原文：
www.kdnuggets.com/2020/07/data-science-moocs-superficial.html
评论
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析水平
3. Google IT 支持专业证书 - 支持你的组织在 IT 领域
数据科学、机器学习和分析被认为是最热门的职业路径之一。行业、学术界和政府对熟练的数据科学从业者的需求迅速增长。因此，持续的“数据热潮”吸引了来自物理学、数学、统计学、经济学和工程学等多种背景的专业人士。数据科学家的就业前景非常乐观。 IBM 预测 数据科学家的需求将于 2020 年激增 28%。
对数据科学从业者需求的不断增长催生了大规模开放在线课程（MOOC）的激增。最受欢迎的 MOOC 提供商包括以下几个：
a) edx: www.edx.org/
b) Coursera: www.coursera.org/
c) DataCamp: www.datacamp.com/
d) Udemy: www.udemy.com/
e) Udacity: www.udacity.com/
f) Lynda: www.lynda.com/
由于 MOOC 越来越受欢迎，每个数据科学 aspirant 自然应该问自己这样一个问题：数据科学 MOOC 适合我吗？
为了回答这个问题，让我们探讨一下 MOOC 的优缺点。
大多数 MOOC 是免费的在线课程，任何人都可以报名。MOOC 提供了一种经济实惠且灵活的学习新技能的方式。MOOC 涵盖了领导力、分析学、数据科学、机器学习、职业技能、工程学、商业与管理、人文学科、计算机科学等广泛的在线课程。这些课程通常由全球顶尖大学提供，如 MIT、哈佛大学、加州大学伯克利分校、密歇根大学、洛桑联邦理工学院、香港理工大学、昆士兰大学等。有些课程也由大型企业如 IBM、谷歌和微软提供。MOOC 的最大优势是能够向领导者和专家学习，以及有机会参加世界顶尖大学的课程。
大多数数据科学 MOOC 是入门级课程。这些课程适合那些已经在相关学科（物理学、计算机科学、数学、工程学、会计）中具有坚实背景的人，旨在进入数据科学领域。在我数据科学的旅程中，我发现以下 3 个数据科学专业课程在质量和严谨性方面都是最好的。
b) 分析学：基本工具与方法（乔治亚理工 X，通过 edX）
c) 应用数据科学与 Python 专业课程（密歇根大学，通过 Coursera）
如果你对探索数据科学领域感兴趣，我建议你从 MOOC 开始。然后，在建立了坚实的数据科学基础之后，你可以使用下一部分讨论的方法来进一步提升你在该领域的知识。
以下步骤将帮助你提升数据科学知识和技能，超越 MOOC 培训的范围。
a) 从教科书中学习
从教科书中学习可以获得比在线课程更精细和深入的知识。这本书提供了对数据科学和机器学习的极好介绍，包括代码：《Python 机器学习》，作者：Sebastian Raschka。作者以非常易于理解的方式解释了机器学习的基本概念。此外，还包括代码，你可以实际使用这些代码进行练习和构建自己的模型。我个人发现这本书在我的数据科学家之路上非常有用。我会推荐这本书给任何数据科学追求者。你只需具备基础的线性代数和编程技能即可理解这本书。其他优秀的数据科学教科书还有 “Python 数据分析”（作者：Wes McKinney）、“应用预测建模”（作者：Kuhn & Johnson）、“数据挖掘：实用的机器学习工具和技术”（作者：Ian H. Witten、Eibe Frank & Mark A. Hall）等。
b) 与其他数据科学追求者建立网络
根据我的个人经验，通过与其他数据科学追求者合作，每周进行关于数据科学和机器学习的各种话题讨论，我学到了很多。与其他数据科学追求者建立网络，在 GitHub 上分享你的代码，或在 LinkedIn 或 Medium 上展示你的技能，这将帮助你在短时间内学习大量的新概念和工具。你还会接触到新的做事方式、新的算法和技术。
c) 将知识应用于现实世界的数据科学问题
请记住，仅仅依靠在线课程是无法让你成为数据科学家的。在建立了坚实的数据科学基础之后，你可以寻求实习机会或参与 Kaggle 比赛，实战真实的数据科学项目。
总结来说，我们讨论了数据科学 MOOC 的优缺点。如果你在物理学、数学、经济学、工程学或计算机科学等分析学科有扎实的背景，并且对探索数据科学领域感兴趣，最好的方式是从 MOOC 开始。然后，在建立扎实的基础之后，你可以寻找其他方式来增加你的知识和专业技能，例如学习教科书、参与项目和与其他数据科学追求者建立网络。
额外的数据科学/机器学习资源
原文。已获得许可转载。
相关：