原文：
www.kdnuggets.com/2015/09/15-math-mooc-data-science.html/2
8. 线性代数应用第二部分
学校: 大卫森学院
平台: edX
讲师: Tim Chartier，等人
日期: 存档材料（任何时间）
描述摘录: 这门课侧重于数据挖掘及其在计算机图形学中的应用。我们将深入讨论体育排名和如何从数千场比赛中评估团队。我们将应用这些方法到“疯狂三月”中。我们还将学习搜索引擎背后的方法，这些方法被 Google 等公司所利用。我们还将学习如何对数据进行聚类，以寻找相似的群体，并学习如何压缩图像以减少存储使用量。
微积分
对微积分的理解可以帮助实践者从理解变化的角度进行思考。
9. 微积分一
学校: 俄亥俄州立大学
平台: Coursera
讲师: Jim Fowler
日期: 自定进度（任何时间）
描述摘录: 微积分涉及非常大的、非常小的事物及其变化。令人惊讶的是，这些看似抽象的内容最终解释了现实世界。微积分在生物学、物理学和社会科学中扮演着重要角色。通过关注课外的例子，我们将看到微积分在日常生活中的应用。
统计学
数据科学的数学核心。这些课程从基础统计主题开始，最后涉及 R 中的一些探索性分析。
10. 统计学导论：描述性统计
学校: 加州大学伯克利分校
平台: edX
讲师: Ani Adhikari 和 Philip B. Stark
日期: 存档材料（任何时间）
描述摘录: Stat2.1x 课程侧重于描述性统计。描述性统计的目标是以有启发性和有用的方式总结和展示数据信息。课程将涵盖数据的图形和数值总结，从单变量开始，逐步进展到两个变量之间的关系。方法将通过来自科学和人文学科的各种领域的数据进行说明。
11. 统计学导论：概率
学校: 加州大学伯克利分校
平台: edX
讲师: Ani Adhikari 和 Philip B. Stark
日期: 存档材料（任何时间）
描述摘录: Stat2.2x 的重点是概率论：什么是随机样本，随机性是如何工作的？如果你买 10 张彩票而不是 1 张，你的中奖机会会提高 10 倍吗？什么是平均法则？调查如何基于来自少量人群的数据做出准确预测？你应该期望“偶然”发生什么？这些是我们将在课程中讨论的一些问题。
12. 统计学简介：推断
学校: 加州大学伯克利分校
平台: edX
讲师: Ani Adhikari 和 Philip B. Stark
时间: 存档材料（任何时间）
描述摘录: Stat 2.3x 将讨论选择子集的好方法（是的，随机选择）；如何根据你在样本中看到的内容来估计感兴趣的数量；以及测试关于数值或概率方面问题的假设的方法。
13. 使用 R 进行统计探索
学校: 卡罗林斯卡学院
平台: edX
讲师: Andreas Montelius 等
时间: 自定进度（任何时间）
描述摘录: 你想学习如何从互联网上收集健康科学数据吗？还是想通过数据分析了解世界？首先学习 R 统计学吧！学习如何使用 R，这是一种强大的开源统计编程语言，并了解为什么它在许多行业中成为首选工具。
高级
一些稍微高级的话题，涉及优化和应用线性代数。
14. 离散优化
学校: 墨尔本大学
平台: Coursera
时间: 存档材料（任何时间）
描述摘录: 这门课程是离散优化的介绍，向学生展示了该领域的一些最基本的概念和算法。课程涵盖了约束编程、局部搜索和混合整数编程，从其基础知识到应用于复杂实际问题的应用，如调度、车辆路线规划、供应链优化和资源分配。
学校: 布朗大学
平台: Coursera
讲师: Philip Klein
时间: 存档材料（任何时间）
描述摘录：在本课程中，你将学习线性代数的概念和方法，并了解如何使用这些方法思考计算机科学中出现的问题。你将用 Python 编程语言编写小程序，实现基本的矩阵和向量功能及算法，并用这些来处理真实世界的数据。
学校：西部州立大学（及三叉戟大学国际部）
平台：Udemy
讲师：理查德·韩
日期：自定进度（随时）
描述摘录：学习线性代数的核心主题，为数据科学开辟新天地！
简介： 马修·梅奥 是一名计算机科学研究生，目前正在进行关于并行化机器学习算法的论文。他还是数据挖掘的学生，数据爱好者，未来的机器学习科学家。
相关：
-
战略商业分析的新 MOOC 课程
-
你是否在努力获得机器学习技能？
-
前 20 名数据科学 MOOC 课程