在21世紀，傳統(tǒng)教育已經(jīng)轉(zhuǎn)變?yōu)橐环N選擇，而不是人生中的必經(jīng)階段。

隨著互聯(lián)網(wǎng)的繁榮和大規(guī)模網(wǎng)絡公開課(mooc慕課)的興起，人們可以選擇在線學習數(shù)據(jù)科學，以避免學生的債務負擔。

統(tǒng)計數(shù)據(jù)顯示，線上教學使學生在每小時的訓練中可以多學習5倍的材料。在線學習的好處是無限的，包括降低成本和靈活的時間安排和環(huán)境。

數(shù)據(jù)科學的民主化

現(xiàn)在是2020年，數(shù)據(jù)科學比以往更加民主化。這意味著任何個人只要有適當?shù)墓ぞ吆痛罅康臄?shù)據(jù)，就可以在幾乎沒有專業(yè)知識的情況下進行數(shù)據(jù)科學研究。隨著數(shù)據(jù)滲透到整個行業(yè)的每一個角落，擁有數(shù)據(jù)科學家的技能是大勢所趨，也因此產(chǎn)生了一支會說數(shù)據(jù)語言的員工隊伍。

考慮到這一點，通過在線課程，對于一個完全的初學者來說，開始研究數(shù)據(jù)科學是可能的。所需要的只是一個結(jié)構(gòu)合理的學習課程、正確的學習方法、堅持不懈的動力和激情以及輔助訓練項目。

如何線上學習數(shù)據(jù)科學?

最好的慕課 + 正確的學習方法 + 激情 + 項目

所以在這篇文章中，我將介紹最好的慕課，它們是免費的，對于想成為數(shù)據(jù)科學家的人是非常有價值的。

數(shù)據(jù)科學韋恩圖

Drew Conway

數(shù)據(jù)科學的多學科交叉性可以通過德魯 · 康威這張飽受嫌棄的維恩圖可視化。通過這個圖表，我們可以推斷出數(shù)據(jù)科學領(lǐng)域包括黑客技能、機器學習和多重變量分析。

我已經(jīng)排除了領(lǐng)域?qū)I(yè)知識，因為這取決于你所在的公司，而在線課程無法獲得溝通技能等硬技能，你需要與現(xiàn)實生活中的人交談才能做到這一點(盡管這可能令人畏縮)。

以下20個課程將分為3個部分:

1. 數(shù)據(jù)科學

2. 黑客技能

• Python
• R語言
• 結(jié)構(gòu)化查詢語言

3. 機器學習與人工智能

• 機器學習與人工智能基礎(chǔ)
• 深度學習
• 自然語言處理
• 計算機視覺

我沒有實地考察不同課程，也沒有花幾個小時過濾網(wǎng)上的干擾信息，而是編輯了這個列表，其中包含了我發(fā)現(xiàn)在機器學習、人工智能、數(shù)據(jù)科學和編程學習中很有用的課程。

下面，就來看看這個列表吧!

慕課

0. 學會如何學習

這門課程能教你的人生中最重要的技能之一，就是學會如何學習。它會教你一些技巧和方法，確保你能記住你所學到的東西，并幫助你在現(xiàn)實生活中應用它們。因為擁有正確的學習方法是學習任何東西的一個重要先決條件，這就是為什么它被列為序號0，因為它為下面的每一門課程奠定了基礎(chǔ)。

數(shù)據(jù)科學

1.CS109數(shù)據(jù)科學——哈佛

CS109是介紹調(diào)查的五個關(guān)鍵方面的課程:

• 數(shù)據(jù)糾纏、清理和取樣，以獲得合適的數(shù)據(jù)集
• 數(shù)據(jù)管理能夠快速、可靠地訪問大數(shù)據(jù)
• 產(chǎn)生假設(shè)和直覺的探索性數(shù)據(jù)分析
• 基于回歸和分類等統(tǒng)計方法的預測
• 通過可視化、故事和可解釋的摘要來交流結(jié)果。

另外，它是用Python教的!

