데이터 과학을 배우고 싶다면 다음 통계 수업 중 몇 가지를 선택하십시오.

이미지 크레디트

1 년 전, 코딩 배경이없는 숫자 괴짜였습니다. 온라인 프로그래밍 과정을 밟은 후 저는 캐나다 최고의 컴퓨터 과학 프로그램 중 하나에 등록했을 때 영감을 받았습니다.

2 주 후에 edX, Coursera 및 Udacity를 통해 필요한 모든 것을 배울 수 있다는 것을 깨달았습니다. 그래서 나는 중퇴했다.

결정은 어렵지 않았습니다. 더 빠르고 효율적으로 원했던 콘텐츠를 적은 비용으로 배울 수있었습니다.

나는 이미 대학 학위를 받았으며, 아마도 더 중요한 것은 이미 대학 경험이 있다는 것입니다. 학교에 돌아 가기 위해 3 천만 달러 이상을 지불하는 것은 무책임 해 보였다.

나는 컴퓨터 과학보다 나에게 더 잘 맞는다는 것을 깨닫고 나서 곧 온라인 코스를 사용하여 자신의 데이터 과학 석사 학위를 만들기 시작했습니다. 프로그래밍 환경을 소개했습니다. 이 시리즈의 첫 번째 기사에서는 초보자 데이터 과학자에게 몇 가지 코딩 클래스를 권장했습니다.

이제 통계와 확률에 관한 것입니다.

몇 가지 과정을 수강하고 많은 부분을 감사했습니다. 나는 거기에있는 옵션과 데이터 분석가 또는 데이터 과학자 역할을 준비하는 학습자에게 필요한 기술을 알고 있습니다.

이 가이드를 위해 2016 년 11 월 기준으로 제공되는 통계 및 확률 코스에 대한 모든 온라인 소개를 식별하고 음절 및 리뷰에서 주요 정보를 추출하고 등급을 컴파일하는 데 15 시간 이상을 보냈습니다. 이 작업을 위해 저는 오픈 소스 Class Central 커뮤니티와 수천 개의 코스 평가 및 리뷰 데이터베이스를 사용했습니다.

Class Central의 홈페이지.

2011 년 이래로 Class Central의 창립자 Dhawal Shah는 전 세계의 다른 누구보다 온라인 과정을 면밀히 주시하고 있습니다. Dhawal은 개인적으로이 리소스 목록을 작성하는 데 도움을주었습니다.

고려할 과정을 고른 방법

각 코스는 4 가지 기준에 맞아야합니다.

  1. 통계 나 확률 경험이 거의 없거나 전혀없는 입문 과정이어야합니다.
  2. 주문형이거나 몇 개월마다 제공되어야합니다.
  3. 예상 완료를 위해서는 총 길이가 10 시간 이상이어야합니다.
  4. 대화 형 온라인 과정이어야하므로 책이나 읽기 전용 자습서가 없습니다. 통계와 확률을 배우는 데 유용한 방법이지만이 안내서는 과정에 중점을 둡니다.

우리는 위의 기준에 맞는 모든 주목할만한 코스를 다룬다 고 생각합니다. Udemy에는 수백 개의 코스가있는 것 같으므로 가장 많이 검토되고 평가 된 코스 만 고려했습니다. 그래도 항상 뭔가를 놓쳤을 가능성이 있습니다. 좋은 강의를 마치면 의견 섹션에 알려주십시오.

코스 평가 방법

우리는 Class Central 및 기타 리뷰 사이트의 평균 평가 및 리뷰 수를 수집했습니다. 각 코스의 가중 평균 평점을 계산했습니다. 시리즈에 여러 코스가있는 경우 (오스틴의 두 부분으로 된 "데이터 분석 결과"시리즈의 Texas University와 같은) 모든 코스에 대한 가중 평균 등급을 계산했습니다. 우리는 텍스트 리뷰를 읽고이 피드백을 사용하여 수치 등급을 보충했습니다.

우리는 다음 세 가지 요소를 바탕으로 주관적인 강의 계획서 평가 요청을했습니다.

