本文转自《Top Data Science Platforms in 2021 Other than Kaggle》
内容为Google机器翻译，比较粗糙，但不影响整体理解。
到2021年，现在的数据科学有所不同。
简而言之，竞争更加激烈，需要不同的技巧来脱颖而出。在过去的5-10年中，数据科学吸引了来自世界各地的新移民来从事“ 21世纪最性感的工作”。
我最近在KDNuggets的一篇文章中阅读了以下令人难以置信的统计数据，其中ML研究人员Mihail Eric分析了自2012年以来从Y-Combinator出来的每家公司所雇用的数据角色。
这是他在两个句子中发现的要点。
与数据科学相比，公司在数据工程领域的开放角色要多70％。在培训下一代数据和机器学习从业人员时，让我们更加强调工程技能。
“这听起来可能很无聊而且不那么性感，但是偏向于数据的老式软件工程也许是我们现在真正需要的。”
那么这是否意味着您不应该学习数据科学？不，这意味着竞争将更加激烈。对于正在接受训练有素的数据科学市场的新手来说，将会有越来越少的职位可用。
热门AI文章：
要脱颖而出，您需要动手并建立真正重要的技能。这不仅意味着技术技能，还意味着协作，领导能力和解决问题的能力。
为了到达那里，我想与您分享一些平台，这些平台都强调不同的技能和知识，以使您为现实世界做好准备。
本文分为两个部分：
- 竞争和协作平台可磨练您的技能
- 增强特定技能的新资源
尽管Kaggle是数据科学竞赛的知名平台，但还有许多值得了解和探索的平台，如果您有兴趣获得工作中所需的技能，则值得一试。
Driven Data
DrivenData在国际发展，卫生，教育，研究和保护以及公共服务等领域的数据科学与社会影响相交的项目上开展工作。他们的使命是使更多的组织能够使用数据科学的能力，并使更多的数据科学家面临社会挑战，他们的技能可能会有所作为。
该站点有一个专门介绍比赛的部分。驱动数据中列出的数据集与从野生生物保护到公共卫生的非营利性相关。因此，如果您想运用自己的技能来解决有意义的问题，则驱动数据可以成为弄脏手的地方。
Omdena
Omdena是一个协作平台，而不是一个竞争性平台，它托管着两个月的项目，从问题范围界定到数据收集，预处理以及ML建模和部署。我们的使命是帮助组织（初创企业，非政府组织，社会企业）建立现实解决方案，同时帮助来自世界各地的数据科学家和工程师产生影响，建立21世纪的技能并在全球社区中建立网络。
在Omdena项目中，您将加入一个由多达50名来自不同背景的协作者组成的协作团队。项目范围从屋顶的太阳能检测，检测物品的偏斜，预防疟疾感染到几个商业型影响项目。如果您想获得全面的真实体验，Omdena可能是您的理想平台。
CrowdANALYTIX
CrowdANALYTIX将业务挑战转化为分析竞赛；并解决了对需要预测分析，描述性分析，估计和业务假设验证的分析解决方案的需求。
该平台还托管一个社区博客，该博客具有出色的资源，包括访谈和参考资料。如果您正在寻找面向业务的项目，那么这可能就是您的平台。
Datacamp
Datacamp提供了一种对初学者友好的解决实际问题的方法。
Datacamp的方法是树立自己编写代码的信心。通过项目，您可以使用Jupyter Notebook之类的工具来应用技能，并从头到尾完成数据分析-所有这些都在无风险的环境中进行。
您可以运用您的编码技能来解决开放式问题，而无需执行分步任务。如果您陷入困境，请跟随实时代码以及视频，以了解我们的专家讲师如何找到许多可能的解决方案之一。
Innocentive
InnoCentive是一家开放式创新和众包公司，主要关注与生命科学有关的问题。
人群可以是外部的（即，他们的超过380,000个问题解决者的网络），也可以是内部的（即，组织的员工，合作伙伴或客户）。对于符合“挑战”说明中列出的要求的提交，通常会授予奖励。挑战的平均奖励金额为20,000美元，但有些提供的奖励超过100,000美元。
作为解决者，您可以为解决世界上最紧迫的问题做出贡献。
Codalab
Codalab是一个基于Web的开放源代码平台，使研究人员，开发人员和数据科学家能够协作以推进使用机器学习和高级计算的研究领域。CodaLab通过其在线社区帮助解决面向数据的研究中的许多常见问题，人们可以在其中共享工作表并参加比赛。
然后，其他协作者可以轻松地复制，修改和编辑实验，以推进数据驱动研究和机器学习的最新技术。
ZINDI
Zindi是一个数据科学竞赛平台，其使命是在非洲建立数据科学生态系统。他们将组织与我们蓬勃发展的非洲数据科学界联系起来，以使用机器学习和AI解决全球最紧迫的挑战。
Analytics Vidhya
竞争，赢得，练习，学习和建立您的数据科学产品组合的数据科学竞赛！
Analytics Vidhya 为Analytics（分析）和Data Science专业人员提供了一个基于社区的知识门户。除了为数据科学学习提供大量资源外，它还举办Hackathons，这是竞赛形式发布的现实生活中的行业问题。您可以参加挑战赛或赞助黑客马拉松。大多数在Analytics（分析）Vidhya上组织Hackathons的公司还为得分最高的人提供工作机会。
AIcrowd
数据科学挑战平台AIcrowd每年都会举办多个开放数据科学挑战。挑战包括图像分类问题，文本识别，强化学习，对抗攻击，图像分割，资源分配优化以及跨多个域的许多其他领域。他们因其2017年的“学习跑步”挑战而从亚马逊和Nvidia获得了超过100,000美元的奖励。
Hackathons
HackerEarth
Hackerrank是＃初学者的好地方。在这里，来自世界各地的程序员聚在一起解决广泛的计算机科学领域的问题，例如算法，机器学习或人工智能，并实践诸如函数式编程之类的不同编程范例。
Machinehack
MachineHack是机器学习竞赛的在线平台。
它是一个不断发展的平台，其使命是支持不断增长的数据科学界，并帮助年轻有抱负的人学习和提高他们在分析领域的技能。他们面临着棘手的业务问题，现在可以在机器学习和数据科学中找到解决方案。
新资源
顶尖大学提供的免费ML大学课程（更新于2021年）
从斯坦福大学（吴安德和其他人）到暑期学校，全部可用，更新或存档。
- 麻省理工学院
- 斯坦福大学（吴安德（Andrew Ng）等
- 伯克利大学
- 卡内基·梅隆大学
- 等等。
在这里找到所有课程。
Comments