之前有给⼤家推荐过如何从⼩⽩称为专业数据分析师的⼀份完整书单（没看过的可以⾃取）。
但是对于很多懒癌晚期的⼩伙伴来说，并不满⾜于此啊，光看书怎么⾏。事实上并不是看书不好，⽽是很多⼩朋友看不进去啊。所以今天给⼤家整理了⼀份Coursera上数据科学的课程，深⼊浅出的，⽽且全部免费。
福原爱挺孕肚领奖你会因为这些课程给你开阔的视野和深刻的认知⽽相见恨晚。
⼀、⼤数据认知
Introduction to Big Data
加州⼤学
可以说是⼩⽩认识⼤数据最好的⼀门课了，当然前提是你有兴趣了解什么是⼤数据？⼤数据时代为什么会到来？该课程会为你系统地阐述⼤数据的核⼼概念和时代意义。并且给你提供这样⼀种思维：如何在你的当下的⼯作和未来的规划中使⽤⼤数据，如何利⽤数据分析让⼯作变得⾼效和更有意义。
Data Scientist’s Toolbox
约翰霍普⾦斯⼤学
经典的基础课程，当然同样适合⼩⽩玩家。该课程概述了数据分析和数据科学家的“⼯具箱”⾥所⽤到的基本⼯具、需要处理的数据和要解决的问题。本课程有两个组成部分。第⼀个是将数据转化为可操作的知识的概念介绍。⼆是⼯具，将程序中使⽤类似的版本控制和程序语⾔⽅⾯的知识如：Git，GitHub，R，和 RStudio。
⼆、编程语⾔
An Introduction to Interactive Programming in Python (Part 1)
莱斯⼤学
这个课程的⽬的是帮助没有计算机背景或者专业基础薄弱的学⽣建⽴简单的交互应⽤，当然也是python的⼊门课程。python本⾝是⼀门⽐较简单的语⾔，当然这个课程也让学习变得更加简单⽽富有乐趣。认真学完该课程⼀般来说写⼀些简单的交互程序没有多⼤的问题，但是要深⼊还要继续学习，推荐⼀个⾃学Python的⽹站codecademy。
张殿伦⽤ Python 玩转数据
南京⼤学
在coursera上看到国内⾼校的课总有种亲切感。课程主要⾯向⾮计算机专业学⽣，从Python基本语法开始，到Python中如何从本地和⽹络上进⾏数据获取，如何表⽰数据，再到如何对数据进⾏基础和⾼级的统计分析及可视化，到最后如何设计⼀个简单的GUI界⾯来表⽰和处理数据，层层推进。
R Programing
约翰霍普⾦斯⼤学
同样是适合⼩⽩⼊门的R课程，约翰霍普⾦斯⼤学可谓是coursera上的⾼产院校。你能学习到最基本的编程环境配置，编程语⾔的概念，还包括在统计计算中R的实际应⽤问题。其中包括在R编程，读取数据到R，访问R包，写R的功能，调试，分析R代码，组织和注释R代码等。在统计数据分析实践中还提供了实际⼯作的例⼦，提升你解决问题的能⼒。
三、数据分析
数据驱动型公司的业务指标
杜克⼤学
潘阳多高这将是使⽤数据分析使公司更好的盈利且更具竞争⼒的最佳实践。 如何识别最关键的业务指标，并将
其与单纯的数据区分开来，这就是业务数据分析师通畅会扮演的重要⾓⾊。 通过这个课程你会了解像数据挖掘⼯程师这样⾼需求的职位被聘请所需要的技能。正如像Amazon、Uber、Airbnb等企业正在通过创造性地利⽤⼤数据颠覆整个⾏业，为何这些公司如此具有破坏性？他们如何使⽤数据分析⽅法超越传统公司的？你都可以在这⾥到答案。
数据分析⼯具
卫斯理安⼤学