2. 從數(shù)據(jù)中學習——加州理工

對于所有數(shù)據(jù)愛好者來說，深刻理解機器如何從數(shù)據(jù)中學習以及如何改進處理過程是至關(guān)重要的。這是一門介紹機器學習的課程，包括基本理論，算法和應用。

你將學到什么:

• 學習是什么?
• 機器能學習嗎?
• 如何做到?
• 如何做好?

3. 大數(shù)據(jù)概論——加州大學圣地亞哥分校

現(xiàn)在是大數(shù)據(jù)時代，所有的數(shù)據(jù)科學愛好者都有義務去了解大數(shù)據(jù)是什么以及它為什么重要。

你將學到什么:

• 大數(shù)據(jù)問題、應用程序和系統(tǒng)背后的術(shù)語和核心概念。
• 大數(shù)據(jù)在個人的業(yè)務或職業(yè)生涯中有多大用處。
• 介紹最常用的框架之一 Hadoop

4.數(shù)據(jù)科學——約翰·霍普金斯大學(JHU)

簡而言之，本課程教你如何提出正確的問題，操作數(shù)據(jù)集，以及創(chuàng)建可視化來交流結(jié)果。

你將學到什么:

• 使用R語言來清理、分析和可視化數(shù)據(jù)。
• 從數(shù)據(jù)采集到發(fā)布，瀏覽整個數(shù)據(jù)科學管道。
• 使用GitHub管理數(shù)據(jù)科學項目。
• 使用回歸模型執(zhí)行回歸分析、最小二乘和推斷。

最后，你將擁有一個頂點項目，在這個項目中，通過應用真實世界的數(shù)據(jù)構(gòu)建一個實際產(chǎn)品，并有所學習。然后，這個作品將描繪你新獲得的數(shù)據(jù)科學實力。

數(shù)學

5. 機器學習專業(yè)化的數(shù)學——倫敦帝國理工學院

這門課程是機器學習的數(shù)學專業(yè)，它涵蓋了你需要的所有數(shù)學知識，幫助更新你在學校可能已經(jīng)忘記的所有概念和理論。最重要的是，這門課程教你計算機科學的應用，讓你對矩陣和回歸與機器學習和數(shù)據(jù)科學的關(guān)系有更直觀的認識。

這一專業(yè)分為三個主要課程:

1. 線性代數(shù)
2. 多元微積分
3. 降維主成分分析

在這個專業(yè)的最后，你將獲得必要的數(shù)學知識以繼續(xù)你的旅程，并采取更高級的課程在機器學習。

6. 線性代數(shù)——麻省理工

由獨一無二的吉爾伯特·斯特朗教授授課。斯特朗先生是最好的線性代數(shù)講師(個人認為)。因此，如果你正在尋找一個好的線性代數(shù)課程，那就是它了。

本課程涵蓋矩陣理論和線性代數(shù)，強調(diào)在其他學科有用的主題。

7. 多元微積分——麻省理工

多元微積分是數(shù)據(jù)科學中的另一個重要概念。從簡單線性回歸到支持向量機，以及神經(jīng)網(wǎng)絡，微積分都是必要的。

本課程涵蓋多元函數(shù)的微分、積分及向量微積分。

8.概率與統(tǒng)計——斯坦福大學

概率和統(tǒng)計是數(shù)據(jù)科學中所有奇跡發(fā)生的基礎(chǔ)。如果沒有p值分布和二項分布以及所有行話，用數(shù)據(jù)進行預測將是不可能的。

你將學到什么:

1. 探索性數(shù)據(jù)分析
2. 產(chǎn)生數(shù)據(jù)
3. 概率
4. 推論(Inference)

遺憾的是，這個課程已經(jīng)結(jié)束了，所以下面是一個復習課程!或者如果你想要卡內(nèi)基梅隆大學的類似課程，請點擊這里。

黑客技能

9. 谷歌Python課程

谷歌為初學者設(shè)計的免費課程。本課程主要由筆記、視頻和大量的代碼練習組成，幫助您開始用Python寫代碼。我發(fā)現(xiàn)它很有用，并向所有希望開始學習Python的人推薦它。

