2017通訊大賽「聯發科技物聯網開發競賽」決賽團隊29強出爐！作品都在11月24日頒獎典禮進行展示

【精選好文】資料科學入門 免費課程規劃

資料科學 - 入門課程規劃

隨著產學界人工智慧的聲浪不斷加溫，越來越多人走向資料科學領域，跨領域的應用尤其受到重視，但是學習 AI 該如何起步呢？許多電機、資工、統計背景領域的高手，直接越級打怪自學深度學習相當常見，但相信還有許多讀者雖無相關領域背景知識，因此自由小編深入鑽研由 IBM 所推出的線上免費學習網站 (Cognitive Class . ai) ，精心規劃了以下課程清單，教你如何穩扎穩打地自學資料科學！

 — — — — 以下推薦課程，適合初次接觸 or 想打穩資料科學基礎的讀者，高手可跳過！ — — — — 

上圖相信讀者們都還有印象(沒印象 or 新讀者，請參考：https://goo.gl/D15Pxe)，前往資料科學領域的路上，有許多基礎知識跨足眾多領域，資料庫、程式語言、統計學、微積分等，對於甫入門讀者而言，會需要花較多的時間去理解龐雜且廣泛多樣的應用領域，在小編學習資料科學的歷程中，也耗費大量的時間不斷地去整理所學，釐清課程內容、實務應用等，最後整理出了此篇免費課程清單；課程皆來自 IBM 的 Cognitive Class . ai ，不僅免費，課程結束、通過測驗後，還提供課程證照及專業領域獎章，以利學員們求職用，完成課程後，您將具備成為資料分析師的能力及資料科學家的基礎技能。

課程分為三部分 (1) 緒論 - 基礎認知 (2) 入門 - 分析實務 (3) 其他 - 選擇性內容。 

        (1) 資料科學 - 緒論 (21 hr)

◆ Class 1. (3 hr)  Introduction to Data Science - 資料科學介紹

  -- 簡單介紹資料科學的緣起與應用，認識「資料科學家」

  課程連結：https://cognitiveclass.ai/courses/data-science-101/

◆ Class 2. (5 hr)  Data Science Tools - 資料科學工具

  -- 簡介 IBM 的產品(Data Scientist Workbench)及實用工具 (*Jupyter Notebook)

  課程連結：https://cognitiveclass.ai/courses/data-science-hands-open-source-tools-2/

◆ Class 3. (5 hr)  Data Science Methodology - 資料科學方法論

  -- 介紹資料分析的流程、概念及思維

  課程連結：https://cognitiveclass.ai/courses/data-science-methodology-2/

◆ Class 4. (3 hr)  Big Data 101 - 大數據入門

  -- 介紹何謂大數據？說明大數據的影響力

  課程連結：https://cognitiveclass.ai/courses/what-is-big-data/

◆ Class 5. (5 hr)  Data Privacy Fundamentals - 資料隱私權認識

  -- 瞭解資料隱私權的重要性，及其相關法規

  課程連結：https://cognitiveclass.ai/courses/data-privacy/

        (2) 資料科學 - 入門 (Python & R 學習路徑 - 二擇一)

        Python 學習路徑 (35 hr)

◆ Class 1. (5 hr)  Python for Data Science - 資料科學之 Python 入門

   -- Python 基本語法 & 工具操作教學 (Jupyter Notebook)

  課程連結：https://cognitiveclass.ai/courses/python-for-data-science/

◆ Class 2. (8 hr)  Data Analysis with Python - 資料分析從 Python 開始

   -- Python 資料分析相關套件使用 (Pandas, Numpy, Scipy...)

  課程連結：https://cognitiveclass.ai/courses/what-is-big-data/

◆ Class 3. (10 hr)  Data Visualization with Python - Python 資料視覺化

   -- Python 相關數據視覺化套件介紹(Matplotlib, Seaborn...)

  課程連結：https://cognitiveclass.ai/courses/data-visualization-with-python/

◆ Class 4. (12 hr)  Mahine Learning with Python - 機器學習與 Python

   -- Python 機器學習實作教學 (Regression, Classification, Clustering...)

