本文作者为某高校工科专业学生，从零基础起步，通过下文先容的的网站一步步自学 Python、SQL 以及机械学习的种种方法，乐成入门数据科学。希望先容的有关数据科学的网站，可以资助对此方面有兴趣的读者快速入门数据科学，从容应对这波数据浪潮。No.1为什么要学习数据科学在今天，只要你身处互联网，就一定能频繁听到大数据、机械学习、人工智能等字眼。

数据科学已经深入工业界，银行、保险、零售行业等都在使用机械学习方法为自己的商业运作赋能，机械学习等数据科学方法取代人的新闻也层出不穷，纵然我们应该保持岑寂、克制焦虑，但科技的大趋势我们也不能视而不见。从职业生长来说，学习数据科学或许可以让你在以后的生长中占得先机，在这波科技浪潮中取得优势；从小我私家角度来说，未来数据分析是必不行少的，未来明确如何使用数据可能就和今天明确如何使用电脑一样稀松平常，掌握数据分析的一些技术或许可以让你生活地更有效率。No.2为什么用MOOC只管数据科学炒的火热，想要入门一门学科绝非一件容易事。纵使有些网站有着系统的培训班，动辄 1000 大洋以上的报班费真的伤不起；而对着网上的免费资料自学，从种种民众号免费获取到 10 个 G 的资料，但大多资料缭乱且没有体系，永远都是放在硬盘里「吃灰」；对着种种工具书学，虽然系统但难免观点的堆砌，有时候看完所有基础操作也做不完一个完整的项目。

对于学习数据科学这类需要实际操作的学科，learning by doing不乏是一个好的学习方式，即在学完了一个方法后要立马实际操作并感受，哪怕不报错地完成一个最简朴的项目也会有极大地自信心。网站和 MOOC 类学习作为学习数据科学最好的方式，有途径易上手又可以随时随地的学习。在看完或者阅读完教程后，这些课程也会留有相对的作业，通过一个一个章节的学习，会不停牢固基础，也完成一个一个的项目。

No.3入门数据科学网站推荐下面这些 MOOC 类网站都是英文网站，按推荐顺序排序。相比之下，此类英文网站更优于海内网站，质量高又性价比力高。

另外，课程的英文难度也都不会太高，许多都配有字幕，有些网站甚至有中文翻译。使用英文网站学习，一方面可以学到质量更高的课程，另一方面还能潜移默化地磨炼英语。

http://DataCamp.comDataCamp 是一个互动性的 MOOC 网站，视频类的解说偏少，更多的是文字直接指导你进入实战项目。同时 DataCamp 也是我最推荐的数据科学入门网站，从 Python 与 R 的基础解说到数据处置惩罚流程，从机械学习到深度学习，它都有涉及。

如果没有时间实验差别的 MOOC，认真刷完它的一个 Career Track 就够用了。DataCampDataCamp 有以下三个特点：直接开始上手做：不像通常的 MOOC 是视频解说后课下留作业，DataCamp 确实做到了让你在做的历程中学习，如下图：左边是指导性文字，右边是你需要填写的 code。这样做可以说把 learning by doing 做到了极致。

DataCamp 学习界面不用在自己电脑上安装 Python或 R的情况：网站上有云端的运行情况，写完代码后直接提交就可以看到效果了，可以说很是省心省力。作为履历了小白阶段的我，可以说很是明白装情况的痛苦。代码还没写一行，装情况就费了半天劲。有例如 Anaconda 的集成包顺利安装完还好说，要是出了什么问题网上一搜全是用下令行，许多写的又不详细，完全不知道每个下令是干嘛的，还没入门就已经放弃。

但在这个网站学习完全不用担忧这些事，先学习代码如何写，完整地写一个项目入门，那些装情况的琐碎事情等到深入相识了再做也不迟。帮你预先摆设好了课程列表：网站将一个个课程打包为 Skill Tracks 和 Career Tracks ，如下图。岂论你是想学 Python 还是 R，想成为数据分析员还是数据科学家，只用找到相应的 Track 点进去随着学就好了，不用再纠结下一步学什么技术。固然，这些列表是灵活的，你完全可以跳过某个 Track 的一些课程。

