本文約2800字，建議閱讀7分鐘
本文為你帶來了十大資源，更為你安排好了學習順序，網課刷起來!
疫情在家太無聊，網課自然是打發時間又能自我提升的不二之選。在眾多學科中，數據科學又可說是有趣又實用的典範了。
可是，光coursera上能找到的數據科學課程就要數以百計。我們要如何選擇合適的課程？又應該選擇怎樣的學習順序呢？
今天，小編就為你帶來了十大資源，更為你安排好了學習順序。
從小白起步級，到大師進階級，涵蓋十分廣泛。即便你已有了一定的數據科學基礎，也能找到合適的學習資源。
一起來看吧！
Python 3 編程專業課
和Python 2.7說再見！
首先，你需要一門編程語言。密歇根大學的這門專業課是有關學習如何使用Python，並創建自己的內容。
課程鏈接：
https://www.coursera.org/specializations/python-3-programming
你將會學習編程基礎，如變量、條件、循環；並逐步接觸一些中間素材，如關鍵字變量、列表理解、lambda表達式和類繼承。
藉助Python應用數據科學，先學習後理解
在充分理解機器學習之前，我們需要先體驗一番。
這門《藉助Python應用數據科學》（Applied Data Science with Python）介紹了許多你應當瞭解的現代機器學習方法。無需理解太多，你就可以獲得構建自己模型的工具。
課程鏈接：
https://www.coursera.org/specializations/data-science-python
這門進階的專業課程是面向具有相關基礎的學習者。學習者需要具有基本的python或其他語言編程背景，希望通過使用流行的python工具包（如：pandas、matplotlib、scikit-learn、nltk和networkx），應用統計、機器學習、信息可視化、文本分析和社交網絡分析技術，從而對他們手頭的數據能夠有所瞭解。
機器學習理論與基礎
學完上述課程，你就已經入門了。
恭喜！你學到了不少東西，也知道了如何去實現。
但是，你還不完全理解隱含在這些模型背後的數學原理。
你需要理解clf.fit背後的東西。是時候面對現實了。除非你瞭解模型背後的數學原理，否則沒人會拿你當回事。
你不理解它，你就不可能改進它。
因此，我想你重磅推薦吳恩達老師的《機器學習》。它包含了許多機器學習算法背後的數學原理。
課程鏈接：
https://www.coursera.org/learn/machine-learning
我認為這門課是你的“必修課程”，因為是這門課激勵我進入這個領域，而且吳恩達老師（Andrew Ng）是一位偉大的老師。另外，這也是我剛轉入數據科學領域自學的第一門課。
這門課程什麼都有：迴歸，分類，異常檢測，推薦系統，神經網絡等等，還有很多很棒的建議。
學習統計推斷
“事實是不變的，統計數據則是易變的。”——馬克.吐溫
《推斷統計導論》（Inferential Statistics Intro）由Mine Çetinkaya-Rundel教授，沒有比她這門課更簡要的了。
課程鏈接：
https://www.coursera.org/learn/inferential-statistics-intro
她是一位好老師，清晰簡潔地講解了統計推斷的基礎內容。當然了，這也是一門必修課程。
你將會學到假設檢驗、置信區間、以及數值數據和分類數據的統計推斷方法。
學習數據科學的SQL基礎知識
SQL是所有數據ETL流程的核心。
雖然我們覺得創建模型和提出不同的假設更有成就感，但也不可輕視數據轉換的作用。
而且，由於SQL在數據ETL流程和準備任務中無處不在，因此每個人都應該瞭解一點SQL，至少是有用的。
SQL也已成為使用Apache Spark等大數據工具的實際標準。加州大學戴維斯分校（UC Davis）的《SQL specialization》課程會講解有關SQL的基礎知識以及如何使用SQL進行分佈式計算。
課程鏈接：
https://www.coursera.org/specializations/learn-sql-basics-data-science
課程簡介：通過具有數據科學應用程序的四個難度遞增的SQL項目，你將學習諸如SQL基礎知識，數據整理，SQL分析，AB測試，使用Apache Spark進行分佈式計算等主題。
高級機器學習
在更大的舞臺上，填鴨式教育一無所用。
你可能不同意這一點，但到目前為止，我們所做的一切都是填鴨式學習。數據是結構化的，數學原理是簡單的。但之前的努力並沒有白費，它為我們的下一步發展奠定了基礎。由Kaggle機器學習的頂尖高手和歐洲核子研究組織（法語為Conseil Européenn pour la Recherche Nucléaire，通常簡稱為CERN）的科學家們共同開發的《高級機器學習 專項課程》（Advanced Machine Learning specialization），採用另一種學習方法，幫助你學習許多難懂的概念並瞭解機器學習的前世今生。