  1. 각 코스가 예제를 코딩하여 통계를 가르치는 정도 – 가급적이면 R 또는 Python.
  2. 확률과 통계의 기초를 다룬다. 기술 통계, 추론 통계 및 확률 이론을 다루는 것이 이상적입니다.
  3. 데이터 과학과 관련된 강의 계획서의 양은 얼마입니까? 강의 계획서에는 여러 가지 생물 통계 과정과 같이 유전체학과 같은 특수 콘텐츠가 있습니까? 강의 계획서는 데이터 과학에서 자주 사용되지 않는 고급 개념을 다루고 있습니까?
R과 Python은 데이터 과학에 가장 널리 사용되는 프로그래밍 언어입니다.

대상 코딩이 필요한 이유

하버드의 응용 수학 석사 학위를받은 Quora의 데이터 과학자 William Chen은이 인기있는 Quora 답변에 다음과 같은 질문에 대한 답변을 썼습니다.“데이터 과학에 대한 통계는 어떻게 배우나요?”

야심 찬 데이터 과학자라면 필자는 Python 또는 R에서 예제 코딩에 중점을 둔 통계를 배우는 것이 좋습니다.

많은 데이터 과학자의 통계 작업이 코드로 수행되므로 가장 인기있는 도구에 익숙해지는 것이 유리합니다.

통계 및 확률

확률은 통계가 아니며 그 반대도 마찬가지입니다. 차이점에 대한 내가 가장 좋아하는 설명은 Stony Brook University의 것입니다.

확률은 미래 사건의 가능성을 예측하는 반면 통계는 과거 사건의 빈도 분석을 포함합니다.

그들은“확률은 주로 수학 정의의 결과를 연구하는 수학의 이론적 인 부분”이며“통계는 주로 실제 세계에서 관찰을 이해하려고하는 수학의 적용되는 부분”이라고 설명합니다.

통계는 일반적으로 데이터 과학의 기둥 중 하나로 간주됩니다. 주목도는 낮지 만 확률은 데이터 과학 커리큘럼의 중요한 부분입니다.

하버드 통계국의 교수 인 조 블릿츠 타인 (Bee Zlitzstein)은이 인기있는 Quora의 답변에서 주목받는 데이터 과학자들도 확률 이론의 기초를 잘 갖추어야한다고 말했다.

저스틴 라이징 (Justin Rising) 박사 학위를 가진 데이터 과학자 와튼의 통계에서이“좋은 기초”는 학부 수준의 확률에 익숙하다는 것을 의미한다고 설명했다.

데이터 과학자를위한 최고의 통계 및 확률 코스에 대한 선택은 다음과 같습니다.

  • 데이터 분석 기초-1 부 : Austin (edX)의 Texas University에서 R을 사용한 통계
  • 데이터 분석 기초-제 2 부 : Austin (edX) 텍사스 대학교의 추론 통계

"데이터 분석의 기초"에는 20 개가 넘는 별 5 개 중 4.48의 가중 평균 평점을 가진 최고 리뷰 통계 코스 중 2 개가 포함됩니다. 이 시리즈는 예제 코딩에 중점을 둔 통계를 가르치는 상위 등급의 등급 중 유일한 코스 중 하나입니다. 강의 제목에는 언급되지 않았지만 음절에는 테스트 기준을 만족시키기에 충분한 확률이 포함되어 있습니다. 이 과정은 초보 데이터 과학자를위한 다양한 기초 및 범위를 포함합니다.

오스틴에있는 텍사스 대학교 (University of Texas)의 강사 겸 통계 전문가 인 Michael J. Mahometa는“Foundations of Data Analysis”시리즈 강사입니다. 시리즈의 두 코스는 모두 무료입니다. 예상 일정은 각 코스에 대해 주당 3-6 시간으로 6 주입니다. 한 저명한 검토자가 말했다 :

훌륭한 코스! 나는 파트 1을 가지고 그것을 많이 즐 겼기 때문에 파트 2로 가기로 결정하기가 매우 쉬웠습니다. Dr. Mahometa와 팀은 매우 훌륭한 교사이며 그들의 자료는 매우 높은 품질입니다. 연습이 흥미롭고 자료 (비디오, 랩 및 문제)가 적절하고 잘 선택되었습니다. 통계 분석에 관심이있는 사람 (머신 러닝, 빅 데이터, 데이터 과학 등)에게이 과정을 추천합니다. 1에서 10까지의 규모로 50을줍니다!

각 과정의 설명과 강의 계획서는 위에 제공된 링크를 통해 액세스 할 수 있습니다.

