Image générée avec ChatGPT
Apprendre la science des données via des cours ou des vidéos YouTube peut devenir monotone, car cela implique souvent une consommation passive d’informations. Vous ne vous salissez pas les mains, n’expérimentez pas et ne construisez rien. Vous absorbez simplement le contenu d’un écran. Mais que diriez-vous s’il existait un moyen plus engageant et plus efficace de maîtriser les outils et concepts de la science des données ? C’est exact. Aujourd’hui, nous allons explorer 10 référentiels GitHub qui vous aideront à maîtriser les concepts de la science des données à travers des cours interactifs, des livres, des guides, des exemples de code, des projets, des cours gratuits basés sur les meilleurs programmes universitaires, des questions d’entretien et des meilleures pratiques.
1. Virgilio : votre mentor en science des données
Dépôt: virgili0/Virgilio
Virgilio est un guide et mentor complet pour l’apprentissage en ligne de la science des données. Il fournit un contenu structuré, des didacticiels et des ressources pour vous aider à naviguer dans le vaste domaine de la science des données, ce qui en fait un excellent point de départ pour les débutants. Il est livré avec un site Web interactif qui vous apprendra les bases des statistiques et de Python, ainsi que les différentes étapes impliquées dans un bon projet de science des données.
2. Manuel de science des données Python
Dépôt: jakevdp/PythonDataScienceHandbook
Ce référentiel contient le texte intégral du « Python Data Science Handbook » dans Jupyter Notebooks. Vous pouvez lire le livre gratuitement et même exécuter le bloc-notes dans Google Colab pour expérimenter diverses tâches de science des données en temps réel. Il couvre les bibliothèques essentielles de science des données en Python, telles que NumPy, pandas, Matplotlib, Scikit-Learn, etc.
3. Science des données pour les débutants
Dépôt: Microsoft/Data-Science-For-Beginners
Ce référentiel de Microsoft propose un programme de 10 semaines et 20 leçons conçu pour les débutants. Il propose des leçons complètes et des projets pratiques pour construire une base solide dans les concepts et techniques de la science des données. Chaque leçon comprend un croquis, une vidéo supplémentaire, un quiz d’échauffement, une leçon écrite, des guides, des contrôles de connaissances, des défis, des lectures supplémentaires, des devoirs et des quiz après la leçon.
4. Cahiers IPython pour la science des données
Dépôt: donnemartin/data-science-ipython-notebooks
Ce référentiel comprend une collection de blocs-notes Jupyter couvrant divers sujets liés à la science des données, notamment l’apprentissage profond, l’apprentissage automatique, l’analyse des données et les bases de Python. Le contenu est divisé en fonction d’outils tels que scikit-learn, scipy, pandas, matplotlib, numpy, python-data, spark, etc.
5. Apprentissage automatique appliqué
Dépôt: eugeneyan/applied-ml
Le référentiel se concentre sur l’apprentissage automatique appliqué, proposant des articles et des blogs techniques rédigés par des entreprises partageant leurs travaux réels en matière de science des données et d’apprentissage automatique. Il s’agit d’une excellente ressource pour apprendre à mettre en œuvre le ML dans des environnements de production.
6. Chemin vers une formation autodidacte gratuite en science des données
Dépôt: ossu/data-science
Ce référentiel propose un programme complet pour une formation autodidacte en science des données. Il comprend des liens vers des cours, des manuels et des ressources gratuits, couvrant tout, des mathématiques fondamentales à l’apprentissage automatique avancé.
7. Le Master Open Source en Science des Données
Dépôt: datasciencemasters/go
Ce référentiel propose un programme complet et open source conçu pour préparer les étudiants à des rôles de data scientist de niveau débutant. L’objectif est de fournir des ressources éducatives gratuites de haute qualité qui rivalisent avec la qualité du matériel trouvé dans les programmes payants les plus réputés.
8. Science des données impressionnante
Dépôt: academic/awesome-datascience
Ce référentiel est une liste organisée d’excellentes ressources en science des données, notamment des didacticiels, des livres, des logiciels et des outils. Il s’agit d’une référence incontournable pour tous ceux qui cherchent à apprendre et à appliquer la science des données à des problèmes du monde réel.
9. Questions et réponses pour les entretiens sur la science des données
Dépôt: alexeygrigorev/data-science-interviews
Vous vous préparez à un entretien d’embauche en science des données ? Ce référentiel propose une collection de questions et réponses d’entretiens en science des données. Il s’agit d’une excellente ressource pour comprendre les types de questions auxquelles vous pourriez être confronté et préparer vos réponses.
10. Science des données à l’emporte-pièce
Dépôt: drivendataorg/cookiecutter-data-science
Ce référentiel fournit une structure de projet standardisée pour les projets de science des données. Il permet de garantir que vos projets sont organisés, reproductibles et partageables, conformément aux meilleures pratiques en matière de travail de science des données.
Dernières pensées
Que vous soyez un débutant cherchant à construire une base solide ou un praticien expérimenté cherchant à élargir vos connaissances, ces 10 référentiels fournissent un contenu précieux pour améliorer vos compétences et votre expertise en science des données. Ils comprennent des didacticiels, des livres interactifs, des cours, des exemples de code de projet, des ressources gratuites, des documents de recherche, des modèles de projet, des programmes universitaires, etc. Ajoutez-les simplement à vos favoris et utilisez-les tout en apprenant de nouveaux outils ou concepts.
Abid Ali Awan (@1abidaliawan) est un professionnel certifié en data scientist qui adore créer des modèles d’apprentissage automatique. Actuellement, il se concentre sur la création de contenu et rédige des blogs techniques sur les technologies d’apprentissage automatique et de science des données. Abid est titulaire d’une maîtrise en gestion technologique et d’un baccalauréat en ingénierie des télécommunications. Sa vision est de créer un produit d’IA utilisant un réseau neuronal graphique pour les étudiants aux prises avec une maladie mentale.
