Coursera上有哪些相見恨晚的數(shù)據(jù)課程
Introduction to Big Data
加州大學(xué)
https://www.coursera.org/learn/big-data-introduction
可以說是小白認(rèn)識大數(shù)據(jù)最好的一門課了，當(dāng)然前提是你有興趣了解什么是大數(shù)據(jù)？大數(shù)據(jù)時代為什么會到來？該課程會為你系統(tǒng)地闡述大數(shù)據(jù)的核心概念和時代意義。并且給你提供這樣一種思維：如何在你的當(dāng)下的工作和未來的規(guī)劃中使用大數(shù)據(jù)，如何利用數(shù)據(jù)分析讓工作變得高效和更有意義。
Data Scientist's Toolbox
約翰霍普金斯大學(xué)
https://www.coursera.org/learn/data-scientists-tools
經(jīng)典的基礎(chǔ)課程，當(dāng)然同樣適合小白玩家。該課程概述了數(shù)據(jù)分析和數(shù)據(jù)科學(xué)家的“工具箱”里所用到的基本工具、需要處理的數(shù)據(jù)和要解決的問題。本課程有兩個組成部分。第一個是將數(shù)據(jù)轉(zhuǎn)化為可操作的知識的概念介紹。二是工具，將程序中使用類似的版本控制和程序語言方面的知識如：Git，GitHub，R，和 RStudio。
An Introduction to Interactive Programming in Python (Part 1)
萊斯大學(xué)
https://www.coursera.org/learn/interactive-python-1
這個課程的目的是幫助沒有計算機(jī)背景或者專業(yè)基礎(chǔ)薄弱的學(xué)生建立簡單的交互應(yīng)用，當(dāng)然也是python的入門課程。python本身是一門比較簡單的語言，當(dāng)然這個課程也讓學(xué)習(xí)變得更加簡單而富有樂趣。認(rèn)真學(xué)完該課程一般來說寫一些簡單的交互程序沒有多大的問題，但是要深入還要繼續(xù)學(xué)習(xí)，推薦一個自學(xué)Python的網(wǎng)站codecademy.com。
用 Python 玩轉(zhuǎn)數(shù)據(jù)
南京大學(xué)
https://www.coursera.org/learn/hipython
在coursera上看到國內(nèi)高校的課總有種親切感。課程主要面向非計算機(jī)專業(yè)學(xué)生，從Python基本語法開始，到Python中如何從本地和網(wǎng)絡(luò)上進(jìn)行數(shù)據(jù)獲取，如何表示數(shù)據(jù)，再到如何對數(shù)據(jù)進(jìn)行基礎(chǔ)和高級的統(tǒng)計分析及可視化，到最后如何設(shè)計一個簡單的GUI界面來表示和處理數(shù)據(jù)，層層推進(jìn)。
R Programing
約翰霍普金斯大學(xué)
https://www.coursera.org/learn/r-programming
同樣是適合小白入門的R課程，約翰霍普金斯大學(xué)可謂是coursera上的高產(chǎn)院校。你能學(xué)習(xí)到最基本的編程環(huán)境配置，編程語言的概念，還包括在統(tǒng)計計算中R的實際應(yīng)用問題。其中包括在R編程，讀取數(shù)據(jù)到R，訪問R包，寫R的功能，調(diào)試，分析R代碼，組織和注釋R代碼等。在統(tǒng)計數(shù)據(jù)分析實踐中還提供了實際工作的例子，提升你解決問題的能力。
數(shù)據(jù)驅(qū)動型公司的業(yè)務(wù)指標(biāo)
杜克大學(xué)
https://www.coursera.org/learn/analytics-business-metrics
這將是使用數(shù)據(jù)分析使公司更好的盈利且更具競爭力的最佳實踐。 如何識別最關(guān)鍵的業(yè)務(wù)指標(biāo)，并將其與單純的數(shù)據(jù)區(qū)分開來，這就是業(yè)務(wù)數(shù)據(jù)分析師通暢會扮演的重要角色。 通過這個課程你會了解像數(shù)據(jù)挖掘工程師這樣高需求的職位被聘請所需要的技能。正如像Amazon、Uber、Airbnb等企業(yè)正在通過創(chuàng)造性地利用大數(shù)據(jù)顛覆整個行業(yè)，為何這些公司如此具有破壞性？他們?nèi)绾问褂脭?shù)據(jù)分析方法超越傳統(tǒng)公司的？你都可以在這里找到答案。
數(shù)據(jù)分析工具
衛(wèi)斯理安大學(xué)
https://www.coursera.org/learn/data-analysis-tools
在這個課程中，你可以開發(fā)和測試有關(guān)數(shù)據(jù)的假設(shè)。還可以學(xué)習(xí)各種統(tǒng)計測試，以及如何應(yīng)用適當(dāng)?shù)慕y(tǒng)計模型到特定的數(shù)據(jù)和問題中的策略。課程中會用到兩個強(qiáng)大的統(tǒng)計軟件包的選擇（SAS或Python），涉及到方差分析、卡方檢驗、皮爾森相關(guān)性分析。簡而言之就是指導(dǎo)你通過基本的統(tǒng)計原則，結(jié)合相關(guān)的工具來解決實際的問題。
Mastering Data Analysis in Excel ? ?