텍사스 대학교 오스틴의 edX 페이지

스텔라 전문화

업데이트 (2016 년 12 월 5 일) : UC Berkeley의 "Stat2x : Introduction to Statistics (통계 소개)"시리즈의 두 번째 권장 사항으로이 기사가 발표 된 후 몇 주 후에 등록이 마감되었습니다. 이에 따라“경쟁”섹션에서 최고 권장 사항을 홍보했습니다.

  • Coursera에서 Duke University의 R 전문화 통계

… 다음 5 가지 코스가 있습니다.

  • 확률 및 데이터 소개
  • 추론 통계
  • 선형 회귀 및 모델링
  • 베이지안 통계
  • R 캡 스톤 통계

이 5 개 과정의 전문화 과정은 듀크의 우수한 데이터 분석 및 통계적 추론 과정을 기반으로하며, 55 개 이상의 평가를받은 4.82 개의 별 평균 평점을 받았습니다. 전문화는 동일한 교수와 몇 명의 추가 교수진에 의해 진행됩니다. 5 개 이상의 리뷰를받은 3.6 개의 별 평균 평점을 가진 새로운 개별 코스에 대한 초기 리뷰는 작은 샘플 크기로 인해 소금 한 알갱이로 가져와야합니다. 음절은 포괄적이며 확률에 대한 전체 섹션이 있습니다.

Mine Çetinkaya-Rundel 박사는 전문 분야의 주요 강사입니다. 개별 과정은 무료로 감사 할 수 있지만 채점 할 수는 없습니다. 리뷰에 따르면 전문화 과정은 "돈 가치가 있습니다"라고합니다. 각 코스에는 주당 5-7 시간으로 4-5 주 정도의 예상 일정이 있습니다. 한 저명한 검토자는 전문화가 기초로 한 원래 과정에 대해 다음과 같이 말했습니다.

내가 지금까지 수강 한 최고의 코스 중 하나입니다. [박사 Mine Çetinkaya-Rundel은 훌륭한 교사이며 학생들과 교류하는 데 많은 도움이됩니다. 다양한 교수법과 도구. 간단한 테스트, R- 프로그래밍 랩 및 심층 프로젝트를 통한 많은 연습. 어려움에 대처하기 위해 많은 도움을주는 매우 활발한 포럼. 이 과정은 어렵지 않지만 제안 된 자료의 다양성은 학생들이 상당히 실질적으로 참여할 것을 요구합니다. 많은 연습 문제로 무료로 제공되는 아주 좋은 책입니다.
듀크 대학의 Coursera 페이지.

더 많은 확률을 원하십니까?

  • 확률 소개 — MIT (Massachusetts Institute of Technology)의 불확실성 과학

확률 세계에 대해 자세히 알아 보려면 위의 MIT 과정을 고려하십시오. 34 개의 평가를받은 별 5 개 중 4.91의 가중 평균 평점을받은 걸작입니다. 경고 : 그것은 도전이며 대부분의 MOOC보다 훨씬 길다. 과정이 확률을 다루는 수준은 데이터 과학 초보자에게는 필요하지 않습니다.

MIT의 전기 공학 및 컴퓨터 과학과의 교수 인 John Tsitsiklis와 Patrick Jaillet는이 과정을 가르치고 있습니다. 이 과정의 내용은 해당 MIT 클래스 (Probabilistic Systems Analysis and Applied Probability)의 내용과 본질적으로 동일합니다.이 과정은 50 년 넘게 제공되고 지속적으로 개선되었습니다. 예상 타임 라인은 주당 12 시간 16 주입니다. 한 저명한 검토자가 말했다 :

많은 온라인 강좌가 어떤 식 으로든 물을 뿌렸지만이 강좌는 MIT와 같은 고등 학교에서 직접받는 것과 유사한 엄격한 운동 중심 코스처럼 느껴집니다. 교수는 수년간의 교육 경험을 통해 레이저에 초점을 맞춘 강의에서 개념을 제시합니다. 프레젠테이션에서 두 번째 낭비가 없으며 개념을 이해하기에 적합한 속도와 세부 사항으로 정확하게 진행됩니다. 연습을 통해 지식을 익히고 개념을 실제로 내재화하는 데 중요합니다. 이것은 내가 어떤 과목에서든 수강 한 최고의 온라인 코스입니다.

이 강의를 위해 Class Central의 페이지를 방문하여 나머지 리뷰를 읽으십시오.

MIT의 edX 페이지.

경쟁

우리의 # 1 픽은 20 개가 넘는 후기 5 개 중 4.48의 가중 평균 평점을 받았습니다. 다른 대안을 살펴 보겠습니다.

