼主觉得Capstone的体验如何呀
回复

使用道具 举报

🔗
idawayq 2023-12-1 21:03:13 | 只看该作者
全局:
刚开始上Probability,感谢楼主分享。
回复

使用道具 举报

🔗
pats 2023-12-5 15:03:53 | 只看该作者
全局:
刚发现还有这帖,发了太久了大米都不能加了T T
lz有空出来喝咖啡啊~~~
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表