杜克大學(xué)
https://www.coursera.org/learn/analytics-excel/
學(xué)習(xí)如何去解決實際中的問題時學(xué)習(xí)Excel的一個非常好的方式。課程中在Excel中使用特定的工具來建立一些有用的東西，你可以學(xué)會更多你平時沒有用到但確實有效的Excel功能。通過特有的的數(shù)據(jù)去分析產(chǎn)品，這當(dāng)然需要你理解和使用比較先進(jìn)的信息理論方法–貝葉斯邏輯數(shù)據(jù)分析在商業(yè)實踐中的應(yīng)用。當(dāng)然學(xué)習(xí)這門課程并不需要任何微積分和矩陣代數(shù)，或任何知識或R或MATLAB軟件編程等知識。
使用機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)分析
衛(wèi)斯理安大學(xué)
https://www.coursera.org/learn/machine-learning-data-analysis
哈哈，這門課程時幫助你預(yù)測未來的。嚴(yán)格地說，是通過大量的數(shù)據(jù)和科學(xué)的分析方法來對未來的可能性進(jìn)行預(yù)測。機(jī)器學(xué)習(xí)是開發(fā)、測試和應(yīng)用預(yù)測算法來實現(xiàn)這一目標(biāo)的過程。這門課程介紹了整體監(jiān)督機(jī)器學(xué)習(xí)的概念、技術(shù)和算法。在機(jī)器學(xué)習(xí)中，從基本分類到?jīng)Q策樹和聚類，你可以學(xué)會如何應(yīng)用機(jī)器學(xué)習(xí)算法作為解決你的研究問題的替代方法。
商業(yè)智能的概念、工具與應(yīng)用
?科羅拉多大學(xué)
https://www.coursera.org/learn/business-intelligence-tools
本課程概述了商業(yè)智能技術(shù)是如何支持在不同商業(yè)領(lǐng)域的決策制定，這些技術(shù)已經(jīng)在公司戰(zhàn)略、績效管理和競爭意識等方面產(chǎn)生了巨大的影響，包括了廣泛采用的決策支持系統(tǒng)、商業(yè)智能系統(tǒng)和可視化分析技術(shù)。通過本課程，你能學(xué)習(xí)到作為一個BI工程師應(yīng)該具備的知識和技能，例如使用數(shù)據(jù)倉庫實現(xiàn)商業(yè)智能的目標(biāo)，你將有機(jī)會在數(shù)據(jù)倉庫環(huán)境下使用大規(guī)模數(shù)據(jù)，還會用MicroStrategy的在線分析(OLAP)和數(shù)據(jù)可視化功能來創(chuàng)建可視化的管理面板。
使用 Tableau 展示可視化數(shù)據(jù)
杜克大學(xué)
https://www.coursera.org/learn/analytics-tableau
要讓絕大部分不懂技術(shù)的人看懂?dāng)?shù)據(jù)分析結(jié)果，進(jìn)行有效的溝通，數(shù)據(jù)可視化的重要程度不容忽視。Tableau作為時下最流行的商業(yè)可視化工具，讓你可以更加簡單而高效地展示數(shù)據(jù)和數(shù)據(jù)分析結(jié)果。最在這門課程中，你將練習(xí)設(shè)計和令人信服地顯展示“業(yè)務(wù)數(shù)據(jù)的故事”，利用這些可視化技術(shù)：測試方法和設(shè)計原則，你可以獲得更高效的溝通和展示方式。
數(shù)據(jù)可視化
伊利諾伊大學(xué)香檳分校
https://www.coursera.org/learn/datavisualization
