一年以前，我還只是一個沒有任何編程經(jīng)驗的技術(shù)宅。在試著上了一些在線課程之后，我深受啟發(fā)，接著決定開始學(xué)習(xí)加拿大最好的計算機科學(xué)課程之一。
兩周后，我意識到我可以通過 edX ，Coursera 和 Udacity 來學(xué)習(xí)我需要的一切知識，并且更快、更有效、成本更低。所以我退學(xué)了。
在不久之后，我開始通過使用在線課程創(chuàng)建自己專屬的數(shù)據(jù)科學(xué)碩士學(xué)位。并且制定了一份數(shù)據(jù)科學(xué)編程方向的課程清單，其中很多課程我已經(jīng)上過，其他課程均根據(jù)網(wǎng)站評分和評論等進行了篩選。
對于該系列的第一篇，我為數(shù)據(jù)科學(xué)初學(xué)者推薦了一些編程課程（想學(xué)習(xí)數(shù)據(jù)科學(xué)？我們整理了一份優(yōu)質(zhì)編程入門課程清單）。接著是統(tǒng)計和概率類課程（數(shù)據(jù)科學(xué)優(yōu)質(zhì)課程推薦#2：統(tǒng)計入門課程篇）。然后是數(shù)據(jù)科學(xué)導(dǎo)論，以及數(shù)據(jù)可視化課程。機器學(xué)習(xí)是第五個篇課題推薦。本篇是該系列的總結(jié)篇。
以下是對之前所有課程推薦的總結(jié)，以及其他13個補充主題
對于本系列的其他課程推薦，每一個我都花了幾個小時找尋有關(guān)該主題的所以每個在線課程，并從其大綱和評論中提取關(guān)鍵信息，結(jié)合課程評分。我的目標(biāo)是推薦每個主題的三個最優(yōu)課程。
關(guān)于13個補充主題（如數(shù)據(jù)庫，大數(shù)據(jù)和通用軟件工程）沒有足夠的課程。但是在過去的八個月里，我搜集了盡可能多的該類課程。同時也補充了可能錯過的課程。
除了開源的 Class Central 社區(qū)和它數(shù)以千計的課程評分及評論的數(shù)據(jù)庫，我沒有借助其他任何幫助。
自 2011 年以來， Class Central 的創(chuàng)始人 Dhawal Shah 一直密切的關(guān)注著在線課程。 在 Dhawal 的幫助下，我列出了這份課程清單。
如何選擇課程
該系列每個課程指南中的課程必須符合一些標(biāo)準(zhǔn)。除去特定標(biāo)準(zhǔn)，每片指南有兩個通用的標(biāo)準(zhǔn)：
1.它必須可以隨時學(xué)習(xí)或每幾個月可以學(xué)習(xí)。
2.必須是可互動的在線課程，不能僅提供書本或文本教程。
雖然這些都是可行的學(xué)習(xí)方法，但本指南的重點是課程。嚴(yán)格意義上的視頻課程（即沒有測驗，作業(yè)等）也被排除在外。
我們盡力涵蓋符合上述標(biāo)準(zhǔn)的所有課程。如果我們錯過了一些課程，請給我們留言。
如何評估課程
我們從 Class Central 以及其他評論網(wǎng)站整合了課程的平均評分和評論數(shù)量。然后計算每個課程的綜合評分。同時根據(jù)具體課程評論，并使用此反饋來補充課程評分。
我們根據(jù)每個學(xué)科的各種特定因素制定了評估大綱。例如，編程導(dǎo)論課程的標(biāo)準(zhǔn)：
1.課程對編程基礎(chǔ)的覆蓋面。
2.對編程中更先進但實用課題的覆蓋面。
3.教學(xué)大綱與數(shù)據(jù)科學(xué)的相關(guān)度。
以下是每個主題對應(yīng)的最佳課程。從而構(gòu)成了一個全面的數(shù)據(jù)科學(xué)課程推薦。
主題＃1：編程入門
學(xué)習(xí)編程：基本原理（LPT1）和制作質(zhì)量代碼（LPT2）
（多倫多大學(xué)，Coursera）
多倫多大學(xué)的該系列課程為初級數(shù)據(jù)科學(xué)家提供了難度和范圍適宜的內(nèi)容。課程使用 Python ，該系列課程有 284 條評論，綜合評分為 4.71 。
通過Python學(xué)習(xí)交互式編程入門（Part1）（Part2）
（萊斯大學(xué),Coursera）
萊斯大學(xué)的Python系列交互式編程包括兩個最好的在線課程。課程傾向于游戲和互動應(yīng)用程序，這在數(shù)據(jù)科學(xué)中不太適用。該系列課程有 6,069 條評論，綜合評分為 4.93 。
R 語言編程軌跡
（DataCamp）
