De bedste datalogikurser på internettet, sorteret efter dine anmeldelser

For halvandet år siden droppede jeg fra et af de bedste datalogiprogrammer i Canada. Jeg begyndte at oprette mit eget datalogi-masterprogram ved hjælp af online ressourcer. Jeg indså, at jeg i stedet kunne lære alt hvad jeg havde brug for gennem edX, Coursera og Udacity. Og jeg kunne lære det hurtigere, mere effektivt og for en brøkdel af prisen.

Jeg er næsten færdig nu. Jeg har taget mange datavidenskabelige kurser og revideret dele af mange flere. Jeg kender mulighederne derude, og hvilke færdigheder der er nødvendige for elever, der forbereder sig på en dataanalytiker eller datavidenskabsrolle.Så jeg begyndte at oprette en gennemgangsdrevet guide, der anbefaler de bedste kurser til hvert emne inden for datalogi.

Til den første guide i serien anbefalede jeg et par kodningskurser til nybegyndere. Så var det statistik og sandsynlighedsklasser. Derefter introduktioner til datalogi. Derefter datavisualisering. Maskinindlæring var den femte og seneste guide. Og nu er jeg tilbage for at afslutte denne serie med endnu flere ressourcer.

Her er en oversigt over alle mine tidligere vejledninger plus anbefalinger til 13 andre datalogiske emner.

For hver af de fem store guider i denne serie brugte jeg flere timer på at identificere hvert online kursus for det pågældende emne, udtrække nøglebits af information fra deres pensum og anmeldelser og kompilere deres ratings. Mit mål var at identificere de tre bedste kurser til rådighed for hvert fag og præsentere dem for dig.

De 13 supplerende emner - som databaser, big data og generel software engineering - havde ikke nok kurser til at retfærdiggøre fulde guider. Men i løbet af de sidste otte måneder holdt jeg styr på dem, da jeg stødte på dem. Jeg gennemsøgte også internettet for kurser, jeg måske har gået glip af.

Til disse opgaver henvendte jeg mig til ingen ringere end open source Class Central-samfundet og dets database med tusindvis af kursusbedømmelser og anmeldelser.

Siden 2011 har Class Central-grundlægger Dhawal Shah holdt øje med onlinekurser end uden tvivl nogen andre i verden. Dhawal hjalp mig personligt med at samle denne liste over ressourcer.

Hvordan vi valgte kurser til at overveje

Hvert kursus i hver guide skal passe til bestemte kriterier. Der var fagspecifikke kriterier, derefter to almindelige, som hver guide delte:

  1. Det skal være on-demand eller tilbydes hvert par måneder.
  2. Det skal være et interaktivt onlinekursus, så ingen bøger eller skrivebeskyttede tutorials. Selvom disse er levedygtige måder at lære, fokuserer denne guide på kurser. Kurser, der strengt taget er videoer (dvs. uden quizzer, opgaver osv.), Er også ekskluderet.

Vi mener, at vi dækkede alle bemærkelsesværdige kurser, der passer til kriterierne i hver guide. Der er dog altid en chance for, at vi savnede noget. Fortæl os det i hver vejlednings kommentarsektion, hvis vi har udeladt et godt kursus.

Hvordan vi vurderede kurser

Vi har samlet gennemsnitsbedømmelser og antal anmeldelser fra Class Central og andre anmeldelsessider for at beregne en vægtet gennemsnitlig vurdering for hvert kursus. Vi læste tekstanmeldelser og brugte denne feedback til at supplere de numeriske vurderinger.

Vi foretog subjektive pensum bedømmelsesopkald baseret på en række faktorer, der er specifikke for hvert emne. Kriterierne i vores introduktion til programmeringsvejledning, for eksempel:

  1. Dækning af grundlæggende programmering.
  2. Dækning af mere avancerede, men nyttige emner i programmering.
  3. Hvor meget af pensum er relevant for datalogi?

Her er de bedste kurser generelt for hvert af disse emner. Sammen udgør disse en omfattende læseplan for datavidenskab.