在這一課程中，你可以系統(tǒng)地了解數(shù)據(jù)可視化的基本知識。同時，學(xué)到數(shù)據(jù)挖掘的基本概念及其基礎(chǔ)的方法和應(yīng)用，然后深入到數(shù)據(jù)挖掘的子領(lǐng)域——模式發(fā)現(xiàn)中，深入學(xué)習(xí)模式發(fā)現(xiàn)的概念、方法，及應(yīng)用。這一課程將給你提供學(xué)習(xí)技能和實踐的機(jī)會，將可擴(kuò)展的模式發(fā)現(xiàn)方法應(yīng)用在在大體量交易數(shù)據(jù)上，討論模式評估指標(biāo)，以及學(xué)習(xí)用于挖掘各類不同數(shù)據(jù)的模式：序列模式，以及子圖模式等方法。
machine learning?
斯坦福大學(xué) ??
https://www.coursera.org/learn/machine-learning
這幾乎是coursera上最為經(jīng)典的課程之一了，來自coursera的開創(chuàng)者吳恩達(dá)。課程廣泛介紹了機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和統(tǒng)計模式識別。相關(guān)主題包括：(i)?監(jiān)督式學(xué)習(xí)（參數(shù)和非參數(shù)算法、支持向量機(jī)、核函數(shù)和神經(jīng)網(wǎng)絡(luò)）。(ii)?無監(jiān)督學(xué)習(xí)（集群、降維、推薦系統(tǒng)和深度學(xué)習(xí)）。(iii)?機(jī)器學(xué)習(xí)實例（偏見/方差理論；機(jī)器學(xué)習(xí)和AI領(lǐng)域的創(chuàng)新）。課程將引用很多案例和應(yīng)用，例如智能機(jī)器人（感知和控制）、文本理解（網(wǎng)絡(luò)搜索和垃圾郵件過濾）、計算機(jī)視覺、醫(yī)學(xué)信息學(xué)、音頻、數(shù)據(jù)庫挖掘等領(lǐng)域。
Applied Machine Learning in Python
密歇根大學(xué)
https://www.coursera.org/learn/python-machine-learning
機(jī)器學(xué)習(xí)應(yīng)該更多地專注于技術(shù)和方法，而不是這些方法背后的統(tǒng)計。這門課程介紹了機(jī)器學(xué)習(xí)和描述統(tǒng)計的區(qū)別，并介紹了scikit學(xué)習(xí)工具包。數(shù)據(jù)的維度的問題、聚類數(shù)據(jù)的任務(wù)，以及評估這些集群的問題將被解決。監(jiān)督的方法建立預(yù)測模型來描述，學(xué)習(xí)者將能夠適用于scikit學(xué)習(xí)預(yù)測建模方法在認(rèn)識過程中的問題數(shù)據(jù)概化關(guān)系（如交叉驗證，擬合）。當(dāng)然，滿足這一系列的要求，在課程中都會用python的代碼來實現(xiàn)。
推薦系統(tǒng)導(dǎo)論
明尼蘇達(dá)大學(xué)
https://www.coursera.org/learn/recommender-systems
推薦系統(tǒng)已經(jīng)改變了人們找到產(chǎn)品，信息，甚至其他人的方式。該課程全面深入地闡述了推薦系統(tǒng)及其應(yīng)用，比如常用的推薦算法，包括基于內(nèi)容的過濾，用戶協(xié)同過濾，項目協(xié)同過濾，降維，互動評論推薦等等。有一些實際的動手項目，其中每一個將涉及實施和評估的一些類型的推薦。除了專題講座外，課程中還有來自學(xué)術(shù)界和工業(yè)界的專家訪談和嘉賓講座。
實用預(yù)測分析：模型與方法
華盛頓大學(xué)