如果你正在學(xué)習(xí) R 語言，該課程有效地結(jié)合了編程基礎(chǔ)知識和 R 語言語法指令。該課程有 14 條評論，綜合評分為 4.29 。
主題＃2：統(tǒng)計與概率
數(shù)據(jù)分析的基礎(chǔ)-Part1:使用 R 語言進行統(tǒng)計和Part2:推理統(tǒng)計
（德克薩斯大學(xué)奧斯丁分校，edX）
在 UT Austin 的數(shù)據(jù)分析系統(tǒng)基礎(chǔ)課程中，該課程是少數(shù)幾個具有高評價，同時教授統(tǒng)計和概率，著力于編程示例的課程。該課程有 28 條評論，綜合評分為 4.61 。
統(tǒng)計數(shù)據(jù)與 R 語言專業(yè)化
（杜克大學(xué)，Coursera）
該系列分為五個課程，具有全面的教學(xué)大綱，全面的介紹概率。該系列課程有 60 條評論，綜合評分為 4.77 。
概率導(dǎo)論——科學(xué)的不確定性
（麻省理工學(xué)院（MIT），edX）
該課程目前在統(tǒng)計學(xué)和概率課程推薦中評分最高。該課程比大多數(shù) MOOC 課程更長（15周）同時更具挑戰(zhàn)性。該課程有 38 條評論，綜合評分為 4.82 。
主題＃3：數(shù)據(jù)科學(xué)入門
數(shù)據(jù)科學(xué)A—Z?：包括實際數(shù)據(jù)科學(xué)練習(xí)
（Kirill Eremenko，SuperDataScience團隊，Udemy ）
該課程在教授數(shù)據(jù)科學(xué)的廣度和深度方面表現(xiàn)優(yōu)異。講師的教學(xué)能力出眾。該課程有 5,078 條評論，綜合評分為 4.5 。
數(shù)據(jù)分析入門
（Udacity ）
該課程使用 Python ，涵蓋了的數(shù)據(jù)科學(xué)過程。該課程有 2 條評論，綜合評分為 5 。
數(shù)據(jù)科學(xué)基礎(chǔ)
（Big Data University）
課程涵蓋了完整的數(shù)據(jù)科學(xué)過程，并介紹了 Python，R 語言和其他幾個開源工具。分析用的評論網(wǎng)站上沒有關(guān)于本課程的評論。
主題＃4：數(shù)據(jù)可視化
數(shù)據(jù)可視化與 Tableau 專業(yè)化
（加利福尼亞大學(xué)戴維斯分校，Coursera）
該課程深入介紹了可視化理論。通過演練和最終項目提供使用 Tableau 練習(xí)的機會。該課程有 2 條評論，綜合評分為 4 。
數(shù)據(jù)可視化與 ggplot2 系列
（DataCamp）
該課程涵蓋了大量的理論，并得到 ggplot2 創(chuàng)建者 Hadley 韋翰的支持。課程完成后你會很好掌握關(guān)于 R 語言及其句法。分析用的評論網(wǎng)站上沒有關(guān)于本課程的評論。
Tableau 10 系列（Tableau 10 A-Z和 Tableau 10 進階訓(xùn)練）
（Kirill Eremenko，SuperDataScience 團隊，Udemy）
該系列課程主要側(cè)重于工具覆蓋（Tableau），而不是數(shù)據(jù)可視化理論。這兩個課程共有 3,724 條評論，綜合評分為 4.6 。
主題＃5：機器學(xué)習(xí)
機器學(xué)習(xí)
（斯坦福大學(xué)，Coursera ）
課程講師為 Google Brain 創(chuàng)始人，百度前首席科學(xué)家吳恩達。課程涵蓋了機器學(xué)習(xí)工作流程的所有方面和幾種算法。使用 MATLAB 和 Octave，課程有 422 條評論，綜合評分為 4.7 。
機器學(xué)習(xí)
（哥倫比亞大學(xué)，edX ）
與斯坦福大學(xué)相比，該課程是一門更新的課程。本課程的作業(yè)可以用 Python、MATLAB 或 Octave完成。該課程有 10 條評論，綜合評分為 4.8 。
機器學(xué)習(xí)A-Z?：使用 Python 和 R 語言進行數(shù)據(jù)科學(xué)實踐
（Kirill Eremenko，Hadelin de Ponteves，Udemy）
該課程提供了令人印象深刻的詳細教程，并且使用 Python 和 R 語言教學(xué)，這在其他頂級課程中是罕見的。該課程有 8,119 條評論，綜合評分為 4.5 。
