Рекомендованные курсы от DataScience Kazakhstan
Существует множество гитхаб репозиторев, где аккуратно сложены сотни отличных курсов на нижеприведенные темы. Однако чтобы не вводить в растерянность читателя, напишу лучшие курсы по личному мнению админов нашего сообщества, как бы мы сегодня (2017 год) строили свою программу по вкатыванию в Data Science.
Так что на каждый трек будет по небольшому числу курсов, из которых вам предстоит выбрать один/два.
Classical ML
1) Data mining in action:
2) ODS open course:
https://habrahabr.ru/company/ods/blog/344044/
3) Специализация Яндекса и МФТИ по анализу данных на Coursera:
https://www.coursera.org/specializations/machine-learning-data-analysis
Deep learning
В этом треке каждый курс более-менее уникален и можно брать всё
1) Fast.ai - Making neural nets uncool again
2) cs231n - Знаменитый курс от Stanford по глубокому обучению в компьютерном зрении
3) cs224n - Знаменитый курс от Stanford по глубокому обучению в анализе текстов
web.stanford.edu/class/cs224n/
4) Practical Deep Learning - Курс Шада по глубинному обучению
github.com/yandexdataschool/Practical_DL/
5) Deep Learning Specialization - введение от Andrew Ng в глубинное обучение на Coursera:
www.coursera.org/specializations/deep-learning
Reinforcement Learning
1) cs294 - Крутой курс Berkeley по Reinforcement Learning
rll.berkeley.edu/deeprlcourse/
2) RL by David Silver
github.com/dalmia/David-Silver-Reinforcement-learning
3) Practical Reinforcement Learning - Курс Шада по обучению с подкреплением
github.com/yandexdataschool/Practical_RL
Algorithms and data structures
Достаточно знания базовых структур данных и премов
1) Leetcode: leetcode.com/
2) HackerRank: www.hackerrank.com/
3) Специализация от SanDiego & Yandex на Coursera:
www.coursera.org/specializations/data-structures-algorithms
4) Специализация Стенфорда на Coursera:
www.coursera.org/specializations/algorithms
Statistics
1) Stepic - русская MOOC платформа
Часть 1. stepik.org/course/76
Часть 2. stepik.org/course/524
Часть 3. stepik.org/course/2152
Мат стат. stepik.org/course/326
Data engineering
1) Big Data for Data Engineers