https://www.coursera.org/learn/predictive-analytics
這門課程將幫助你內(nèi)在的核心集實用和有效的機(jī)器學(xué)習(xí)方法和概念，并將它們應(yīng)用于解決現(xiàn)實世界的問題。能夠設(shè)計有效的實驗，并分析結(jié)果；使用重采樣方法，讓統(tǒng)計參數(shù)變得更加清晰；在復(fù)雜問題中應(yīng)用核心的分類方法（隨機(jī)森林），以及相關(guān)的優(yōu)化方法（梯度下降）；應(yīng)用無監(jiān)督學(xué)習(xí)的方法；描述大規(guī)模圖表分析中的日常用語，通過結(jié)構(gòu)化查詢，遍歷和遞歸查詢，PageRank等等。
Regression Models
約翰霍普金斯大學(xué)
https://www.coursera.org/learn/regression-models
回歸模型，線性模型的一個子集，是一個數(shù)據(jù)科學(xué)家的工具包中最重要的統(tǒng)計分析工具。這門課程涵蓋了回歸分析，最小二乘法和使用回歸模型推理。特殊情況下的回歸模型，方差分析和協(xié)方差分析將會獲得更好的結(jié)果，殘差和變率分析在課程中得以研究。課程將涵蓋用現(xiàn)代思維進(jìn)行模型選擇，和散點(diǎn)平滑回歸模型的新用途的思考。
Neural Networks for Machine Learning
?多倫多大學(xué) ?
https://www.coursera.org/learn/neural-networks
機(jī)器學(xué)習(xí)大神Hinton親自授課，這一點(diǎn)就足以讓該課程成為經(jīng)典。學(xué)習(xí)這門課程你將會了解人工神經(jīng)網(wǎng)絡(luò)，以及它們是如何被用于機(jī)器學(xué)習(xí)，適用于語音和物體識別，圖像分割，建模語言和人類的運(yùn)動等，課程中強(qiáng)調(diào)的基本算法和實際的技巧，讓它們在現(xiàn)實的場景中很好的工作。?
以上的課程大概是Coursera上面關(guān)于數(shù)據(jù)科學(xué)比較好的課程了，足夠建立一個基本的數(shù)據(jù)科學(xué)體系。好的資源常有，如何利用這些資源，才是更重要的事情。
以上的課程都是可以免費(fèi)聽的，但是不能提交作業(yè)和獲取證書，如果需要，是必須另外付費(fèi)的。
還有的小伙伴看到現(xiàn)在的Coursera都在大肆推廣專項課程，而專項課程都是要付費(fèi)的，官方在專項課程里完全隱藏了免費(fèi)聽課的入口。
當(dāng)然，你還是可以免費(fèi)獲取專項課程里每一門課程，在列表中找到每一門課程，然后分別搜索，就可以啦。
比如我們在一個專項課程中看到有如下課程，都是要收費(fèi)的，而且很貴。
然后我們在Coursera的搜索引擎中搜索我們想要上的課，以《數(shù)據(jù)科學(xué)家的工具箱為例》，會出現(xiàn)以下結(jié)果：
找到該課程的非專項課程，例子中救災(zāi)搜索結(jié)果的第一個，點(diǎn)擊進(jìn)入該課程頁面：
然后馬上注冊，就可以聽課啦?。?！
當(dāng)然，還是不能獲取評分項目，不能提交作業(yè)和獲取證書，不過，只要學(xué)到了知識，又有什么影響呢？
不過，如果你需要證書或者有參與評分項目的需求，付費(fèi)也是不錯的選擇，當(dāng)然前提是保證你能夠正常地堅持學(xué)習(xí)再購買，因為你很有可能會浪費(fèi)。（土豪請隨意）
Coursera的愿景是讓世界的每一個人都能獲得良好的教育，對于Coursera這樣提供了很大社會價值并且付出了努力和勞動的平臺，適當(dāng)?shù)馗顿M(fèi)和鼓勵未嘗不可。