【资源推荐】小白入门数据科学的几个宝藏学习网站

关注上方“Python数据科学”，选择星标，

前方高能，准备开启收藏夹吃灰模式。

本篇东哥分享几个数据科学入门的学习网站，全部免费资源，且内容优质，是小白入门的不二选择。吃灰是常规操作，但也得吃，总比需要用的时候找不到强。

下面开始进入正题。

什么是Kaggle？

kaggle是全球最先也是目前规模最大的数据科学竞赛组织了。之所以这么受欢迎，是因为很多大的公司奉献出自家真实的数据给kaggle，提出真实业务场景面临的痛点，需要数据科学上的解决方案。

我个人觉得是非常有意思的，因为很多人苦学理论，正愁着没有真实数据去实践，有了这个机会，不论方案是否可以排上名次，都是宝贵的实践经验啊。

当然，作为方案最优的前三名可以得到一笔丰厚的报酬，几千美元到几万美元不等，这更加刺激广大数据爱好者了。竞赛已经有上百场了，各种场景和需求，并且随着需求增多，竞赛也在不断增加。

Kaggle上有什么？

原来的kaggle只有单一的竞赛，现在的kaggle已经不只是竞赛这么简单了。它还有丰富的社区、免费的学习课程、在线实操的环境。

下面是一在线操作提交模型的环境，非常奈斯。

各路神仙在社区共享自己的kernels和源代码，是个非常好的交流学习机会，有兴趣可以自己去看。这里主要说下免费的学习课程，下面是地址。

https://www.kaggle.com/learn/overview

学习列表中有python、机器学习、深度学习、可视化、pandas数据处理、SqL入门和进阶等14门课程。虽是英文，我相信对于有心的人都不是问题了。

Coursera很多朋友应该熟悉，吴恩达的机器学习课程最早就是从这里开始分享的。里面有各个名校大学的公开课，很多都是免费公开的课程，听课是免费的，但学完后认证证书需要付费。

这里分享几个东哥收藏的宝藏课程，每一个都很经典，好评无数。

1.机器学习 (Andrew Ng / 斯坦福大学)

https://www.coursera.org/learn/machine-learning

2.专业数据科学(10门课/JHU)

https://www.coursera.org/specializations/jhu-data-science

3.数据科学实战(5门课/JHU)

https://www.coursera.org/specializations/executive-data-science

4.专业数据挖掘(6门课/伊利诺伊大学)

https://www.coursera.org/specializations/data-mining

5.数据科学硕士(8门课/伊利诺伊大学圣巴巴拉分校)

https://www.coursera.org/degrees/master-of-computer-science-illinois/data-science

6.数据科学应用硕士(密歇根大学)

https://www.coursera.org/degrees/master-of-applied-data-science-umich

Udacity（优达学成）是个美国的付费类培训机构，内容涉及所有编程和计算机类的课程，是歪果仁拍的视频课程，质量很高，但收费很贵。

仔细观察，其实也有很多免费的课程供学习的，东哥把收藏的存货也拿出来分享下。

1.数据科学导论

总共10个章节，以titanic和NewYork Subway data项目为例介绍数据分析、可视化、数据处理、Mapreduce大数据。

https://www.udacity.com/course/intro-to-data-science--ud359

2.数据分析导论

https://www.udacity.com/course/intro-to-data-analysis--ud170

3.数据可视化分析

这个课程是基于R语言的，介绍了R语言基础、逻辑回归、线性回归、正则化等内容。

https://www.udacity.com/course/data-analysis-and-visualization--ud404

4.使用SQL做数据分析

https://www.udacity.com/course/sql-for-data-analysis--ud198

5. 统计推理入门

主要介绍推断性统计的知识，比如各种检验，假设检验、t检验、卡方检验、ANOVA方差分析、回归等等。

https://www.udacity.com/course/intro-to-inferential-statistics--ud201

当然，除了这些还有很多付费的，感兴趣可自行查找，本篇只谈免费。

下面是几个很好的国外数据科学社区和个人博客，内容不如前面三个学习网站有组织和条条理，但是有很多优秀的文章分享也可以作为参考学习。

1. 面向数据科学

https://towardsdatascience.com/

这里着重说下这个社区，专门的数据科学学习平台，里面都是一些国外爱好者的分享，涵盖了data science、machine learning、deep learning、visualization、programming等，缺点是需要特殊工具才能上去，用谷歌访问助手也可以。

2. 方差解释

http://varianceexplained.org/

3. 成为一名数据科学家

https://www.becomingadatascientist.com

4. Mark Meloon

https://www.markmeloon.com/

5. Julia Silge

https://juliasilge.com/blog/

往期精彩回顾

• 适合初学者入门人工智能的路线及资料下载

• 机器学习及深度学习笔记等资料打印

• 机器学习在线手册

• 深度学习笔记专辑

• 《统计学习方法》的代码复现专辑
  

• AI基础下载

• 机器学习的数学基础专辑

获取一折本站知识星球优惠券，复制链接直接打开：

https://t.zsxq.com/yFQV7am

本站qq群1003271085。

加入微信群请扫码进群：

#资源推荐