主題＃6：深度學(xué)習(xí)
使用 TensorFlow 學(xué)習(xí)深度學(xué)習(xí)的創(chuàng)造性應(yīng)用
（Kadenze）
Parag Mital 在深度學(xué)習(xí)方面的創(chuàng)造性應(yīng)用為技術(shù)學(xué)科增添了獨特的轉(zhuǎn)折性?！皠?chuàng)造性應(yīng)用”是鼓舞人心的，這門課程是專業(yè)制作的。課程使用 Python ，該課程有 16 條評論，綜合評分為 4.75。
機器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)
（多倫多大學(xué)，Coursera ）
Geoffrey Hinton 稱為“深度學(xué)習(xí)的教父”，他在人工神經(jīng)網(wǎng)絡(luò)方面的研究享譽國際。他的機器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)是一門進階課程。課程使用 Python ，有 35 條評論，綜合評分為 4.11。
深度學(xué)習(xí)A-Z?：人工神經(jīng)網(wǎng)絡(luò)實踐
（Kirill Eremenko，Hadelin de Ponteves，Udemy ）
該課程介紹了深度學(xué)習(xí)基礎(chǔ)知識，Kirill Eremenko 提供了直觀的解釋，Hadelin de Ponteves 進行了代碼演示。課程使用 Python ，有 1,314 條評論，綜合評分為 4.6。
以下是數(shù)據(jù)科學(xué)方面相關(guān)的補充主題
Python 及其工具
Python 編程追蹤，以及其他 pandas 課程（DataCamp）：
? pandas 基礎(chǔ)
? 用 pandas 操縱數(shù)據(jù)幀
? 用 pandas 合并數(shù)據(jù)幀
DataCamp的重視代碼的教學(xué)風(fēng)格和瀏覽器內(nèi)置編程環(huán)境非常適合學(xué)習(xí)語法。其Python課程有 14 條評論，綜合評分為 4.64。Udacity的數(shù)據(jù)分析入門課程，也包含 NumPy 和 panda 內(nèi)容也是數(shù)據(jù)科學(xué)入門課程的推薦之一。
R 語言及其工具
R 語言編程追蹤，以及相關(guān) dplyr 和 data.table 課程（DataCamp）：
? 使用 R 語言的 dplyr 進行數(shù)據(jù)處理
? 使用 R 語言的 dplyr 連接數(shù)據(jù)
? 通過 data.table 方式 用 R 語言進行數(shù)據(jù)分析
該課程有效地結(jié)合了編程基礎(chǔ)知識和 R 語言語法。該課程有 14 條評論，綜合評分為 4.29。
數(shù)據(jù)庫和SQL
數(shù)據(jù)庫導(dǎo)論
（斯坦福大學(xué), 斯坦福OpenEdx）
該課程全面介紹數(shù)據(jù)庫理論，同時引入了幾個開源工具。編程練習(xí)很具挑戰(zhàn)性。該課程有 59 條評論，綜合評分為 4.61。
數(shù)據(jù)準(zhǔn)備
導(dǎo)入和清除數(shù)據(jù)追蹤（DataCamp）：
? 使用 Python 軌道導(dǎo)入和清除數(shù)據(jù)
? 使用 R 語言 軌道導(dǎo)入和清除數(shù)據(jù)
該系列課程擅長教授為分析和/或可視化準(zhǔn)備數(shù)據(jù)的機制。分析用的評論網(wǎng)站上沒有關(guān)于本課程的評論。
探索性數(shù)據(jù)分析
使用 R 語言進行數(shù)據(jù)分析
（Udacity，F(xiàn)acebook）
該課程對探索性數(shù)據(jù)分析進行了。對Facebook的數(shù)據(jù)科學(xué)家進行的專家訪談是富有洞察力和鼓舞人心的。同時還可以作為對 R 語言的簡單介紹。該課程有 19 條評論，綜合評分為 4.58。
大數(shù)據(jù)
終極實踐Hadoop - 馴服你的大數(shù)據(jù)！以及其他相關(guān)工具課程（Frank Kane，Udemy）：
? 使用 Apache Spark 和 Python 馴服大數(shù)據(jù) - 實踐！
? 使用 MapReduce 和 Hadoop 馴服大數(shù)據(jù) - 實踐！