Emne nr. 1: Introduktion til programmering

Lær at programmere: De grundlæggende (LPT1) og Crafting Quality Code (LPT2) af University of Toronto via Coursera

University of Torontos Lær at programmere-serie har en fremragende blanding af indholdsvanskeligheder og muligheder for nybegyndere. Undervises i Python, serien har en 4,71-stjernet vægtet gennemsnitlig vurdering over 284 anmeldelser.

En introduktion til interaktiv programmering i Python (del 1) og (del 2) af Rice University via Coursera

Rice Universitys interaktive programmering i Python-serien indeholder to af de bedste online-kurser nogensinde. De skæv mod spil og interaktive applikationer, som er mindre anvendelige emner inden for datalogi. Serien har en 4,93-stjernet vægtet gennemsnitlig bedømmelse over 6.069 anmeldelser.

R Programmeringsspor af DataCamp

Hvis du er indstillet på at lære R, kombinerer DataCamps R-programmeringsspor effektivt programmeringsfundamental og R-syntaksinstruktion. Den har en 4,29-stjernet vægtet gennemsnitlig vurdering over 14 anmeldelser.

Emne nr. 2: Statistik og sandsynlighed

Grundlaget for dataanalyse - Del 1: Statistik ved hjælp af R og del 2: Inferentiel statistik fra University of Texas i Austin via edX

Kurserne i UT Austins Foundations of Data Analysis-serie er to af de få med gode anmeldelser, der også underviser i statistik og sandsynlighed med fokus på kodning af eksempler. Serien har en 4,61-stjernet vægtet gennemsnitlig vurdering over 28 anmeldelser.

Statistik med R-specialisering fra Duke University via Coursera

Duke's Statistics with R Specialization, der er opdelt i fem kurser, har en omfattende pensum med fulde sektioner dedikeret til sandsynlighed. Det har en 3,6-stjernet vægtet gennemsnitlig vurdering over 5 anmeldelser, men kurset, det var baseret på, har en 4,77-stjernet vægtet gennemsnitlig vurdering over 60 anmeldelser.

Introduktion til sandsynlighed - videnskaben om usikkerhed af Massachusetts Institute of Technology (MIT) via edX

MIT's Intro to Probability-kursus har langt den højeste vurdering af de kurser, der overvejes i statistik- og sandsynlighedsguiden. Det er udelukkende sandsynligheden i detaljer, plus det er længere (15 uger) og mere udfordrende end de fleste MOOC'er. Den har en 4,82-stjernet vægtet gennemsnitlig vurdering over 38 anmeldelser.

Emne nr. 3: Introduktion til datalogi

Data Science AZ ™: Real-Life Data Science øvelser inkluderet af Kirill Eremenko og SuperDataScience Team via Udemy

Kirill Eremenko's Data Science AZ udmærker sig i bredden og dybden af ​​dækningen af ​​datavidenskabsprocessen. Instruktørens naturlige undervisningsevne hyldes ofte af korrekturlæsere. Det har en 4,5-stjernet vægtet gennemsnitlig vurdering over 5.078 anmeldelser.

Introduktion til dataanalyse af Udacity

Udacitys Intro til dataanalyse dækker datavidenskabsprocessen sammenhængende ved hjælp af Python. Det har en 5-stjernet vægtet gennemsnitlig vurdering over 2 anmeldelser.

Data Science Fundamentals af Big Data University

Big Data University's Data Science Fundamentals dækker hele datavidenskabsprocessen og introducerer Python, R og flere andre open source-værktøjer. Der er ingen anmeldelser til dette kursus på de gennemgangssider, der er brugt til denne analyse.

Emne # 4: Datavisualisering

Datavisualisering med Tableau-specialisering fra University of California, Davis via Coursera

En fem-retters serie, UC Davis 'Data Visualization with Tableau Specialization dykker dybt ned i visualiseringsteori. Muligheder for at øve Tableau gives gennem gennemgange og et afsluttende projekt. Det har en 4-stjernet vægtet gennemsnitlig vurdering over 2 anmeldelser.

Datavisualisering med ggplot2-serien af ​​DataCamp

Godkendt af ggplot2-skaberen Hadley Wickham, er en betydelig mængde teori dækket i DataCamps datavisualisering med ggplot2-serien. Du vil kende R og dens quirky syntaks ganske godt forlader disse kurser. Der er ingen anmeldelser for disse kurser på de gennemgangssider, der er brugt til denne analyse.