DataCamp 的 Career Track 界面同时，DataCamp 还提供了一些语言（如 Python）、工具（如 Jupyter Notebook）以及种种包（如 NumPy、Pandas、Matplotlib）的 cheatsheet（小抄） ，简练而雅观。价钱：一些课程免费，解锁全部课程 $25 / 月。Coursera | Machine Learning Specialization- University of WashingtonMachine Learning Specialization - University of Washington 是入门机械学习的优质课程，由华盛顿大学两位教授主讲。此课程是一个系列，原本总共有 6 个 course，划分解说机械学习基础（Machine Learning Foundations）、回归（Regression）、分类（Classification）、聚类（Clustering）、矩阵剖析（Matrix Factorization）、深度学习（Deep Learning）。

每个 Course 约莫 6 个章节，每个章节学习时间约莫 3 小时。Machine Learning Specialization此课程最有特色的地方，是用第一个 Course：Machine Learning Foundations 统领接下来 5 个 Course，每个章节对应着接下来 5 个 Course，用最简朴的案例和现成的工具，使用上述的 5 种机械学习方法划分完成 5 个项目。也就是说，在第一课里你就完整地使用机械学习解决了一个个现实的问题，然后再在接下来的 5 个课中深入学习每一个机械学习的方法。

我对这种自顶向下的学习方式的方式完全赞同，因为一开始我就宏观相识了该用什么方法解决什么问题，而不是学了一堆下令却不知道解决问题的流程；而且经由第一个 Course 的学习，会有极大地成就感，因为每次都乐成完成了一个项目，接下来会更想相识这个现成工具是怎么制作的，也就更想深入剖析机械学习的种种方法。Course 的每周内容可是为什么说是原本有 6 个 Course 呢，因为现在这个系列只有 4 个 Course 了…… 教授老爷子课程开发到一半跳票了，听说是因为他开发的 Trui 软件包被苹果收购以后忙得没时间开发完课程了。

不外别担忧，纵然只有前四个课程，回归、分类和聚类依旧是机械学习的重头，学完四个课程会掌握绝大部门的机械学习技术。如果时间有限想快速入门，建议学习第一个课程，同样会比力全面地相识机械学习的种种方法，同时也能使用软件包解决一定的问题。对比台甫鼎鼎的吴恩达的机械学习课程，这个机械学习可能更适合小白，同时课程内使用 Python 这一对新手越发友好的语言，而吴恩达的课程用的是 MATLAB，所以华盛顿大学的课程更适合入门机械学习。依托于 Coursera 这一大平台，课程每个视频都配有英文文稿，部门视频有中文字幕，相信学习起来更易上手。

价钱：免费旁听（选择课程时点 Audit），上完课后拿证书要付费。Udemy | Complete Python BootcampComplete Python Bootcamp: Go from zero to hero in Python 3 是入门 Python 比力推荐的课程，导师解说很细致，边编程边讲，从 Python 最基础的数据结构、到函数和方法，再到模块和类，内容摆设很合理，且每章都有作业可以检测自己的学习。不外此课程是关于 Python 语言的课程，将 Python 作为开发语言完全解说，实际上应用到数据科学的 Python，只用上到此课程的 Module & Package 就足够了，剩下的有兴趣也可以继续学习，但在数据科学中可能应用不大。

价钱：RMB 100 元左右。课程内的视频Khan Academy （可汗学院）khanacademy 同 DataCamp 一样，代码可以直接在这个网站上运行，无需当地安装情况。上课历程中互动性也很强，同时运用积分制让你每完成一个项目都市有成就感。

虽然可汗学院对于数据科学的课程较少，但其自己有着很是全面的课程，从盘算机科学到人文社科都有。在盘算机科学的门类中也有不少基础课，课程也比力通俗易懂，适合温习基础或拓展知识面。

价钱：完全免费。课程内学习历程：左边是代码，右边是效果No.4更多的学习网站上述四个网站是本文作者亲身体验过并使其乐成入门数据科学的网站。

对于零基础入门数据科学，另有更多优秀的学习网站，在此为读者们枚举，作为学习的参考。DataquestDataquest 是以文字教程为主的网站，也是边看边学，与 DataCamp 很相似，有兴趣的朋侪可以探索一下。价钱：$29 / 每月。

