2020年值得关注的20大机器学习和数据科学网站

数据科学和机器学习是当今那些非常有吸引力且热门，热门，超级热门的领域。 但是，要与这些领域的所有进步和发展保持同步，你需要付出很多努力-研究，阅读，检查所有信息，新闻，指南和其他内容。

当今最进步，最前沿，最令人兴奋的……数据科学和机器学习是当今那些非常有吸引力且热门，热门，超级热门的领域。 但是，要与这些领域的所有进步和发展保持同步，你需要付出很多努力-研究，阅读，检查所有信息，新闻，指南和其他内容。

[[326756]]

这项任务远非简单的解决方案。 现在，您可以偶然发现许多地方，这些地方的标题生动活泼，标题很有前途，但是它们是否足够有用? 我每天都看到疯狂的信息流，但是不幸的是，有很多虚假或毫无价值的东西，尤其是关于数据科学和机器学习的东西。 在哪里可以找到所有相关且有用的材料? - 就是那个问题。

这是我希望与您分享的我最喜欢和可信赖的资源的集合。

前往机器学习和数据科学世界的难忘冒险之地

1. Reddit R / datascience & R / MachineLearning

无论是对于专业人士还是业余爱好者，Reddit都是在不同经验水平的科学家和机器学习工程师之间共享信息的理想之地，或者只是有抱负的初学者。 您可以讨论和辩论问题，模因，热门话题，所有最新成就以及更多内容– Reddit将带给您各种各样有趣的事情。 我个人将这些网站与排序过滤器一起使用-我选择最热门和最受欢迎的主题-很多时候都有很多重要的东西。

2. DataCamp

没有DataCamp，我无法想象数据科学的职业。 为什么这样? 当然，不仅对于初学者，还有一个完美的选择。 我发现，如果您有兴趣学习一种新语言或学习一种新语言的新部分，那么这是一种很好的方法。 但是，尽管它们很棒，但它们不足以使您成为数据科学家。 我觉得他们的程序缺少一个实际的项目，他们给您带来挑战来解决。 他们这样做到最小程度。 以我的经验，学习数据科学的最好方法是偶然地完成一些实际项目。

3. KDnuggets

此列表上最受欢迎的资源之一。 可能有一些文章涵盖了所有可能的方向，问题和案例-新闻，职位，软件，事件等等，您可以在其中找到所有内容。 因此，它是面向数据科学爱好者的完整软件包。 您将获得有关数据科学领域中的新变化，需要做什么课程等的信息。但是，KDnuggets的组织方式有所不同，它侧重于行业新闻，观点和访谈，公开可用的数据集以及数据科学软件 。

4. Datafloq

Datafloq提供信息，见解和机会，以大数据，区块链，人工智能和其他新兴技术(例如数据科学)推动创新。 该网站的目标是成为阅读高质量帖子，寻找大数据和技术供应商，与人才联系以及发布活动的中心。 Datafloq也提供在线培训。 该博客不仅针对数据科学从业者，还包括有关安全性和物联网的部分。

5. CodeMentor.io

这是一个学习编程的在线指导平台，我对此感到很兴奋。 它的主要重点是为所有努力学习编码的业余爱好者提供教程，而对于ML和数据科学，此技能并非多余。 该站点提供了高级开发人员的见解，定制的阅读清单以及与来自世界各地的开发人员联系的能力。 这里包括的热门主题是Angular，JavaScript，Node.js，Ruby和Python。 我最喜欢这个网站的地方是，在那里工作的人反应灵敏(假设我们的时区截然不同)—他们是专业的，并且他们关心客户和指导者。 以我的经验，如果您勤于筛选导师，那会很好。 很多人会带您进入付费会话，只是为了为您搜索错误，这显然不是很有帮助。

6. Distill

Distill声称可以提供清晰，动态和生动的机器学习研究。 尽管它在科学家中并不那么受欢迎，但它确实提供了很多东西。 绝大多数文章都有有趣的研究和发现-但最重要的是-一切都是由在Open AI，Apple和Tesla等公司工作的顶尖专家编写和编辑的。

7. DATAVERSITY

DATAVERSITY Education是面向商业和信息技术专业人员的有关数据使用和管理的教育性内容的出版商。 他们的团队向其遍及全球的从业者，专家和开发人员社区提供内容，他们从面对面主持的会议，现场网络研讨会，白皮书，在线培训每日新闻和文章以及博客中受益。 他们还提供免费的每周新闻。

