A legjobb adattudományi tanfolyamok az interneten, értékelései szerint rangsorolva

Másfél évvel ezelőtt kikerültem Kanada egyik legjobb informatikai programjából. Elkezdtem létrehozni saját adattudományi mesterképzésemet online források felhasználásával. Rájöttem, hogy ehelyett mindent megtanulhatok az edX, a Coursera és az Udacity révén. És gyorsabban, hatékonyabban és a költségek töredékéért megtanulhatnám.

Most már majdnem kész vagyok. Számos adattudománnyal kapcsolatos tanfolyamot vettem igénybe, és még sok más részét auditáltam. Ismerem a lehetőségeket, és azt, hogy milyen képességekre van szükség a tanulók számára, akik adatelemzői vagy adatkutatói szerepre készülnek.Ezért elkezdtem egy áttekintés-alapú útmutató készítését, amely az adattudomány minden tantárgyához a legjobb tanfolyamokat ajánlja.

A sorozat első útmutatójához néhány kódolási osztályt ajánlottam a kezdő adattudós számára. Akkor statisztikai és valószínűségi osztályokról volt szó. Ezután az adattudomány bemutatkozása. Ezután az adatok vizualizálása. A gépi tanulás volt az ötödik és a legújabb útmutató. És most visszatértem, hogy még több erőforrással zárjam ezt a sorozatot.

Itt található az összes korábbi útmutatóm összefoglalása, valamint ajánlások további 13 adattudományi témához.

A sorozat öt fő útmutatójának mindegyikéhez több órát próbáltam azonosítani a kérdéses tantárgy minden online tanfolyamát, kiemelt információkat gyűjtöttem tanterveiből és áttekintéseiből, és összeállítottam értékelésüket. Célom az volt, hogy meghatározzam az egyes tantárgyak számára elérhető három legjobb tanfolyamot, és bemutassam neked.

A 13 kiegészítő témában - mint például az adatbázisok, a big data és az általános szoftvertervezés - nem volt elegendő tanfolyam a teljes útmutatások igazolásához. De az elmúlt nyolc hónapban nyomon követtem őket, amikor találkoztam velük. Az internetet is felkutattam olyan tanfolyamok után, amelyeket esetleg elmulasztottam.

E feladatokhoz nem máshoz fordultam, mint a nyílt forráskódú Class Central közösséghez és annak adatbázisához, amely természetesen több ezer értékelést és értékelést tartalmaz.

2011 óta a Class Central alapítója, Dhawal Shah jobban figyelemmel kíséri az online tanfolyamokat, mint vitathatatlanul bárki más a világon. Dhawal személyesen segített nekem összeállítani az erőforrások listáját.

Hogyan választottuk meg a megfontolandó tanfolyamokat

Minden útmutató minden kurzusának meg kell felelnie bizonyos kritériumoknak. Voltak tantárgyspecifikus kritériumok, majd két általános kritérium, amelyeket az egyes útmutatók megosztottak:

  1. Igény szerint igényelhető, vagy néhány havonta felajánlva.
  2. Interaktív online tanfolyamnak kell lennie, tehát nincsenek könyvek vagy csak olvasható oktatóanyagok. Bár ezek életképes módszerek a tanulásra, ez az útmutató a tanfolyamokra összpontosít. Azok a kurzusok, amelyek szigorúan videók (azaz nincsenek vetélkedők, feladatok stb.), Szintén kizárásra kerülnek.

Úgy gondoljuk, hogy minden figyelemre méltó tanfolyamot lefedtünk, amely megfelel az egyes útmutató kritériumainak. Mindig van rá esély, hogy mégis elmulasztottunk valamit. Kérjük, ossza meg velünk az egyes útmutatók megjegyzéseit, ha jó tanfolyamot hagytunk.

Hogyan értékeltük a tanfolyamokat

Összeállítottuk az osztályzatok átlagos osztályzatait és a Class Central és más áttekintő oldalak véleményeinek számát, hogy kiszámítsuk az egyes tanfolyamok súlyozott átlagát. Szöveges áttekintéseket olvastunk, és ezeket a visszajelzéseket használtuk a numerikus értékelések kiegészítésére.