  課程連結：https://cognitiveclass.ai/courses/machine-learning-with-python/

R 學習路徑 (32 hr)

◆ Class 1. (5 hr)  R 101 - R 入門

   -- R 基本語法 & 工具操作教學 (Jupyter Notebook)

  課程連結：https://cognitiveclass.ai/courses/r-101/

◆ Class 2. (5 hr)  Digital Analytics and Regression - 數位分析與回歸

   -- R 與 資料科學家；簡單線性回歸介紹(simple linear regression)

  課程連結：https://cognitiveclass.ai/courses/applied-data-science-digital-analytics-regression/

◆ Class 3. (5 hr)  Using R with Databases - R語言與資料庫

   -- R 與 關聯性資料庫操作使用

  課程連結：https://cognitiveclass.ai/courses/using-r-with-databases/

◆ Class 4. (5 hr)  Data Visualization with R - R 資料視覺化

   -- R 相關數據視覺化套件介紹(plot, ggplo2...)

  課程連結：https://cognitiveclass.ai/courses/data-visualization-with-r/

◆ Class 5. (12 hr)  Mahine Learning with R - 機器學習與 R

   -- 統計模型 vs. 機器學習；監督式學習 vs. 非監督式學習

  課程連結：https://cognitiveclass.ai/courses/machine-learning-r/

上述兩堂入門實務課程 Python & R 內容的編排與課程邏輯各有差異，Python 以處理Excel數據分析為開頭，循序漸進以敘述統計、資料清理、資料視覺化帶到機器學習，為實務上完整的資料分析週期，課程結構較 R 系列課程完整；相比 Python 課程，R 語言過去專注於統計分析相關應用的開發，以處理資料庫數據為出發點，比較傳統統計模型與機器學習的差異，帶入資料視覺化、機器學習等領域。

兩種語言的課程安排，因程式語言的發展歷史而有所不同，建議有充裕學習時間的讀者，可以兩種課程都看過一次，加強對程式語言的敏感度，也能對分析的流程、機器學習的邏輯更熟悉；而時間較有限的讀者，則建議以 Python 系列課程為主，雖然 R 對於程式語言初學者較快上手，但是 Python 的開發社群、其他應用領域、語言效能，皆比 R 來的傑出。 

        (3) 資料科學 - 入門 (選擇性課程)

◆ Predictive Modeling Fundamentals I - 預測性模型基礎認識

  課程連結：https://cognitiveclass.ai/courses/predictive-modeling-fundamentals/

◆ Data Journalism: First Steps, Skills & Tools - 資料新聞學 (步驟、技能與工具)

  課程連結：https://cognitiveclass.ai/courses/introduction-data-journalism/

◆ Statistic 101 - 統計學入門

  課程連結：https://cognitiveclass.ai/courses/statistics-101/

◆ Hadoop 101 - 大數據平台 Hadoop 入門

  課程連結：https://cognitiveclass.ai/courses/introduction-to-hadoop/

◆ SQL & Relational Databases 101 - SQL與關聯性資料庫入門

  課程連結：https://cognitiveclass.ai/courses/learn-sql-relational-databases/

◆ Bulid your Own Chatbot - 建造自己的聊天機器人

  課程連結：https://cognitiveclass.ai/courses/how-to-build-a-chatbot/

◆ Mathematical Optimization for Business Problems - 數學最佳化應用

  課程連結：https://cognitiveclass.ai/courses/mathematical-optimization-for-business-problems/

在第三部分的課程，則為因實作領域不同而需要額外補強的相關課程推薦。

在每一堂課程結束後，您將獲得課程認證(Certificates)如下圖一，完成系列專業課程更能獲得獎章(Badges)如下圖二，且這些學習認證皆能個別下載為 PDF 檔案，並有IBM認證標註，無論是在104求職可上傳附加檔案，也能直接將證照連結到個人Linkedin Profile，對於跨領域的學員來說，真的相當加分！

     

▲ 圖一

▲ 圖二

看完了自由團隊精心設計的課程清單及相關證照、獎章後，你是否也心動了呢？趕緊來學習資料科學吧！若有任何問題或其他建議，自由團隊歡迎您來信與我們進一步互動喔！(Email: AI.Free.Team@gmail.com)

由 Ken 發布於 2019年2月11日 06:30