? Apache Spark 2.0 與 Scala - 大數(shù)據(jù)交流！
? 使用 Spark Streaming 和 Scala 馴服大數(shù)據(jù) - 實踐！
Frank Kane的大數(shù)據(jù)系列課程教授了所有最受歡迎的大數(shù)據(jù)技術(shù)，其中包括超過 25 個“終極”課程。Kane 分享了他在亞馬遜和IMDb分享系統(tǒng)工作十年的經(jīng)驗知識?？偣策@些課程有 6,932 條評論，綜合評分為 4.52。
軟件技能
軟件測試 （Udacity）
軟件調(diào)試 （Udacity）
版本控制與Git 和 GitHub協(xié)作（Udacity） （更新到如何使用Git＆GitHub課程）
軟件技能是數(shù)據(jù)科學(xué)教育的一個經(jīng)常被忽視的部分。Udacity的測試、調(diào)試和版本控制課程介紹了與代碼相關(guān)的三個核心主題。總共這些課程有 68 條評論，綜合評分為 4.34。佐治亞理工學(xué)院和Udacity有一個新的課程，包括軟件測試和調(diào)試，盡管它更先進，但不完全與數(shù)據(jù)科學(xué)家相關(guān)。
其他
建立數(shù)據(jù)科學(xué)團隊
（約翰霍普金斯大學(xué) ， Coursera）
學(xué)會如何學(xué)習(xí)：強大的心里工具幫助你掌握難題
（Barbara Oakley 博士，加州大學(xué)圣地亞哥分校，Coursera）
思維轉(zhuǎn)移：突破學(xué)習(xí)障礙，發(fā)掘潛在潛能
（Barbara Oakley 博士，麥克馬斯特大學(xué)，Coursera）
約翰霍普金斯大學(xué)的課程在建設(shè)數(shù)據(jù)科學(xué)團隊的實踐中提供了有用的探索。這是一門非常短的課程，可以在幾個小時內(nèi)完成，并免費審核。忽略其有 12 條評論，綜合評分為 3.41，其中一些可能來自付費客戶。
Barbara Oakley 博士的這兩門課程本身并不是數(shù)據(jù)科學(xué)課程。“學(xué)會如何學(xué)習(xí)”是最受歡迎的在線課程，包括通過研究的實踐從而以最有效地掌握難題，以及記憶技術(shù)和處理拖延。在“思維轉(zhuǎn)移”中，她展示了如何充分利用在線學(xué)習(xí)和MOOC課程，如何尋求并與導(dǎo)師一起工作，以及避免生活中的職業(yè)路線和一般路線的秘密。這是每個人都應(yīng)該參加的兩門課程。課程分別有 959 和 407 條評論，綜合評分為 4.74 和 4.87。
結(jié)語
本文是六部曲系列的最后一篇文章，介紹了進入數(shù)據(jù)科學(xué)領(lǐng)域的最佳在線課程。第一篇文章介紹了編程（想學(xué)習(xí)數(shù)據(jù)科學(xué)？我們整理了一份優(yōu)質(zhì)編程入門課程清單），第二篇介紹了統(tǒng)計和概率（數(shù)據(jù)科學(xué)優(yōu)質(zhì)課程推薦#2：統(tǒng)計入門課程篇），第三篇介紹了數(shù)據(jù)科學(xué)入門課程，第四篇介紹了數(shù)據(jù)可視化，第五篇介紹了機器學(xué)習(xí)相關(guān)課程。
ref:
https://medium.freecodecamp.com/the-best-data-science-courses-on-the-internet-ranked-by-your-reviews-6dc5b910ea40
原作者 David Venturi
編譯 CDA 編譯團隊
本文為 CDA 數(shù)據(jù)分析師原創(chuàng)作品，轉(zhuǎn)載需授權(quán)
CDA數(shù)據(jù)分析師考試相關(guān)入口一覽（建議收藏）：
? 想報名CDA認證考試，點擊>>>
“CDA報名”
了解CDA考試詳情；
? 想學(xué)習(xí)CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；
? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；
? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；
京公網(wǎng)安備 11010802034615號
經(jīng)營許可證編號：京B2-20210330