Tableau 10 Series (Tableau 10 AZ og Tableau 10 Advanced Training) af Kirill Eremenko og SuperDataScience Team på Udemy

En effektiv praktisk introduktion, Kirill Eremenkos Tableau 10-serie fokuserer hovedsagelig på værktøjsdækning (Tableau) snarere end teori om datavisualisering. Tilsammen har de to baner en 4,6-stjernet vægtet gennemsnitlig bedømmelse over 3.724 anmeldelser.

Emne nr. 5: Maskinindlæring

Maskinindlæring af Stanford University via Coursera

Undervisning af den berømte Andrew Ng, Google Brain-grundlægger og tidligere chefforsker ved Baidu, Stanford University's Machine Learning dækker alle aspekter af maskinlæringsarbejdsprocessen og flere algoritmer. Undervises i MATLAB eller oktav, den har en 4,7-stjernet vægtet gennemsnitlig vurdering over 422 anmeldelser.

Maskinindlæring af Columbia University via edX

En mere avanceret introduktion end Stanfords, CoIumbia University's Machine Learning er et nyere kursus med ekstraordinære anmeldelser og en æret instruktør. Kursets opgaver kan gennemføres ved hjælp af Python, MATLAB eller Octave. Det har en 4,8-stjernet vægtet gennemsnitlig vurdering over 10 anmeldelser.

Machine Learning AZ ™: Hands-On Python & R In Data Science af Kirill Eremenko og Hadelin de Ponteves via Udemy

Kirill Eremenko og Hadelin de Ponteves 'Machine Learning AZ er et imponerende detaljeret tilbud, der giver instruktion i både Python og R, hvilket er sjældent og ikke kan siges for nogen af ​​de andre topkurser. Det har en 4,5-stjernet vægtet gennemsnitlig vurdering over 8.119 anmeldelser.

Emne # 6: Deep Learning

Kreative anvendelser af dyb læring med TensorFlow af Kadenze

Parag Mitals kreative applikationer af dyb læring med Tensorflow tilføjer et unikt twist til et teknisk emne. De "kreative applikationer" er inspirerende, kurset produceres professionelt, og instruktøren kender sine ting. Undervises i Python, den har en 4,75-stjernet vægtet gennemsnitlig vurdering over 16 anmeldelser.

Neurale netværk til maskinlæring ved University of Toronto via Coursera

Lær af en legende. Geoffrey Hinton er kendt som ”gudfar for dyb læring” er internationalt udmærket for sit arbejde med kunstige neurale net. Hans neurale netværk til maskinindlæring er en avanceret klasse. Undervises i oktav med øvelser også i Python, den har en 4.11-stjernet vægtet gennemsnitlig vurdering over 35 anmeldelser.

Deep Learning AZ ™: Praktiske kunstige neurale netværk af Kirill Eremenko og Hadelin de Ponteves via Udemy

Deep Learning AZ er en tilgængelig introduktion til deep learning med intuitive forklaringer fra Kirill Eremenko og nyttige kodedemoer fra Hadelin de Ponteves. Undervises i Python, den har en 4,6-stjernet vægtet gennemsnitlig vurdering over 1.314 anmeldelser.

Og her er vores bedste kursusvalg for hvert af de supplerende emner inden for datalogi.

Python og dets værktøjer

Python Programming Track af DataCamp plus deres individuelle pandakurser:

  • pandas fonde
  • Manipulering af DataFrames med pandaer
  • Fletning af DataFrames med pandaer

DataCamps kodetunge instruktionsstil og programmeringsmiljø i browseren er fantastisk til at lære syntaks. Deres Python-baner har en 4,64-stjernet vægtet gennemsnitlig vurdering over 14 anmeldelser. Udacitys Intro til dataanalyse, en af ​​vores anbefalinger til introduktion til datavidenskabskurser, dækker også NumPy og pandaer.

