目录

为什么要学习数据科学 为什么要开始 MOOC

我先做一个简单的自我介绍：我在985大学学习自动化，即将本科毕业去美国攻读金融科技硕士学位。 一年前，我还是个新手，连机器学习是什么都不知道。 我只上了C语言和数据结构两门编程基础课。 通过下面的网站，我一步步学习了Python、SQL以及机器学习的各种方法。 数据科学入门。 以下是我在学习过程中使用和了解到的数据科学相关的网站。 每个网站都有自己的经验或者相应的介绍，每个网站也给出了相应的价格。 希望能够帮助您快速入门数据科学，从容应对这一波数据。

为什么学习数据科学

如今，只要你上网，你一定会经常听到大数据、机器学习、人工智能等词。 数据科学已经渗透到行业中。 银行、保险和零售行业都在使用机器学习方法来赋能其业务运营。 关于机器学习和其他数据科学方法取代人类的新闻也不断出现。 即使我们应该保持冷静，克制焦虑，但我们也不能对科技的大趋势视而不见。

在职业发展方面，学习数据科学或许能让你在未来的发展中占据领先地位，在这波技术浪潮中获得优势； 从个人角度来看网上免费零基础学英语，未来的数据分析是必不可少的网上免费零基础学英语，你会明白如何使用数据可能就像今天知道如何使用计算机一样普遍学英语，掌握一些数据分析的技能可能会让你的生活更有效率。

什么是数据科学？

为什么使用 MOOC

尽管数据科学大肆宣传，但进入一门学科绝非易事。 即使有的网站有系统的培训课程，1000多大洋的注册费也实在是难以承受； 在网上自学免费资料的同时，我可以从各个公众号免费获取10G的资料，但大部分资料都是杂乱且没有系统的，永远会在网上“吃灰”。硬盘; 从各种参考书上学习，虽然系统是必然的，但是概念是堆积起来的，有时根本不可能看完所有的基本操作就完成一个完整的项目。

我个人认为学习数据科学这样需要实际操作的学科最好的方式就是边做边学，即学会一种方法后，必须立即实践、感受，哪怕是完成最简单的项目而不报错。 地球的自信。 所以我认为网站和 MOOC 课程是学习数据科学的最佳方式。 看完或者看完教程之后，这些课程也会有相应的作业。 通过一章一章的学习，不断夯实基础，一项一项完成项目。

入门数据科学网站推荐

以下MOOC网站均为英文，按推荐顺序排列。 经过比较，我发现与国内的学习网站相比收藏这些网站，零基础也能入门“数据科学”，这些英语网站课程的质量更好。 有的完全免费，有的需要付费，但价格确实不贵，性价比比较高。

别担心，这些课程的英文都不会太难，很多都有字幕，有些网站甚至还有中文翻译。 利用英语网站学习，一方面可以学习到更高质量的课程，另一方面也可以潜移默化地锻炼英语能力。 为什么不这样做呢。 （但从科学角度来看，有些在线速度可能更快。）

DataCamp是一个互动式MOOC网站，视频讲解较少英语，文字较多，直接指导你进入实战项目。 同时网上免费零基础学英语，DataCamp也是我最推荐的数据科学入门网站。 它涵盖了从Python和R的基本解释到数据处理过程，从机器学习到深度学习的一切。 如果您没有时间尝试不同的 MOOC，那么仔细完成其职业轨迹之一就足够了。

数据营

DataCamp具有以下三个特点：

DataCamp学习界面

DataCamp 的职业轨迹界面

同时，DataCamp还提供了一些语言（如Python）、工具（如Jupyter Notebook）和各种包（如NumPy、Pandas、Matplotlib）cheatsheet（备忘单），简洁又美观。

价格：部分课程免费，每月 25 美元即可解锁所有课程。

课程 | 机器学习专业 - 华盛顿大学

机器学习专业化 - 华盛顿大学是一门优秀的机器学习入门课程，由华盛顿大学的两位教授教授。 本课程是一个系列课程。 最初总共有 6 门课程，讲解机器学习基础、回归、分类、聚类、矩阵分解、深度学习（深度学习）。 每门课程约6章，每章学习时间约3小时。

机器学习专业化

这门课程最有特色的就是采用了第一门课程：机器学习基础来指导接下来的5门课程，每一章对应接下来的5门课程，使用最简单的案例和现成的工具，使用上面5门每台机器学习方法分别完成5个项目。 也就是说，在第一节课中，你完全用机器学习来一一解决现实问题，然后在接下来的5节课中深入学习每种机器学习方法。 我完全同意这种自上而下的学习方法，因为我一开始就对用什么方法解决什么问题有一个宏观的了解，而不是学习了一堆命令却不知道解决问题的过程； 而在学习完第一门课程之后会给你很大的成就感，因为你每次成功完成一个项目的时候，你都会想更多地了解这个现成的工具是如何制作的，你会想分析各种方法深度机器学习。

每周课程内容

但为什么说原来有6门课程学英语，因为现在这个系列只有4门课程……教授的课程开发已经跳过一半了。 据说是因为他开发的Trui软件包被苹果收购后忙于开发。 课程结束了。 不过不用担心，即使只有前四门课程，回归、分类和聚类仍然是机器学习的重点。 完成四门课程后，您将掌握大部分机器学习技术。 如果时间有限，想快速入门，建议学习第一门课程。 你也会对机器学习的各种方法有更全面的了解，也可以使用软件包来解决某些问题。

相比著名的Ng Enda的机器学习课程，这个机器学习可能更适合小白。 同时课程中使用的是Python网上免费零基础学英语，对于新手来说是一种比较友好的语言，而吴恩达的课程使用的是MATLAB，所以华盛顿大学的课程更适合入门级机器。 学习。 依托Coursera的大平台，课程的每个视频都附有英文成绩单，部分视频还有中文字幕，相信更容易学习。

价格：旁听是免费的（选择课程时点击“旁听”），课程结束后获得证书需要付费。

乌迪米 | 完整的 Python 训练营

完整的 Python 训练营：Python 3 从零到英雄是 Python 入门的推荐课程。 导师讲解很详细，边编程边讲，从Python最基本的数据结构，到函数和方法，再到模块和类，内容安排得很合理，每一章都有作业来检验自己的学习情况。

完整的 Python 训练营主页

然而，本课程是关于Python 语言的。 Python作为一种开发语言得到了充分的解释。 事实上，它应用于数据科学领域的Python。 仅使用本课程的Module & Package就足够了，其余的如果有兴趣可以继续学习。 ，但在数据科学中可能没有多大用处。

价格：100元左右。

课程视频

可汗学院（可汗学院）

可汗学院主页

我在可汗学院学到的 SQL 基本用法。 与 DataCamp 一样，代码可以直接从站点运行，无需本地安装。 课堂上的互动也很强。 同时采用积分制度，让你每完成一个项目就有一种成就感。

可汗学院的数据科学课程较少。 但它的课程非常全面，从计算机科学到人文社会科学。 计算机科学范畴内的基础课程也很多，而且课程都比较容易理解，适合复习基础或者拓展知识。

价格：完全免费。

课程学习过程：左边代码，右边结果