課程鏈接：
https://www.coursera.org/specializations/aml
課程簡介：該專項課程介紹了深度學習，強化學習，自然語言理解，計算機視覺和貝葉斯方法。Kaggle機器學習的頂尖高手和CERN的科學家們將分享他們在解決現實問題中所獲得的寶貴經驗，從而更好地幫助你從理論過渡到現實。
深度學習
深度學習是大勢所趨。
吳恩達老師帶著新課《深度學習 專項課程》（Deep Learning Specialization）回來了，乾貨滿滿，待君細品。
課程鏈接：
https://www.coursera.org/specializations/deep-learning
吳恩達老師擅長化繁為簡，能夠以簡潔易懂的方式來解釋晦澀複雜的概念。他的方法不同於網上的其他教程，對於理解基礎概念大有裨益，因此我希望它能夠逐漸流行開來。
課程簡介：你將學習深度學習的基礎知識，瞭解如何構建神經網絡，學習如何領導成功的機器學習項目。你還會學習卷積神經網絡（CNN）、循環神經網絡（RNN）、長短期記憶網絡（LSTM）、Adam優化算法、Dropout原理、批規範化（BN）、Xavier/He初始化等。你將要研究的案例包括醫療保健，自動駕駛，手語閱讀，音樂生成，和自然語言處理等領域。
Pytorch，讓Python火力全開！
我通常從不提倡學習一種工具，但是，Pytorch真香！瞭解Pytorch，就意味著你可以閱讀許多當今論文中的代碼部分，你說它香不香？對於深度學習的研究人員來說，Pytorch已經成為默認的編程語言，更何況它還是開源免費的呢。
你可以通過《利用Pytorch構建深度神經網絡》(Deep Neural Networks with Pytorch) 這門課程系統地學習Pytorch。
課程鏈接：
https://www.coursera.org/learn/deep-neural-networks-with-pytorch
課程簡介：該課程將從Pytorch的張量和自動微分包講起。其次，每個部分將涵蓋不同的模型，這些模型依賴於諸如線性迴歸、邏輯迴歸或softmax迴歸等基礎知識。然後是前饋深度神經網絡，包含不同的激活函數，歸一化和dropout層。接著將介紹卷積神經網絡和遷移學習。最後，還將介紹其他幾種深度學習方法。
AWS機器學習入門
構建出色的機器學習系統時需要考慮很多因素。但是通常而言，作為數據科學家，我們只需擔心項目的特定部分即可。
但是，我們是否曾經考慮過擁有模型後將如何部署模型？
我見過很多機器學習項目，但其中許多註定要失敗，因為它們從一開始就沒有一個固定的生產計劃。
擁有一個良好的平臺並瞭解該平臺如何部署機器學習應用程序，將對現實生產大有幫助。 這門《AWS機器學習入門》（Getting Started with AWS Machine Learning）課程就可以幫你實現這個想法。
課程鏈接：
https://www.coursera.org/learn/aws-machine-learning
本課程將教會你：
- 如何使用帶有內置算法和Jupyter Notebook實例的Amazon SageMaker構建、訓練和部署模型；
- 如何使用Amazon AI服務（如Amazon Comprehend，Amazon Rekognition，Amazon Translate等）構建智能應用程序。
數據結構和算法
算法。沒錯，你需要它們。
算法和數據結構是數據科學不可或缺的一部分。儘管我們大多數數據科學家在學習時都沒有學習正確的算法課程，但它們是必不可少的。
許多公司在聘用數據科學家的面試過程中都會詢問數據結構和算法。
數據結構與算法需要你付出相當多的時間與精力進行研究，因此切不可輕視，這畢竟是程序員的內功！
我發現學習算法的最佳資源之一是加州大學聖地亞哥分校的《數據結構與算法 專項課程》
課程鏈接：
https://www.coursera.org/specializations/data-structures-algorithms
課程簡介：你將學習解決各種計算問題的算法技術，並將以你選擇的編程語言實現大約100種算法編碼問題。沒有其他任何一門在線算法課程可以為你提供如此豐富的編程實踐，這些東西你可能會在下次面試中遇到。
學無止境
希望這些資源可以幫助大家在數據科學這條路上走得更遠！如果有推薦資源，也歡迎在評論區分享。
相關報道：
https://towardsdatascience.com/top-10-resources-to-become-a-data-scientist-in-2020-99a315194701
校對：龔力
—完—
關注清華-青島數據科學研究院官方微信公眾平臺“ THU數據派 ”及姊妹號“ 數據派THU ”獲取更多講座福利及優質內容。
閱讀更多 數據派THU 的文章
