Carta a un principiante para estudiar ciencia de datos

Me gustaría recibir una carta de este tipo hace tres años cuando recién comenzaba a estudiar Data Science (DS). Que había enlaces necesarios a materiales útiles. El artículo no pretende abarcar el vasto dominio de DS. Sin embargo, para un especialista novato será útil.

Las siguientes tecnologías se usan más comúnmente en DS:

• fluidez en inglés;
• Sistema operativo Ubuntu Linux (como se ha desarrollado históricamente);
• Lenguaje de programación Python (pero mejor que Anaconda Python );
• El entorno de desarrollo integrado (IDE) de PyCharm (Community Edition es gratuito);
• infraestructura (marco) para el aprendizaje automático (aprendizaje automático de ML), aprendizaje profundo (aprendizaje profundo DL) y la creación de redes neuronales ( PyTorch , TensorFlow y docenas de otras );
• si no tiene su propia tarjeta gráfica potente (unidad de procesamiento gráfico GPU), entonces debe usar tecnologías en la nube gratuitas basadas en Jupyter Notebook ;
• la capacidad de usar un sistema distribuido de control de versiones de Git ( GitHub , GitLab , Bitbucket , etc.);
• Tener una cuenta en StackOverflow y todas sus sucursales .

Además, con el tiempo, necesitará muchas bibliotecas y herramientas adicionales diferentes para procesar imágenes y datos. Hay docenas de ellos. Lo más útil para mí ( procesamiento de imágenes ) en orden descendente de importancia:

• Entorno virtual : un entorno de desarrollo virtual para varios proyectos, que encapsula diferentes versiones de bibliotecas y herramientas.
• NumPy : trabaja con matrices, álgebra lineal.
• OpenCV : muchos algoritmos diferentes para trabajar con imágenes.
• Jupyter Notebook es una aplicación web para desarrollar y ejecutar programas Python en un navegador y en la nube.
• Tensorflow-gpu : configuración de redes neuronales y cálculos en tarjetas gráficas.
• iPython es una consola más conveniente para trabajar con comandos de Python, le aconsejo que la use en lugar de la consola predeterminada.
• Matplotlib : dibujar gráficos y tablas.
• Almohada : trabaje con todos los formatos de imagen populares.
• Pandas : trabajar con datos.
• SciPy : trabajo avanzado con algoritmos, una alternativa gratuita al programa MatLab.
• Scikit-learn : algoritmos de aprendizaje automático.
• Scikit-image : procesamiento avanzado de imágenes.
• K3D : trabaje con gráficos e imágenes tridimensionales en el Jupyter Notebook.

El aprendizaje automático (aprendizaje automático de ML), y especialmente el aprendizaje profundo (aprendizaje profundo) son imposibles sin datos. Las bases de datos necesarias (conjuntos de datos, conjuntos de datos) se pueden buscar a través del servicio de búsqueda de conjuntos de datos de Google o entre 25 mil conjuntos de datos de Kaggle .

Lo que tengo:

• Varios programas de Python . Comience con guiones simples y continúe con los más complejos.
• Un conjunto de instrucciones para configurar Ubuntu Linux . De estas, la instrucción más importante para instalar y configurar un entorno virtual .
• Folleto " Introducción al aprendizaje automático y las redes neuronales artificiales ". Los conceptos básicos, que se recopilan de todo el Internet, pero en mi rendimiento "único".
• Cursos y videos para principiantes , de los cuales vale la pena comenzar a estudiar redes neuronales.
• Herramientas útiles donde todos encontrarán algo interesante para ellos.
• Una lista general de cursos que tomé y me gustaría tomar.

Gracias por su atencion!