R & dets værktøjer

R Programming Track af DataCamp plus deres individuelle dplyr- og data.table-kurser:

  • Datemanipulation i R med dplyr
  • Forbinde data i R med dplyr
  • Dataanalyse i R, data. Tabel måde

Igen er DataCamps kodetunge instruktionsstil og programmeringsmiljø i browseren fantastisk til at lære syntaks. Deres R-programmeringsspor, som også er en af ​​vores anbefalinger til programmering af kurser generelt, kombinerer effektivt programmeringsfundamental og R-syntaksinstruktion. Serien har en 4,29-stjernet vægtet gennemsnitlig vurdering over 14 anmeldelser.

Databaser og SQL

Introduktion til databaser fra Stanford University via Stanford OpenEdx (note: anmeldelser fra den forældede version på Coursera)

Stanford Universitys introduktion til databaser dækker databaseteori grundigt, mens der introduceres adskillige open source-værktøjer. Programmeringsøvelser er udfordrende. Jennifer Widom, nu dekan for Stanfords School of Engineering, er klar og præcis. Det har en 4,61-stjernet vægtet gennemsnitlig vurdering over 59 anmeldelser.

Dataforberedelse

Import og rengøring af dataspor fra DataCamp:

  • Import og rengøring af data med Python Track
  • Import og rengøringsdata med R Track

DataCamps import- og rengøringsspor (et i Python og et i R) udmærker sig ved at lære mekanikken i at forberede dine data til analyse og / eller visualisering. Der er ingen anmeldelser for disse kurser på de gennemgangssider, der er brugt til denne analyse.

Undersøgende dataanalyse

Dataanalyse med R af Udacity og Facebook

Udacitys dataanalyse med R er en fornøjelig introduktion til sonderende dataanalyse. Ekspertinterviews med Facebooks dataforskere er indsigtsfulde og inspirerende. Kurset har en 4,58-stjernet vægtet gennemsnitlig vurdering over 19 anmeldelser. Det fungerer også som en let introduktion til R.

Big Data

Den ultimative praktiske Hadoop - Tæm dine store data! af Frank Kane via Udemy, så hvis du vil have mere om specifikke værktøjer (alt af Frank Kane via Udemy):

  • Tamning af store data med Apache Spark og Python - Hands On!
  • Tamning af store data med MapReduce og Hadoop - Hands On!
  • Apache Spark 2.0 med Scala - Hands On med Big Data!
  • Tamning af store data med Spark Streaming og Scala - Hands On!

Frank Kanes Big Data-serie lærer alle de mest populære big data-teknologier, inklusive over 25 i "Ultimate" kurset alene. Kane deler sin viden fra et årti med brancheerfaring med at arbejde med distribuerede systemer hos Amazon og IMDb. Tilsammen har banerne en 4,52-stjernet vægtet gennemsnitlig bedømmelse over 6.932 anmeldelser.

Software færdigheder

Softwaretest af Udacity

Fejlfinding af software ved Udacity

Versionskontrol med Git og GitHub & Collaboration af Udacity (opdateringer til Udacitys populære Sådan bruges Git & GitHub-kursus)

Softwarefærdigheder er en ofte overset del af en datalogiuddannelse. Udacitys test-, fejlretnings- og versionskontrolkurser introducerer tre kerneemner, der er relevante for alle, der beskæftiger sig med kode, især dem i teambaserede miljøer. Tilsammen har banerne en 4,34-stjernet vægtet gennemsnitlig bedømmelse over 68 anmeldelser. Georgia Tech og Udacity har et nyt kursus, der dækker softwaretest og fejlretning sammen, selvom det er mere avanceret og ikke alle relevante for dataforskere.

Diverse

Opbygning af et datavidenskabsteam ved Johns Hopkins University via Coursera

Lære at lære: Kraftige mentale værktøjer, der hjælper dig med at mestre hårde emner af Dr.Barbara Oakley og University of California, San Diego via Coursera

Mindshift: Break Through Hindringer for at lære og opdag dit skjulte potentiale af Dr.Barbara Oakley og McMaster University via Coursera

Johns Hopkins University's Building a Data Science Team giver et nyttigt kig på datavidenskab i praksis. Det er et ekstremt kort kursus, der kan gennemføres på en håndfuld timer og revideres gratis. Ignorer dens 3,41-stjernede vejede gennemsnitlige bedømmelse over 12 anmeldelser, hvoraf nogle sandsynligvis var fra betalende kunder.