10.應用數(shù)據(jù)科學與Python——密歇根大學

密歇根大學的5門專業(yè)課程，通過Python編程語言向?qū)W習者介紹數(shù)據(jù)科學。本課程使用方便、直觀的木星筆記本(JupyterNotebooks)。

這五門課程是:

1. 數(shù)據(jù)科學導論
2. 應用繪圖、制圖和數(shù)據(jù)表示
3. 應用機器學習
4. 應用文本挖掘
5. 應用社交網(wǎng)絡分析

11. R語言統(tǒng)計學——杜克大學

這種專業(yè)化幫助您掌握R語言中的分析和可視化，R語言是數(shù)據(jù)科學領(lǐng)域中頂尖的編程語言之一。

你將學到什么:

• 創(chuàng)建可重復的數(shù)據(jù)分析報告
• 推論統(tǒng)計的統(tǒng)一性
• 執(zhí)行頻率推論統(tǒng)計和貝葉斯模型，以了解自然現(xiàn)象和作出基于數(shù)據(jù)的決定
• 在不依賴統(tǒng)計術(shù)語的情況下，正確、有效地傳達統(tǒng)計結(jié)果，批評以數(shù)據(jù)為基礎(chǔ)的要求和評價以數(shù)據(jù)為基礎(chǔ)的決定
• 用R語言包為數(shù)據(jù)分析爭論和可視化數(shù)據(jù)。

12.數(shù)據(jù)科學中的結(jié)構(gòu)化查詢語言——加州戴維斯大學

結(jié)構(gòu)化查詢語言(SQL)是數(shù)據(jù)科學家檢索和處理數(shù)據(jù)的重要工具，是與數(shù)據(jù)庫系統(tǒng)交互的公認語言。這個課程是為那些想要在領(lǐng)英(職場社交平臺)技能部分中添加SQL，并開始使用它來挖掘數(shù)據(jù)的初學者量身定做的。最重要的是，他們將學會提出正確的問題，并得出好的答案，為你的組織提供有價值的見解。

你將學到什么:

• 創(chuàng)建表格，并能夠?qū)?shù)據(jù)移入表格
• 常用操作符和如何組合數(shù)據(jù)
• 案例語句、數(shù)據(jù)治理和概要分析等概念
• 討論有關(guān)數(shù)據(jù)的話題，并利用現(xiàn)實世界的編程作業(yè)進行練習
• 解釋源數(shù)據(jù)中的結(jié)構(gòu)、含義和關(guān)系，并將 SQL 作為一種專業(yè)數(shù)據(jù)來塑造數(shù)據(jù)，以便進行目標分析

機器學習和人工智能

13.機器學習速成班——谷歌

這個速成課程是一個為有抱負的機器學習實踐者準備的自學指南，它以視頻講座、現(xiàn)實世界的案例研究和實踐練習為特色。這是在“與谷歌學習”人工智能倡議下的課程之一，鼓勵所有人學習人工智能。

14.人工智能要素——赫爾辛基大學

《人工智能要素》是由Reaktor和赫爾辛基大學開發(fā)的一系列免費在線課程。它旨在鼓勵每個人學習人工智能是什么，人工智能能做什么和不能做什么，以及如何開始創(chuàng)造人工智能途徑。這些課程結(jié)合了理論和實踐練習，可以按自己的步調(diào)完成。

15.機器學習——吳恩達

吳恩達的機器學習是互聯(lián)網(wǎng)上最受歡迎的在線課程之一，它包含方方面面。從最基礎(chǔ)的到神經(jīng)網(wǎng)絡和支持向量機，最后加上一個應用項目。這門課程的好處是吳恩達是一位令人難以置信的老師。壞的方面，是用MATLAB教的(我更喜歡 Python)。

16.程序員的實用深度學習課程——Fast.ai

如果你想免費了解深度學習，F(xiàn)ast.ai是一個在線課程。互聯(lián)網(wǎng)上的每個人都推薦它，對于那些想要學習深度學習的人來說，它無疑是一個有價值的資源。本課程利用jupytorch的筆記本進行學習，并將其作為編寫深度學習代碼的主要工具。