8. Data Science Central

数据科学中心也许是网络上最好的独立数据科学博客。 该网站专为大数据从业者设计，提供了社区体验，其中包括广阔的编辑平台，社交互动，基于论坛的技术支持以及最新的技术，工具和趋势，以及针对行业工作机会的分类栏目。 Data Science Central还提供网络研讨会和独特的会员套餐，可免费访问该网站上的所有内容。

9. MachineLearningMastery

首先，它没有做的事情：它不会向您介绍机器学习。 它不会带您了解神经网络是什么，单词嵌入背后的数学原理以及所有这些。 您将不得不在其他地方学到理论。 不会把你从零变成英雄。 在解决机器学习之前，您需要具备数学基础和编程命令。

但是，当您精通矩阵时，有某种想法是"张量"，当您了解了从支持向量机到卷积神经网络的各种AI方法，并准备进行实验和构建时，MachineLearningMastery会提供 一个您可能想像到的每件该死的事情的简单实用实例。

10. 数据科学道场

数据科学Dojo提供为期五天的公共和私有数据科学训练营。 它由致力于该领域的导师，学生和专业人士组成，并且有来自700个国家的3600多名用户从该计划中毕业。 Dojo博客提供了范围广泛的内容，涵盖了数据科学基础知识以及道德，安全性和访问控制等更高级的主题。

11. DataRobot博客

这是一家令人兴奋的公司，它将通过自动机器学习来实现DataRobot的转型并加速预测分析。 很棒的是，这家公司不仅做得很好，而且还提供有关自动机器学习和数据科学领域正在发生的一切的最新更新。

12. FiveThirtyEight

内特·西尔弗(Nate Silver)的数据科学博客FiveThirtyEight是分析数据世界中最新和最出色的最好的数据科学博客之一。 该博客的文章通常以互动示例为特色，而深入的文章则详细介绍了数据如何应用于政治，文化，经济和日常生活的其他方面。

13. 数据科学101

数据科学101提供了有抱负的数据科学家在学习交易技巧时所需的所有资源。 该博客由Ryan Swanstrom负责运营，提供了源源不断的内容，主题涉及从顶级公司到工作公司(如果您是数据科学家)到工作面试技巧。 数据科学101还包括一个活跃的用户社区，如果他们想继续对话，甚至还有一个开放的Facebook群组读者也可以加入。

14. 迈向数据科学

TDS在扎实的机器学习和实际示例之间取得了很好的平衡。 执业的数据科学家撰写了大量高质量的文章。 我将TDS视为数据科学家和其他机器学习从业人员记录他们正在从事的工作的地方，而这恰恰是一个好的博客所应该具备的。 TDS能够促进实践，而在需要时不会回避理论。 尽管深度学习略有供过于求，但DL比其他来源更难吸引TDS，这对于积极尝试解决数据驱动挑战的现实世界数据科学家来说非常有用。

15. 内部

insideBIGDATA是一个新闻媒体，为数据科学家，IT和业务专业人员提供大数据世界中的新闻，策略，产品和服务。 他们的社论侧重于大数据，数据科学，人工智能，机器学习和深度学习。 它的内容制作人员团队具有该领域一些最聪明的头脑，并且真正地迎合了希望密切关注机器学习和AI的最前沿方面的技术行业专业人员。

16. Cloudera

这是一家大型软件公司，并且该公司拥有一个了不起的博客，其中包含有关Hadoop，Apache等各种软件的大量文章和指南，这非常有用。

17. OpenAI博客

它是位于加利福尼亚州旧金山的研究实验室。 他们提供有关AI的综合资源-博客，研究论文和有趣的文章。 一切都是由该领域的专家提供的最新信息。

18. Tombone的计算机视觉博客

深度学习，计算机视觉以及塑造人工智能未来的算法。

19. 数据药剂

这是免费的每周新闻，其中包含来自网络的顶级数据科学精选。 涵盖机器学习，数据可视化，分析和策略。 绝对值得订阅!

20. StackOverflow

我无法想象没有StackOverflow的生活，可以吗? 堆栈溢出-这是一个开放社区，面向那些一生都在编码，寻找所有类型问题的答案或只是喜欢通过有趣的话题进行搜索的人们。 这是分享知识和发现新事物的绝佳平台。