Szubjektív tantervi bírálatokat hajtottunk végre az egyes tantárgyakra jellemző különféle tényezők alapján. A programozási útmutatóban található kritériumok például:

  1. A programozás alapjainak lefedése.
  2. Fejlettebb, de hasznos témák lefedése a programozásban.
  3. A tanterv mekkora része releváns az adattudomány számára?

Itt találhatók a legjobb kurzusok mindegyik témához. Ezek együttesen egy átfogó adattudományi tantervet alkotnak.

1. tárgy: Bevezetés a programozásba

Tanuljon meg programozni: Az alapok (LPT1) és a kézműves minőségi kódex (LPT2) a Torontói Egyetemen a Coursera útján

A Torontói Egyetem Tanulj meg programozni sorozatának kiváló keveréke van a tartalmi nehézségekkel és a kezdő adattudós számára. A Pythonban tanított sorozat 4,71 csillagos súlyozott átlagértékkel rendelkezik, 284 értékelés felett.

Bevezetés az interaktív programozásba a Pythonban (1. rész) és (2. rész), a Rice University a Coursera-n keresztül

A Rice University Interactive Programming in Python sorozat az eddigi két legjobb online tanfolyamot tartalmazza. Félrefordulnak a játékok és az interaktív alkalmazások felé, amelyek kevésbé alkalmazható témák az adattudományban. A sorozat 4,93 csillagos súlyozott átlagértékkel rendelkezik, több mint 6 069 véleményen.

R Programozási sáv DataCamp segítségével

Ha be van állítva az R tanulása, a DataCamp R programozási sávja hatékonyan ötvözi a programozás alapjait és az R szintaxis utasításokat. 4,29 csillagos súlyozott átlaggal rendelkezik, több mint 14 értékelés.

2. tárgy: Statisztika és valószínűség

Az adatelemzés alapjai - 1. rész: Statisztika az R használatával és 2. rész: Inferenciális statisztika az Austini Texasi Egyetemen az edX-en keresztül

Az UT Austin's Foundations of Data Analysis sorozatának tanfolyamai a kevesek közül ketten, nagyszerű áttekintéssel, statisztikákat és valószínűségeket is tanítanak, különös tekintettel a példák kódolására. A sorozat 4,61 csillagos súlyozott átlagos besorolással rendelkezik, 28 értékelés felett.

Statisztikák R specializációval a Duke Egyetemen a Coursera-n keresztül

Az öt tanfolyamra bontott Duke's Statistics with R Specialization átfogó tantervet tartalmaz, amelynek teljes szakaszai a valószínűségnek vannak szentelve. 3,6 csillagos súlyozott átlagos besorolással rendelkezik, több mint 5 véleményen, de az alapul vett tanfolyam 4,77 csillagos súlyozott átlaggal rendelkezik, több mint 60 értékelésen.

Bevezetés a valószínűségbe - A bizonytalanság tudománya, a Massachusettsi Műszaki Intézet (MIT) edX-en keresztül

Az MIT Intro to Probability tanfolyamának messze a legmagasabb a minősítése a statisztikai és valószínűségi útmutatóban figyelembe vett kurzusok közül. Kizárólag nagyon részletesen valószínű, ráadásul hosszabb (15 hét) és nagyobb kihívást jelent, mint a legtöbb MOOC. 4,82 csillagos súlyozott átlagos besorolással rendelkezik, 38 értékelés felett.

3. tárgy: Bevezetés az adattudományba

Data Science AZ ™: Kirill Eremenko és a SuperDataScience csapat az Udemy-n keresztül valós életű adattudományi gyakorlatok

Kirill Eremenko Data Science AZ kiemelkedik az adattudomány folyamatának szélességében és mélységében. A lektorok gyakran dicsérik az oktató természetes tanítási képességét. 4,5 csillagos súlyozott átlagértéke meghaladja az 5078 véleményt.