17. 深度學習——斯坦福大學

深度學習是人工智能中最受歡迎的技能之一。在本課程中，你將學習深度學習的基礎(chǔ)，了解如何建立神經(jīng)網(wǎng)絡，并學習如何領(lǐng)導成功的機器學習項目。您將學習卷積網(wǎng)絡、RNNs、LSTM、Adam、Dropout、BatchNorm、Xavier/He初始化等等。

18. CS224N 自然語言處理與深度學習——斯坦福大學

自然語言處理(NLP)是信息時代的重要技術(shù)之一，是數(shù)據(jù)科學的重要組成部分。NLP的應用無處不在——在網(wǎng)絡搜索、電子郵件、語言翻譯、聊天機器人等領(lǐng)域。在本課程中，學生將獲得有關(guān)自然語言處理的深度學習的前沿研究的全面介紹。

你將學到什么:

• 設(shè)計、實現(xiàn)和理解你的神經(jīng)網(wǎng)絡模型。
• PyTorch!

19. CS231n: 用于視覺識別的卷積神經(jīng)網(wǎng)絡——斯坦福大學

計算機視覺已經(jīng)在我們的社會中無處不在，其應用領(lǐng)域包括搜索、面部識別、無人機，最引人注目的是特斯拉汽車。本課程深入探討深度學習架構(gòu)的細節(jié)，重點是學習這些任務的端到端模型，特別是圖像分類。

你將學到什么:

• 實施、訓練和調(diào)試他們的神經(jīng)網(wǎng)絡
• 詳細了解計算機視覺的前沿研究。

最后的任務包括訓練一個數(shù)百萬參數(shù)的卷積神經(jīng)網(wǎng)絡，并將其應用于最大的圖像分類數(shù)據(jù)集(ImageNet)。

榮譽提名

• 可汗學院
• Kaggle課程
• 線性代數(shù)、微積分和神經(jīng)網(wǎng)絡的藍色布朗本質(zhì)
• 邁向數(shù)據(jù)科學學習部分

行動計劃

在線學習數(shù)據(jù)科學有時很困難，因為你沒有一個結(jié)構(gòu)化的課程來告訴你該做什么。但是，與其這樣看待它，不如意識到你有自由去構(gòu)建一條適合自己的學習道路，并且可以讓自己發(fā)揮出最好的一面。一個好處是，你可以在你的大腦處于最高效率的時候?qū)W習，在它效率較低的時候休息。此外，你可以根據(jù)自己的興趣和熱情來決定學習什么。

建議

在網(wǎng)上學習的時候，一些小竅門就是保持做簡單的筆記，在一天結(jié)束的時候?qū)懸恍┬牡茫蛘咴诓┛蜕嫌涗浤闼鶎W到的東西。同樣，利用費曼技術(shù)向朋友和家人解釋你所學到的東西也很重要，尤其是對于像數(shù)據(jù)科學這樣的復雜課題。

此外，學習機器學習算法和神經(jīng)網(wǎng)絡時，在編寫代碼的同時學習它是至關(guān)重要的，這樣你就可以看到你在學習什么，并對手頭的主題有更好的理解。成為諸如Reddit，Discord等在線社區(qū)的一部分也是很好的，這樣你就可以提出問題并從專家那里得到很好的答案。

總結(jié)一下:

1. 記筆記/寫博客
2. 使用費曼技巧
3. 編碼和概念(從頭開始創(chuàng)建一個神經(jīng)網(wǎng)絡)
4. 加入數(shù)據(jù)科學在線社區(qū)提問

最后，引用阿瑟 · w · 奇克林和斯蒂芬 · c · 埃爾曼的一句話

“僅僅坐在課堂上聽老師講課、記憶預先包裝好的作業(yè)、吐出答案，學生學不了多少東西。他們必須談論正在學習的東西，寫下關(guān)于它的反思，將它與過去的經(jīng)歷聯(lián)系起來，并將它應用到日常生活中。他們必須讓學到的東西成為自己的一部分。”

感謝閱讀，希望這篇文章對你來說能提供很多思路的。

51CTO學院課程推薦：深度學習工程師實戰(zhàn)系列（必備原理+主流框架+項目實戰(zhàn)）