  • MedStats : 의학 통계 (Stanford University / Stanford OpenEdx) : 예제에 의학적 초점이있는 훌륭한 강의 계획서. UT Austin 시리즈 만큼은 아니지만 마지막에 약간의 R 프로그래밍을 다루고 있습니다. 약을 목표로하지 않는 사람이라도 누구나 가치있는 선택입니다. 32 개의 후기 기준 4.58 성급 가중 평균 평점을 받았습니다.
  • SOC120x : I "심장"통계 : 사랑을 배우는 통계 (Notre Dame / edX 대학) : 비전문가를 대상으로하지만 누구에게나 좋을 것입니다. 코딩이 없습니다. 좋은 생산 가치. 코스와 강사는 정말 재미있어 보입니다. 12 개의 평가에 대한 4.54 개의 가중 평균 평점이 있습니다.
  • QM101x : 비즈니스 통계 (인도 방갈로르 / edX) : 4 코스 시리즈의 일부. 사업 초점. 코딩을 사용하는 좋은 강의 계획서. 이 시리즈의 마지막 두 코스는 2016 년 11 월 현재 릴리스되지 않았으므로 아직 판단 할 수 없습니다. 27 개의 후기를 통한 4.43의 가중 평균 평점입니다.
  • 확률 및 통계 워크샵 (Udemy) : UCLA 앤더슨 경영 대학원의 MBA 프로그램 담당 부사장 George Ingersoll 박사가 강의합니다. 돈이 든다. Excel을 사용합니다. 이 호텔은 452 개의 후기에 4.4 개의 별 평균 가중 등급을 가지고 있습니다.
  • 기술 통계 소개 (San Jose State University / Udacity) : 2 코스 시리즈의 일부입니다. 한입 크기의 비디오. 코딩이 없습니다. 8 개의 후기에 3.88 성급의 가중 평균 평점을 받았습니다.
  • 추론 통계 소개 (San Jose State University / Udacity) : 2 코스 시리즈의 일부입니다. 저학년 통계 수업을위한 두 가지 과정을 모두 새로 고쳤으며 더 깊이 이해했습니다. Katie Kormanik의 강의 스타일을 정말 좋아했습니다 (아래 비디오 참조). 한입 크기의 비디오. 코딩이 없습니다. 5 개의 평가에 대한 4.4 개의 가중 평균 평점이 있습니다.
  • 6.008.1x : 계산 확률 및 추론 (Massachusetts Institute of Technology / edX) : Python에서 예제를 코딩하는 데 중점을 둔 통계를 가르치는 두 코스 / 시리즈 중 하나입니다. 리뷰는 이전 통계 경험이 필요하고 코스가 약간 구성되지 않은 것으로 제안합니다. 4 개의 가중 평균 평점이 12 개 이상입니다.
  • 기본 통계 (암스테르담 / 쿠 세라 대학교) : 암스테르담 대학교 (University of Amsterdam)의 방법론과 사회 과학 전공 통계의 두 가지 통계 과정 중 하나입니다. 시리즈와 강사에 대한 매우 긍정적 인 리뷰. 코딩이 없습니다. 8 건의 평점 4.04 성급의 가중 평균 평점입니다.
  • 추론 통계 (암스테르담 / 쿠 세라 대학) : 암스테르담 대학교 (University of Amsterdam)의 방법론과 사회 과학 전문 통계의 두 가지 통계 과정 중 하나입니다. 시리즈와 강사에 대한 매우 긍정적 인 리뷰. 코딩이 없습니다. 4 개의 평가를받은 가중 평균 평점은 3 개입니다.
암스테르담 대학교의 사회 과학 전공 방법 및 통계에는 기본 통계 및 추정 통계가 포함됩니다.
  • PH525.1x : 통계 및 R (Harvard University / edX) : edX에 대한 7 코스 시리즈의 일부입니다. 생명 과학에 중점을 둡니다. R 프로그래밍을 사용하지만 리뷰에 따르면 UT Austin의 시리즈가 더 좋습니다. 26 개의 리뷰에 기초한 3.96 성급의 가중 평균 평점입니다.
  • PH525.3x : 처리량이 많은 실험을위한 통계적 추론 및 모델링 (Harvard University / edX) : edX에 대한 7 코스 시리즈의 일부입니다. 생명 과학에 중점을 둡니다. R 프로그래밍을 사용하지만 리뷰에 따르면 UT Austin의 시리즈가 더 좋습니다. 4 개의 별 평균 가중 평균 평점은 4.63입니다.