Bevezetés az adatok elemzésébe Udacity szerint

Az Udacity bevezetője az adatelemzésbe a Python segítségével kohéziósan lefedi az adattudomány folyamatát. 5 csillagos súlyozott átlaggal rendelkezik, 2 értékelés felett.

Adattudományi alapismeretek a Big Data University-től

A Big Data University Data Science Fundamentals a teljes adattudományi folyamatot fedi le, és bemutatja a Python, R és számos más nyílt forráskódú eszközt. Az elemzéshez használt áttekintő webhelyeken nincsenek vélemények erről a tanfolyamról.

4. tárgy: Adatmegjelenítés

Adatmegjelenítés Tableau Specializációval, a Kaliforniai Egyetem, Davis, a Coursera útján

Ötfogásos sorozat, az UC Davis adatmegjelenítése a Tableau Specializációval mélyen belemerül a vizualizáció elméletébe. A Tableau gyakorlásának lehetőségeit áttekintések és egy végső projekt biztosítja. 4 csillagos súlyozott átlaggal rendelkezik, több mint 2 értékelés.

Adatmegjelenítés a ggplot2 sorozattal a DataCamp segítségével

Hadley Wickham, a ggplot2 készítőjének támogatása, az elmélet jelentős részét a DataCamp Data Visualization with ggplot2 sorozata tárgyalja. Ezeket a tanfolyamokat elhagyva elég jól ismeri az R-t és annak furcsa szintaxisát. Az elemzéshez használt áttekintő webhelyeken nincsenek vélemények ezekről a tanfolyamokról.

Kirill Eremenko és a SuperDataScience Team on Udemy Tableau 10 sorozat (Tableau 10 AZ és Tableau 10 továbbképzés)

A hatékony gyakorlati bevezető Kirill Eremenko Tableau 10 sorozata elsősorban az eszközök lefedettségére (Tableau) koncentrál, nem pedig az adatok vizualizálásának elméletére. A két tanfolyam együttesen 4,6 csillagos súlyozott átlagértékkel rendelkezik, és meghaladja a 3724 véleményt.

5. tárgy: Gépi tanulás

Gépi tanulás a Stanford Egyetemen a Coursera útján

A híres Andrew Ng, a Google Brain alapítója és a Baidu korábbi vezető tudósa tanítja. A MATLAB-ban vagy az Octave-ben tanított, 4,7 csillagos súlyozott átlagos besorolással rendelkezik, több mint 422 értékelésen.

Gépi tanulás a Columbia Egyetemen az edX-en keresztül

A Stanford-nál fejlettebb bevezetés, a CoIumbia Egyetem Gépi Tanulása egy újabb tanfolyam, kivételes áttekintéssel és tisztelt oktatóval. A tanfolyam feladatait a Python, a MATLAB vagy az Octave segítségével lehet teljesíteni. 4,8 csillagos súlyozott átlaggal rendelkezik, több mint 10 értékelés.

Gépi tanulás AZ ™: Hands-On Python & R az adattudományban, írta Kirill Eremenko és Hadelin de Ponteves az Udemy-n keresztül

Kirill Eremenko és Hadelin de Ponteves gépi tanulása AZ egy lenyűgözően részletes ajánlat, amely mind a Pythonban, mind pedig az R-ben oktatást nyújt, ami ritka és nem mondható el a többi felső kurzus egyikéről sem. 4,5 csillagos súlyozott átlaggal rendelkezik, több mint 8119 vélemény.

6. tárgy: Mély tanulás

A mély tanulás kreatív alkalmazásai a TensorFlow segítségével, Kadenze

A Parag Mital mélyreható tanulás kreatív alkalmazásai a Tensorflow segítségével egyedülálló csavart adnak a technikai tárgynak. A „kreatív alkalmazások” inspirálóak, a tanfolyam professzionálisan készül, és az oktató ismeri a dolgát. A Python-ban tanított, 4,75 csillagos súlyozott átlagos besorolással rendelkezik, 16 értékelés felett.

