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

一年以前，我還只是一個沒有任何編程經(jīng)驗的技術宅。在試著上了一些在線課程之后，我深受啟發(fā)，接著決定開始學習加拿大最好的計算機科學課程之一。

兩周后，我意識到我可以通過 edX ，Coursera 和 Udacity 來學習我需要的一切知識，并且更快、更有效、成本更低。所以我退學了。

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)科學碩士學位。并且制定了一份數(shù)據(jù)科學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)科學初學者推薦了一些編程課程（想學習數(shù)據(jù)科學？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)科學導論，以及數(shù)據(jù)可視化課程。機器學習是第五個篇課題推薦。本篇是該系列的總結(jié)篇。

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該主題的所以每個在線課程，并從其大綱和評論中提取關鍵信息，結(jié)合課程評分。我的目標是推薦每個主題的三個最優(yōu)課程。

關于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 一直密切的關注著在線課程。  在 Dhawal 的幫助下，我列出了這份課程清單。

該系列每個課程指南中的課程必須符合一些標準。除去特定標準，每片指南有兩個通用的標準：

1.它必須可以隨時學習或每幾個月可以學習。

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習方法，但本指南的重點是課程。嚴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準的所有課程。如果我們錯過了一些課程，請給我們留言。

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)每個學科的各種特定因素制定了評估大綱。例如，編程導論課程的標準：

1.課程對編程基礎的覆蓋面。

2.對編程中更先進但實用課題的覆蓋面。

3.教學大綱與數(shù)據(jù)科學的相關度。

以下是每個主題對應的最佳課程。從而構成了一個全面的數(shù)據(jù)科學課程推薦。

學習編程：基本原理（LPT1）和制作質(zhì)量代碼（LPT2）

（多倫多大學，Coursera）

多倫多大學的該系列課程為初級數(shù)據(jù)科學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學習交互式編程入門（Part1）（Part2）

（萊斯大學,Coursera）

萊斯大學的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用程序，這在數(shù)據(jù)科學中不太適用。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）

如果你正在學習 R 語言，該課程有效地結(jié)合了編程基礎知識和 R 語言語法指令。該課程有 14 條評論，綜合評分為 4.29 。

數(shù)據(jù)分析的基礎-Part1:使用 R 語言進行統(tǒng)計和Part2:推理統(tǒng)計

（德克薩斯大學奧斯丁分校，edX）

在 UT Austin 的數(shù)據(jù)分析系統(tǒng)基礎課程中，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，Coursera）

該系列分為五個課程，具有全面的教學大綱，全面的介紹概率。該系列課程有 60 條評論，綜合評分為 4.77 。

概率導論——科學的不確定性

（麻省理工學院（MIT），edX）

該課程目前在統(tǒng)計學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 。

數(shù)據(jù)科學A—Z?：包括實際數(shù)據(jù)科學練習

（Kirill Eremenko，SuperDataScience團隊，Udemy ）

該課程在教授數(shù)據(jù)科學的廣度和深度方面表現(xiàn)優(yōu)異。講師的教學能力出眾。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)科學過程。該課程有 2 條評論，綜合評分為 5 。

數(shù)據(jù)科學基礎

（Big Data University）

課程涵蓋了完整的數(shù)據(jù)科學過程，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)站上沒有關于本課程的評論。

數(shù)據(jù)可視化與 Tableau 專業(yè)化

（加利福尼亞大學戴維斯分校，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于 R 語言及其句法。分析用的評論網(wǎng)站上沒有關于本課程的評論。

Tableau 10 系列（Tableau 10 A-Z和 Tableau 10 進階訓練）

（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 。

機器學習

（斯坦福大學，Coursera ）

課程講師為 Google Brain 創(chuàng)始人，百度前首席科學家吳恩達。課程涵蓋了機器學習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 。

機器學習

（哥倫比亞大學，edX ）

與斯坦福大學相比，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 。

機器學習A-Z?：使用 Python 和 R 語言進行數(shù)據(jù)科學實踐

（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，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 。

使用 TensorFlow 學習深度學習的創(chuàng)造性應用

（Kadenze）

Parag Mital 在深度學習方面的創(chuàng)造性應用為技術學科增添了獨特的轉(zhuǎn)折性?！皠?chuàng)造性應用”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。

機器學習的神經(jīng)網(wǎng)絡

（多倫多大學，Coursera ）

 Geoffrey Hinton 稱為“深度學習的教父”，他在人工神經(jīng)網(wǎng)絡方面的研究享譽國際。他的機器學習神經(jīng)網(wǎng)絡是一門進階課程。課程使用 Python ，有 35 條評論，綜合評分為 4.11。

深度學習A-Z?：人工神經(jīng)網(wǎng)絡實踐

（Kirill Eremenko，Hadelin de Ponteves，Udemy ）

該課程介紹了深度學習基礎知識，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。

Python 編程追蹤，以及其他 pandas 課程（DataCamp）：

· pandas 基礎

· 用 pandas 操縱數(shù)據(jù)幀

· 用 pandas 合并數(shù)據(jù)幀

DataCamp的重視代碼的教學風格和瀏覽器內(nèi)置編程環(huán)境非常適合學習語法。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)科學入門課程的推薦之一。

R 語言編程追蹤，以及相關 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)庫導論

（斯坦福大學, 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。編程練習很具挑戰(zhàn)性。該課程有 59 條評論，綜合評分為 4.61。

導入和清除數(shù)據(jù)追蹤（DataCamp）：

· 使用 Python 軌道導入和清除數(shù)據(jù)

· 使用 R 語言 軌道導入和清除數(shù)據(jù)

該系列課程擅長教授為分析和/或可視化準備數(shù)據(jù)的機制。分析用的評論網(wǎng)站上沒有關于本課程的評論。

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。

終極實踐Hadoop - 馴服你的大數(shù)據(jù)！以及其他相關工具課程（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，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)科學家相關。

建立數(shù)據(jù)科學團隊

（約翰霍普金斯大學 ， Coursera）

學會如何學習：強大的心里工具幫助你掌握難題

（Barbara Oakley 博士，加州大學圣地亞哥分校，Coursera）

思維轉(zhuǎn)移：突破學習障礙，發(fā)掘潛在潛能

（Barbara Oakley 博士，麥克馬斯特大學，Coursera）

約翰霍普金斯大學的課程在建設數(shù)據(jù)科學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)科學課程?！皩W會如何學習”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習和MOOC課程，如何尋求并與導師一起工作，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。

本文是六部曲系列的最后一篇文章，介紹了進入數(shù)據(jù)科學領域的最佳在線課程。第一篇文章介紹了編程（想學習數(shù)據(jù)科學？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習相關課程。

ref:

https://medium./the-best-data-science-courses-on-the-internet-ranked-by-your-reviews-6dc5b910ea40