在这个课程中，你可以开发和测试有关数据的假设。还可以学习各种统计测试，以及如何应⽤适当的统计模型到特定的数据和问题中的策略。课程中会⽤到两个强⼤的统计软件包的选择（SAS或Python），涉及到⽅差分析、卡⽅检验、⽪尔森相关性分析。简⽽⾔之就是指导你通过基本的统计原则，结合相关的⼯具来解决实际的问题。
Mastering Data Analysis in Excel
杜克⼤学
学习如何去解决实际中的问题时学习Excel的⼀个⾮常好的⽅式。课程中在Excel中使⽤特定的⼯具来建⽴⼀些有⽤的东西，你可以学会更多你平时没有⽤到但确实有效的Excel功能。通过特有的的数据去
分析产品，这当然需要你理解和使⽤⽐较先进的信息理论⽅法–贝叶斯逻辑数据分析在商业实践中的应⽤。当然学习这门课程并不需要任何微积分和矩阵代数，或任何知识或R或MATLAB软件编程等知识。
使⽤机器学习进⾏数据分析
卫斯理安⼤学
哈哈，这门课程时帮助你预测未来的。严格地说，是通过⼤量的数据和科学的分析⽅法来对未来的可能性进⾏预测。机器学习是开发、测试和应⽤预测算法来实现这⼀⽬标的过程。这门课程介绍了整体监督机器学习的概念、技术和算法。在机器学习中，从基本分类到决策树和聚类，你可以学会如何应⽤机器学习算法作为解决你的研究问题的替代⽅法。
商业智能的概念、⼯具与应⽤
科罗拉多⼤学
本课程概述了商业智能技术是如何⽀持在不同商业领域的决策制定，这些技术已经在公司战略、绩效管理和竞争意识等⽅⾯产⽣了巨⼤的影响，包括了⼴泛采⽤的决策⽀持系统、商业智能系统和可视化分析技术。通过本课程，你能学习到作为⼀个BI⼯程师应该具备的知识和技能，例如使⽤数据仓库实
现商业智能的⽬标，你将有机会在数据仓库环境下使⽤⼤规模数据，还会⽤MicroStrategy的在线分析(OLAP)和数据可视化功能来创建可视化的管理⾯板。
四、数据可视化
使⽤ Tableau 展⽰可视化数据
杜克⼤学
要让绝⼤部分不懂技术的⼈看懂数据分析结果，进⾏有效的沟通，数据可视化的重要程度不容忽视。Tableau作为时下最流⾏的商业可视化⼯具，让你可以更加简单⽽⾼效地展⽰数据和数据分析结果。最在这门课程中，你将练习设计和令⼈信服地显展⽰“业务数据的故事”，利⽤这些可视化技术：测试⽅法和设计原则，你可以获得更⾼效的沟通和展⽰⽅式。
数据可视化
伊利诺伊⼤学⾹槟分校
在这⼀课程中，你可以系统地了解数据可视化的基本知识。同时，学到数据挖掘的基本概念及其基础的⽅法和应⽤，然后深⼊到数据挖掘的⼦领域——模式发现中，深⼊学习模式发现的概念、⽅法，及
应⽤。这⼀课程将给你提供学习技能和实践的机会，将可扩展的模式发现⽅法应⽤在在⼤体量交易数据上，讨论模式评估指标，以及学习⽤于挖掘各类不同数据的模式：序列模式，以及⼦图模式等⽅法。
五、机器学习
machine learning
斯坦福⼤学
90后看的电影这⼏乎是coursera上最为经典的课程之⼀了，来⾃coursera的开创者吴恩达。课程⼴泛介绍了机器学习、数据挖掘和统计模式识别。相关主题包括：(i) 监督式学习（参数和⾮参数算法、⽀持向量机、核函数和神经⽹络）。(ii) ⽆监督学习（集、降维、推荐系统和深度学习）。(iii) 机器学习实例（偏见/⽅差理论；机器学习和AI领域的创新）。课程将引⽤很多案例和应⽤，例如智能机器⼈（感知和控制）、⽂本理解（⽹络搜索和垃圾邮件过滤）、计算机视觉、医学信息学、⾳频、数据库挖掘等领域。