A gépi tanulás neurális hálózatai a Torontói Egyetemen a Coursera útján

Tanulj egy legendából. Geoffrey Hinton a „mély tanulás keresztapjaként” ismert, és nemzetközi viszonylatban kiemelkedő a mesterséges ideghálókkal kapcsolatos munkája miatt. A gépi tanuláshoz szükséges neurális hálózatai haladó osztály. Oktávban, Pythonban is gyakorolva, 4,11 csillagos súlyozott átlaggal rendelkezik, 35 értékelés felett.

Mély tanulás AZ ™: Kirill Eremenko és Hadelin de Ponteves gyakorlati mesterséges neurális hálózatai az Udemy útján

A Deep Learning AZ egy hozzáférhető bevezetés a mély tanuláshoz, Kirill Eremenko intuitív magyarázataival és Hadelin de Ponteves hasznos kóddemókjaival. A Pythonban tanított, 4,6 csillagos súlyozott átlagértékelés meghaladja az 1314 véleményt.

És itt van a legjobb kurzusunk az adattudomány minden kiegészítő tantárgyához.

Python és eszközei

A DataCamp által végzett Python programozási pálya, valamint az egyes pandás tanfolyamaik:

  • pandák Alapítványok
  • A DataFrame-ek manipulálása pandákkal
  • DataFrames egyesítése pandákkal

A DataCamp kódigényes utasításstílusa és a böngészőben lévő programozási környezet kiválóan alkalmas a szintaxis megtanulására. Python tanfolyamaik 4,64 csillagos súlyozott átlaggal rendelkeznek, 14 értékelés felett. Az Udacity bevezetője az adatelemzéshez, az egyik ajánlásunk az adattudományi kurzusok bevezetésére, a NumPy-t és a pandákat is tartalmazza.

R & eszközei

R programozási sáv a DataCamp segítségével, valamint az egyes dplyr és data.table tanfolyamok:

  • Adatmanipuláció R-ben dplyr-rel
  • Adatok összekapcsolása R-ben a dplyr-rel
  • Adatelemzés R-ben, a data.table Way

Ismét a DataCamp kódigényes utasításstílusa és a böngészőben lévő programozási környezet kiválóan alkalmas a szintaxis megtanulására. Az R programozási pályájuk, amely szintén a programozási tanfolyamokra vonatkozó ajánlásaink egyike, hatékonyan ötvözi a programozás alapjait és az R szintaxis oktatását. A sorozat 4,29 csillagos súlyozott átlagos besorolással rendelkezik, 14 értékelés felett.

Adatbázisok és SQL

A Stanford Egyetem bevezetése az adatbázisokba a Stanford OpenEdx segítségével (megjegyzés: vélemények a Coursera elavult változatából)

A Stanford Egyetem Bevezetés az adatbázisokba átfogóan foglalkozik az adatbáziselmélettel, miközben számos nyílt forráskódú eszközt vezet be. A programozási gyakorlatok kihívást jelentenek. Jennifer Widom, a Stanford Mérnöki Iskolájának dékánja egyértelmű és pontos. 4,61 csillagos súlyozott átlagértékeléssel rendelkezik, több mint 59 értékelés.

Adatok előkészítése

Adatsávok importálása és tisztítása DataCamp segítségével:

  • Adatok importálása és tisztítása a Python Track segítségével
  • Adatok importálása és tisztítása R Track segítségével

A DataCamp adatfolyamainak importálása és tisztítása (egy Pythonban és egy R-ben) kiválóan tanítja az adatok elemzésre és / vagy megjelenítésre való előkészítésének mechanikáját. Az elemzéshez használt áttekintő webhelyeken nincsenek vélemények ezekről a tanfolyamokról.