Dataquest 主页Udacity （优达学城）Udacity 内所有的课程都是和 IT 有关的，更 Geek 一点，不像 edX 或者 Coursera 另有人文社科类的课程。Udacity 优点是课程有体系化，有针对某个职位的专项课程，对职业生长比力友好；但价钱真的未便宜，一般一个纳米学位都要上千大洋。网站内也有免费的课程，同时大多数课程都有中文版。

价钱：课程用度不等，都在几千左右。Udacity 主页edXedX 由麻省理工学院和哈佛大学配合建立，与 Coursera、Udacity 并称为 MOOC 三巨头。

其实光看 edX 开课的大学列表就挺震撼的了，可以说足不出户也可以享受顶级大学的课程。关于数据科学，凭据网上的评价推荐下面的课程系列：Data Science - Harvard University哈佛大学推出的数据科学系列课程 Data Science - Harvard University，共包罗 9 个课程，主要使用的是 R 语言。

顺便提一下，哈佛大学才新增了 Data Science 的硕士学位，2018 年秋季是第一批学生入学，从侧面也可见数据科学的生长。Harvard's Data Science CertificateMicrosoft Professional Program in Data Science微软推出的数据科学课程 Microsoft Professional Program in Data Science，课程内容比力全面，有 Python 和 R 语言两条支线，可以任选一条完成课程，固然也可以都掌握。同时也将 Excel 以及自家云平台 Azure 融合进课程，用微软系的朋侪可以更多关注一下。

Microsoft Data Science Program价钱：edX 所有课程都是免费的，不外上完课程要获取证书需要付费。CourseraApplied Data Science with Python Specialization密歇根大学的系列课程 Applied Data Science with Python Specialization，听说对新手比力友好，共 5 个 Course，从基础到机械学习以及深度学习都有先容，比力全面。密歇根大学的数据科学课程Machine Learning - Stanford University这门课程 由台甫鼎鼎的斯坦福教授吴恩达主讲，许多人就是冲着这个名号去学习这门课程的。

此课程很全面的解说了机械学习的各个部门，也会有许多案例应用。可是课程全程用的是 Matlab，并不是用现在数据科学最主流的 Python 和 R，从这方面来讲对新手来说可能不是很友好，建议有了一定机械学习基础后再用这门课补课。台甫鼎鼎的斯坦福机械学习课程Deep Learning Specialization同样是吴恩达领衔的深度学习课程 Deep Learning Specialization，共有 5 个 Course，包罗神经网络和卷积神经网络。在 Coursera 上的深度学习课程价钱：所有课程均可免费旁听（点 Audit），获取证书需付费。

http://Brilliant.orghttp://Brilliant.org 网站制作良好，多是数学与科学的主体。网站试图以最简朴的方法出转达科学知识，绝对是不行多得的好网站。

同时也有人工智能与机械学习的主体，但应该更偏重理论，有兴趣的朋侪可以相识一下。同时这个网站另有同名 app：Brilliant。Birlliant 主打课程，多与数学及物理相关价钱：基础课程免费，其他需要付费No.5结语以上是作者用来入门数据科学的网站以及在学习历程中搜集到的感兴趣的网站，分享出来供想要入门的朋侪参考。

数据分析是一个趋势，且不说忽视它会不会被淘汰，但掌握它绝不是一件坏事，究竟技多不压身。在入门数据科学时，看书或许有点沉闷，上线下的培训课或许又太花时间，而这些 MOOC 课程既让你可以自由摆设时间学习，也更好地发挥了多媒体的优势，让你 Learning by doing。

你只需要静下心来沉醉于英语的情况，并加上一点耐心，挑出自己喜欢的课程系列并连续学下去，相信你会在未来拥有更高的起点。作者：陈宇浩本文转载自：少数派原文链接：https://sspai.com/post/53908配图泉源于网络，如有侵权，请联系删除。

本文来源：太阳城集团tyc7111cc-www.sz-xhyjx.com