Dr. Barbara Oakleys læring, hvordan man lærer og Mindshift er ikke datavidenskabskurser i sig selv. Læring hvordan man lærer, det mest populære online-kursus nogensinde, dækker bedste praksis, som forskning viser, at være mest effektiv til at mestre hårde emner, herunder hukommelsesteknikker og håndtere udsættelse. I Mindshift demonstrerer hun, hvordan man får mest muligt ud af online-læring og MOOC'er, hvordan man opsøger og arbejder med mentorer og hemmelighederne ved at undgå karriererutiner og generelle spor i livet. Dette er to kurser, som alle skal tage. De har en 4,74-stjernet og en 4,87-stjernet vægtet gennemsnitlig vurdering over henholdsvis 959 og 407 anmeldelser. Begge kurser varer fire uger.

Denne vejlednings fremtid

Denne karrierevejledning til datavidenskab vil fortsat blive opdateret, når nye kurser frigives, og vurderinger og anmeldelser for dem genereres.

Brænder du for en anden disciplin (f.eks. Datalogi)? Vil du gerne hjælpe med at uddanne verden? Hvis du er interesseret i at oprette en karrierevejledning, der ligner denne struktur, kan du sende os en note på [email protected]

Min fremtid

Hvad min fremtid angår, er jeg begejstret for at fortælle, at jeg har taget en stilling med Udacity som indholdsudvikler. Det betyder, at jeg opretter og underviser kurser. Det betyder også, at denne guide opdateres af en anden.

Jeg tilslutter mig Udacity, fordi jeg tror, ​​de er bedst positioneret til at skabe det bedste uddannelsesprodukt på planeten. Af alle de kurser, jeg har taget, online eller på universitetet, lærte jeg bedst, mens jeg tilmeldte mig et Nanodegree. De inkorporerer det nyeste inden for pædagogik og produktion og har et fremragende projektanmeldelsessystem, optimistiske instruktører og sunde studerende og karriere supportteam. Selvom en stykkevis tilgang som den, vi tog i denne vejledning, kan fungere, er et sammenhængende program med projekter og anmeldelser igennem meget mere studervenligt.

Opdatering af dataanalytikeren Nanodegree er min første opgave, som er en del af en større indsats for at skabe en klar sti til Nanodegrees for alle ting. Studerende vil snart være i stand til at starte fra bunden med data basics på Udacity og udvikle sig hele vejen gennem maskinindlæring, kunstig intelligens og endda selvkørende biler, hvis de ønsker det.

Pakning af det

Dette er det sidste stykke af en seks-delt serie, der dækker de bedste online kurser til at starte dig selv ind i datavidenskabsfeltet. Vi dækkede programmering i den første artikel, statistik og sandsynlighed i den anden artikel, introduktioner til datalogi i den tredje artikel, datavisualisering i den fjerde og maskinindlæring i den femte.

Hvert eneste Machine Learning-kursus på internettet, sorteret efter dine anmeldelser

medium.freecodecamp.com

Her opsummerede vi de ovennævnte fem artikler og anbefalede de bedste online kurser til andre nøgleemner som databaser, big data og endda software engineering.

Hvis du leder efter en komplet liste over datavidenskab online-kurser, kan du finde dem på Class Centers side om datalogi og big data.

Hvis du kunne lide at læse dette, så tjek nogle af Class Centrals andre stykker:

Her er 250 Ivy League kurser, du kan tage online lige nu gratis

250 MOOC'er fra Brown, Columbia, Cornell, Dartmouth, Harvard, Penn, Princeton og Yale. medium.freecodecamp.com De 50 bedste gratis online universitetskurser i henhold til data

Da jeg lancerede Class Central i november 2011, var der omkring 18 gratis online kurser og næsten hele ... medium.freecodecamp.com

Hvis du fandt dette nyttigt, skal du klikke på? så flere mennesker vil se det her på Medium.

Dette er en ændret version af min originale artikel, der blev offentliggjort på Class Central, hvor der også findes en simpel liste over de kurser, der er nævnt her.