Feltáró adatok elemzése

Adatok elemzése az R segítségével Udacity és a Facebook segítségével

Az Udacity R-vel végzett adatelemzése élvezetes bevezetést jelent a feltáró adatok elemzéséhez. A Facebook adatkutatóival készített szakértői interjúk éleslátóak és inspirálóak. A tanfolyam 4,58 csillagos súlyozott átlaggal rendelkezik, 19 értékelés felett. Könnyű bevezetésként szolgál R-hez is.

Nagy adat

A végső praktikus Hadoop - szelídítse meg nagy adatait! írta Frank Kane az Udemy-n keresztül, majd ha többet szeretne konkrét eszközökről (mindezt Frank Kane az Udemy-n keresztül):

  • A nagy adatok megszelídítése az Apache Spark és a Python használatával - Hands On!
  • A nagy adatok szelídítése a MapReduce és a Hadoop segítségével - Hands On!
  • Apache Spark 2.0 a Scalával - kéz a nagy adatokkal!
  • A nagy adatok szelídítése a Spark Streaming és a Scala segítségével - kézzel!

Frank Kane Big Data sorozata tanítja az összes legnépszerűbb big data technológiát, köztük több mint 25-et egyedül az „Ultimate” tanfolyamon. Kane egy évtizedes tapasztalattal osztja meg az Amazon és az IMDb elosztott rendszereivel kapcsolatos tapasztalatait. A tanfolyamok együttesen 4,52 csillagos súlyozott átlaggal rendelkeznek, több mint 6 932 értékelésen.

Szoftver készségek

Szoftvertesztelés Udacity szerint

Szoftver hibakeresés Udacity szerint

Verziókezelés a Git és a GitHub használatával, valamint együttműködés az Udacity szerint (frissítések az Udacity népszerű Hogyan használjuk a Git & GitHub tanfolyamot)

A szoftveres ismeretek az adattudományi oktatás gyakran figyelmen kívül hagyott részét képezik. Az Udacity tesztelési, hibakeresési és verziókezelő tanfolyamai három alapvető témát mutatnak be, amelyek relevánsak mindenki számára, aki kóddal foglalkozik, különösen a csapatalapú környezetekben. A tanfolyamok együttesen 4,34 csillagos súlyozott átlaggal rendelkeznek, több mint 68 értékelés. A Georgia Tech és az Udacity új tanfolyamot kapott, amely a szoftverek tesztelését és hibakeresését tartalmazza, bár fejlettebb és nem mindegyik releváns az adatkutatók számára.

Vegyes

A Johns Hopkins Egyetem által a Coursera útján egy Data Science Team felépítése

Tanulás, hogyan tanuljunk: Hatalmas mentális eszközök, amelyek segítenek elsajátítani a kemény tantárgyakat Dr. Barbara Oakley és a Kaliforniai Egyetem, San Diego a Coursera útján

Mindshift: Áttörni a tanulás akadályait és fedezze fel rejtett lehetőségeit Dr. Barbara Oakley és a McMaster Egyetem a Coursera útján

A Johns Hopkins Egyetem Adattudományi Csapatának építése hasznos betekintést nyújt az adattudományba a gyakorlatban. Ez egy rendkívül rövid tanfolyam, amely néhány óra alatt elvégezhető és ingyenesen ellenőrizhető. Hagyja figyelmen kívül a 3,41 csillagos súlyozott átlagértékelést több mint 12 véleményen, amelyek közül néhányat valószínűleg fizető ügyfelek.

Dr. Barbara Oakley Learning How to Learn és Mindshift című műve önmagában nem adattudományi tanfolyam. A Learning How to Learn, az eddigi legnépszerűbb online tanfolyam, a legjobb gyakorlatokra terjed ki, amelyek a kutatások szerint a leghatékonyabbak a nehéz tantárgyak elsajátításához, ideértve a memória technikákat és a halogatás kezelését. A Mindshiftben bemutatja, hogyan lehet a legtöbbet kihozni az online tanulásból és a MOOC-okból, hogyan lehet felkutatni és együtt dolgozni a mentorokkal, valamint a karrierek és az általános életszakadások elkerülésének titkait. Ez két tanfolyam, amelyet mindenkinek el kell végeznie. 4,74 csillagos, 4,87 csillagos súlyozott átlagértékük 959, illetve 407 értékelés felett van. Mindkét tanfolyam négy hétig tart.