业主委员会章程Applied Machine Learning in Python
密歇根⼤学
机器学习应该更多地专注于技术和⽅法，⽽不是这些⽅法背后的统计。这门课程介绍了机器学习和描述统计的区别，并介绍了scikit学习⼯具包。数据的维度的问题、聚类数据的任务，以及评估这些集的问题将被解决。监督的⽅法建⽴预测模型来描述，学习者将能够适⽤于scikit学习预测建模⽅法在认识过程中的问题数据概化关系（如交叉验证，拟合）。当然，满⾜这⼀系列的要求，在课程中都会⽤python的代码来实现。
推荐系统导论
明尼苏达⼤学
推荐系统已经改变了⼈们到产品，信息，甚⾄其他⼈的⽅式。该课程全⾯深⼊地阐述了推荐系统及其应⽤，⽐如常⽤的推荐算法，包括基于内容的过滤，⽤户协同过滤，项⽬协同过滤，降维，互动评论推荐等等。有⼀些实际的动⼿项⽬，其中每⼀个将涉及实施和评估的⼀些类型的推荐。除了专题讲座外，课程中还有来⾃学术界和⼯业界的专家访谈和嘉宾讲座。
实⽤预测分析：模型与⽅法
华盛顿⼤学
这门课程将帮助你内在的核⼼集实⽤和有效的机器学习⽅法和概念，并将它们应⽤于解决现实世界的
问题。能够设计有效的实验，并分析结果；使⽤重采样⽅法，让统计参数变得更加清晰；在复杂问题中应⽤核⼼的分类⽅法（随机森林），以及相关的优化⽅法（梯度下降）；应⽤⽆监督学习的⽅法；描述⼤规模图表分析中的⽇常⽤语，通过结构化查询，遍历和递归查询，PageRank等等。
Regression Models
约翰霍普⾦斯⼤学
回归模型，线性模型的⼀个⼦集，是⼀个数据科学家的⼯具包中最重要的统计分析⼯具。这门课程涵盖了回归分析，最⼩⼆乘法和使⽤回归模型推理。特殊情况下的回归模型，⽅差分析和协⽅差分析将会获得更好的结果，残差和变率分析在课程中得以研究。课程将涵盖⽤现代思维进⾏模型选择，和散点平滑回归模型的新⽤途的思考。
Neural Networks for Machine Learning
多伦多⼤学
机器学习⼤神Hinton亲⾃授课，这⼀点就⾜以让该课程成为经典。学习这门课程你将会了解⼈⼯神经⽹络，以及它们是如何被⽤于机器学习，适⽤于语⾳和物体识别，图像分割，建模语⾔和⼈类的运动等，课程中强调的基本算法和实际的技巧，让它们在现实的场景中很好的⼯作。
以上的课程⼤概是Coursera上⾯关于数据科学⽐较好的课程了，⾜够建⽴⼀个基本的数据科学体系。好的资源常有，如何利⽤这些资源，才是更重要的事情。
以上的课程都是可以免费听的，但是不能提交作业和获取证书，如果需要，是必须另外付费的。
还有的⼩伙伴看到现在的Coursera都在⼤肆推⼴专项课程，⽽专项课程都是要付费的，官⽅在专项课程⾥完全隐藏了免费听课的⼊⼝。
当然，你还是可以免费获取专项课程⾥每⼀门课程，在列表中到每⼀门课程，然后分别搜索，就可以啦。
⽐如我们在⼀个专项课程中看到有如下课程，都是要收费的，⽽且很贵。
情人节送什么礼物给情人然后我们在Coursera的搜索引擎中搜索我们想要上的课，以《数据科学家的⼯具箱为例》，会出现以下结果：
到该课程的⾮专项课程，例⼦中 就在搜索结果的第⼀个，点击进⼊该课程页⾯：
发布评论