  • 통계 소개 (Udacity) : 이것은 Udacity의 가장 빠른 과정 중 하나이며 대학 교육자가 기억에 남는이 검토에서 설명한 바와 같이 단점이 있습니다. 코딩이 없습니다. 41 개의 후기 평점 3.93 개의 별 평균 평점을 보유하고 있습니다.
  • 수학적 생물 통계학 부트 캠프 1 (Johns Hopkins University / Coursera) : 2 코스 시리즈의 일부. 생물 통계학에 중점을 둡니다. 23 개의 후기를 통한 3.13 개의 별 평균 가중 등급입니다.
  • 수학적 생물 통계 부트 캠프 2 (Johns Hopkins University / Coursera) : 2 코스 시리즈의 일부. 생물 통계학에 중점을 둡니다. 3 개의 별 평균 가중 평균 평점은 3 개입니다.
  • KIexploRx : R로 통계 탐색 (Karolinska Institutet / edX) : 통계 과정보다 데이터 탐색 과정이 더 많습니다. 코딩을 사용합니다. 22 개의 후기를 기준으로 한 3.77 개의 별 평균 가중 등급입니다.
  • 통계적 추론 (Johns Hopkins University / Coursera) : JHU의 데이터 과학 전문 분야의 두 가지 통계 과정 중 하나입니다. 나쁜 리뷰. 이 호텔은 29 개 리뷰에서 2.9 성급의 가중 평균 등급을 받았습니다.
  • 회귀 모델 (Johns Hopkins University / Coursera) : JHU의 데이터 과학 전문 분야의 두 가지 통계 과정 중 하나입니다. 나쁜 리뷰. 30 개가 넘는 2.27 개의 별 평균 가중 평균 등급을 받았습니다.
  • DS101X : 데이터 과학 및 분석에 대한 통계적 사고 (Columbia University / edX) : 데이터 과학의 Microsoft 전문 프로그램 인증서의 일부. 짧은 강의 계획서. 나쁜 리뷰. 24 개의 리뷰에 걸쳐 2.77 개의 별 평균 가중 평균 등급을 받았습니다.
  • 임상 연구 이해 : 통계 뒤 (케이프 타운 대학 / 코스 세라) :“이 과정은 포괄적 인 통계 과정은 아니지만 의학 연구 및 일반적으로 사용되는 통계 분석 분야에 실용적인 방향을 제시합니다.”건강 관리에 중점을 둡니다. 15 개의 평가를받은 5 성급 가중 평균 평점입니다.
  • MED101x : 응용 생물 통계학 소개 : 의료 연구 통계 (오사카 대학교 / edX) : 생물 통계학에 중점을 둡니다. 코딩을 사용합니다. 3 개의 리뷰에 기반한 4.5 성급 가중 평균 평점입니다.
  • 확률과 통계 (Stanford University / Stanford OpenEdx) : 커리큘럼이 훌륭해 보입니다. 하나의 리뷰는 정말 긍정적입니다. 코딩이 없습니다. 1 개의 리뷰에 4.5 개의 가중 평균 평점이 있습니다.
스탠포드의 확률 및 통계 과정은 훌륭해 보이지만 리뷰는 없습니다.
  • 비즈니스에 대한 추론 적 및 예측 적 통계 (어 바나-샴페인 / 쿠 세라 일리노이 대학교) : 7 코스 경영 경제 및 비즈니스 분석 전문화 과정의 일부. Excel을 사용합니다. 1 개의 평가에 대한 5 성급의 가중 평균 평점을 받았습니다.
  • 비즈니스 의사 결정을위한 데이터 탐색 및 생성 (어 바나-샴페인 / 쿠 세라 일리노이 대학교) : 7 코스 경영 경제 및 비즈니스 분석 전문 분야의 일부. Excel을 사용합니다. 1 개의 평가에 대한 5 성급의 가중 평균 평점을 받았습니다.
  • 확률, 통계 및 임의 과정 소개 (매사추세츠 대학교 애 머스트 / 독립) : 전체 과정에서 비디오를 볼 수는 없습니다. 2 개의 평가를받은 2.5 성급의 가중 평균 평점입니다.
  • 005x : 유전자 매핑을위한 통계적 방법 소개 (Kyoto University / edX) : 유전학에 중점을 둡니다. 사전 통계와 R 지식이 필요합니다. 1 개의 후기에 2.5 점의 가중 평균 평점을 받았습니다.
  • 게놈 데이터 과학 통계 (Johns Hopkins University / Coursera) : Genomic focus. 좋은 입문 코스는 아닙니다 :“이 분야에 관심이있는 사람을위한 공정한 수업으로 R 프로그래밍에 대한 적절한 배경 지식을 가지고 있습니다.”2 개 이상의 가중 평균 평점을 받았습니다.