Az útmutató ezen jövője

Ezt az Adattudományi Karrier Útmutatót továbbra is frissíteni fogjuk, mivel új tanfolyamok kerülnek kiadásra, és értékeléseket és véleményeket generálnak rájuk.

Lelkesedik egy másik tudományterületért (pl. Számítástechnika)? Szeretne segíteni a világ oktatásában? Ha érdekel egy ehhez hasonló felépítésű Karrier Útmutató létrehozása, dobjon nekünk egy megjegyzést a [email protected] címre.

Jövőm

Ami a jövőmet illeti, örömmel osztom meg, hogy állást foglaltam az Udacity-nél, mint tartalomfejlesztőként. Ez azt jelenti, hogy tanfolyamokat fogok létrehozni és oktatni. Ez azt is jelenti, hogy ezt az útmutatót valaki más frissíti.

Csatlakozom az Udacity-hez, mert úgy gondolom, hogy a legjobb helyzetben vannak a bolygó legjobb oktatási termékének létrehozásában. Az online vagy az egyetemen elvégzett összes tanfolyam közül a legjobban akkor tanultam, amikor felvettem egy Nanodegree-t. Bevezetik a pedagógia és a termelés legújabbjait, és kiváló projekt-felülvizsgálati rendszert, jó hangulatú oktatókat, valamint egészséges hallgatói és karrier-támogató csapatokat tartalmaznak. Bár egy olyan darabos megközelítés működhet, mint amilyet ebben az útmutatóban használtunk, a kohéziós program, amely projekteket és áttekintéseket tartalmaz, sokkal barátságosabb a diákok számára.

Az adatelemző Nanodegree frissítése az első feladatom, amely egy nagyobb erőfeszítés részét képezi, hogy a Nanodegrees világos utat hozzunk létre minden dolog adatához. A hallgatók hamarosan a semmiből indulhatnak ki az Udacity adatainak alapjaival, és a gépi tanulás, a mesterséges intelligencia és akár az önvezető autók útján is haladhatnak, ha akarják.

Csomagolás

Ez egy hatrészes sorozat utolsó darabja, amely a legjobb online tanfolyamokat foglalja magában, hogy elindulhasson az adattudomány területén. Az első cikkben a programozásra, a második cikk statisztikáira és valószínűségére, a harmadik cikkbe bevezettük az adattudományra, a negyedikre az adatmegjelenítésre, az ötödikre pedig a gépi tanulásra terjedt ki.

Minden egyes gépi tanulási tanfolyam az interneten, értékelései szerint rangsorolva

medium.freecodecamp.com

Itt összefoglaltuk a fenti öt cikket, és ajánlottuk a legjobb online tanfolyamokat más kulcsfontosságú témákhoz, mint például az adatbázisok, a big data és még a szoftvertervezés is.

Ha a Data Science online tanfolyamok teljes listáját keresi, megtalálja azokat a Class Central Data Science és Big Data subject oldalán.

Ha szívesen olvasta ezt, nézze meg a Class Central többi darabját:

Íme 250 Ivy League tanfolyam, amelyet ingyen online vehet igénybe online

250 MOOC Brown, Columbia, Cornell, Dartmouth, Harvard, Penn, Princeton és Yale. medium.freecodecamp.com Az adatok szerint az 50 legjobb ingyenes online egyetemi tanfolyam

Amikor még 2011 novemberében elindítottam a Class Central szolgáltatást, körülbelül 18 ingyenes online tanfolyam volt, és szinte az összes… medium.freecodecamp.com

Ha hasznosnak találta, kattintson a? így többen láthatják itt a Mediumon.

Ez az eredeti cikkem módosított változata, amelyet a Class Central publikált, ahol az itt említett tanfolyamok egyszerű felsorolása is szerepel.