다음 코스는 2016 년 11 월 현재 리뷰가 없습니다.

  • Python에서의 통계적 사고 (1 부) 및 Python에서의 통계적 사고 (2 부) (DataCamp) : 코딩 및 Python을 구체적으로 사용하여 해당 언어를 사용하는 몇 가지 가치있는 과정 또는 시리즈 중 하나가됩니다. 7 시간 분량의 비디오와 120 회 이상의 운동. DataCamp는 널리 사용되는 옵션입니다.
  • R (DataCamp)을 사용한 통계 실습 소개 : 코딩을 사용합니다. 26 시간의 비디오 및 150 회 이상의 운동. 다시 말하지만, DataCamp는 널리 사용되는 옵션입니다.
  • R을 사용한 통계 컴퓨팅-부드러운 소개 (University College London / Independent) : 코딩을 사용합니다.
  • 확률 및 통계 (Carnegie Mellon) : R. 주로 텍스트 기반 명령을 사용합니다. 대학 통계 과정의 한 학기와 동등하게 설계되었습니다.
  • 확률 및 통계 소개 (Massachusetts Institute of Technology / MIT OCW) : 전통적인 강의 형식 (비디오 녹화).
  • 공학 통계 분석의 기초 (오클라호마 대학교 / 자 녹스) : 공학 중심.
  • 초등 비즈니스 통계 (오클라호마 대학교 / 자 녹스) : 비즈니스 포커스.
  • STAT101x : 빅 데이터 응용을위한 생물 통계학 (University of Texas Medical Branch / edX) : 생물 통계학에 중점을 둡니다.
  • 416.1x : 확률 : 기본 개념 및 이산 랜덤 변수 (Purdue University / edX) : 2- 코스 시리즈의 일부.
  • 416.2x : 확률 : 분포 모형 및 연속 랜덤 변수 (Purdue University / edX) : 2- 코스 시리즈의 일부.
  • 비즈니스 통계 및 분석 전문화 (Rice University / Coursera) : Excel을 사용합니다.
  • 통계 110 : 확률 (Harvard University) : 전통적인 강의 형식 (비디오 녹화). Quora에서 권장되는 경우가 많습니다.
  • 통계 (데이터 퀘스트) : 약 12 ​​시간 분량의 멀티 코스 시리즈. 가입이 필요합니다. Python에서 예제를 코딩하는 데 중점을 둔 통계를 가르치는 두 코스 / 시리즈 중 하나입니다. Dataquest의 메모 : "통계 코스는 11 월 말경에 출시 될 예정이므로 현재 완전히 재 작성되고 있습니다."

그것을 마무리

데이터 과학 분야에 진출하기위한 최고의 MOOC를 다루는 6 피스 시리즈 중 두 번째 시리즈입니다. 첫 번째 기사에서 프로그래밍에 대해 다루었 고 시리즈의 나머지 부분에서는 데이터 과학 프로세스, 데이터 시각화 및 기계 학습과 같은 다른 여러 데이터 과학 핵심 역량을 다룰 것입니다.

마지막 부분은 이러한 과정에 대한 요약과 데이터 정리, 데이터베이스 및 소프트웨어 엔지니어링과 같은 다른 주요 주제에 대한 최고의 MOOC입니다.

Data Science MOOC의 전체 목록을 찾고 있다면 Class Central의 데이터 과학 및 빅 데이터 주제 페이지에서 찾을 수 있습니다.

이 글을 읽는 것을 즐겼다면 Class Central의 다른 부분을 확인하십시오.

내가 놓친 과정에 대한 제안 사항이 있으면 답변에 알려주십시오!

도움이 되었으면 을 클릭하여 더 많은 사람들이 여기 매체에서 볼 수 있도록합니다.

이 강좌는 Class Central에 게시 된 원본 기사의 요약 버전으로, 코스 설명, 음절 및 여러 리뷰가 포함되어 있습니다.