[置頂]【求職轉(zhuǎn)行】想往數(shù)據(jù)分析，偏statistic方向轉(zhuǎn)行，有什么推薦的MOOC課程和平臺呢？ – Data Question 數(shù)問
本人準備市場營銷研究生畢業(yè)，以前有學過sql，也懂一丟丟sas，現(xiàn)在想往數(shù)據(jù)分析的方向轉(zhuǎn)，長期想偏data science，目前準備學習下python和R，另外也想再補補統(tǒng)計的知識，我知道coursera，udemy，edx這些平臺，但是課程類型太多了～～～～大家有上過的嗎？？求各位大神推薦下（希望能把課名列出來哈）。另外如果你有學習方案推薦，也想一睹為快哈！我大概有一年時間去準備～～
先射射各位了?。。海?div style="height:15px;">
數(shù)據(jù)分析師 Level2提問 在 2017-07-25 在
綜合問題.現(xiàn)在網(wǎng)上MOOC關(guān)于Data Science的種類繁多， 選擇太多往往無從下手，對于轉(zhuǎn)行的同學總想在最短的時間內(nèi)獲得最容易理解而且實用的知識， 我最為其中之一深有體會，現(xiàn)在就結(jié)合我自己的經(jīng)歷說下自己在這方面的心得。
在我看來， Data Science/Analytics 大致需要掌握以下幾方面的技能：
1. SQL, 數(shù)據(jù)庫相關(guān)的技能
這個是所有從事數(shù)據(jù)分析的第一步：獲取數(shù)據(jù)，而絕大部分的數(shù)據(jù)儲存在數(shù)據(jù)庫中，所以SQL的技能很關(guān)鍵，事實上也是以后也會占用你工作的大部分時間。
SQL不難，但是想要快速熟練的掌握光靠背幾個 select, from, where, group by 是遠遠不夠的，最好的聯(lián)系方法是能一邊寫一邊看得出的結(jié)果，從而搞清楚每條語句實際在背后對數(shù)據(jù)做了什么操作，邏輯是什么。
SQL也是數(shù)據(jù)分析面試時重點考察的方面，Google, Facebook, Uber, Slack等等這些大的科技公司都會去著重考察，不需要你會很fancy的命令語句，但是會讓你利用簡單的命令語句去實現(xiàn)很復雜的邏輯關(guān)系， 這方面的資源比較入門級的有 SQLZOO 和 W3 School的SQL部分，這兩個相對來說好快速上手，而且都是我前面說的可以讓你一邊寫SQL一邊看你query出來的結(jié)果， 這樣會讓你對命令語句具體對數(shù)據(jù)本身做了什么。
https://sqlzoo.net/https://www.w3schools.com/sql/進階的資源有微軟在edx上的一門MOOC：Querying with Transact-SQL, 這門課也適用于初學者，不過學習的時間要長一些，因為內(nèi)容會講的深一些（比如window function 和 table expression）
https://www.edx.org/course/querying-transact-sql-microsoft-dat201x-72. 統(tǒng)計的基本原理
大部分傳統(tǒng)的機器學習的算法來自于統(tǒng)計學，而且統(tǒng)計學的知識也被大量的用在了數(shù)據(jù)探索階段（Explanatory Data Analysis） 和工作中各種各樣的Statistical Testing上面
這方面就是傳統(tǒng)的統(tǒng)計知識，盡量選一些名牌大學的通俗易懂的基礎(chǔ)統(tǒng)計課即可。
3. Data Science/Machine Learning Modeling
這塊的課程最多，但也最難選，因為很多課程要么太注重理論，需要有很好的數(shù)學基礎(chǔ)才能理解，要么就是相對來說太過簡單，下面是我覺得蠻好的課程，兼顧了理論深度，理解難度和實踐程度。
Udemy: Python for Data Science and Machine Learning Bootcamp
https://www.udemy.com/python-for-data-science-and-machine-learningbootcamp/這門課的特點是講解很清晰，信息量很大，講師既講了Python編程也講了些ML的算法知識，不過相對來說不是很深。
Edx: Analytic Edge
https://www.edx.org/course/analytics-edge-mitx-15-071x-3如果你是個對理論數(shù)學化的東西不大感興趣，只注重怎么把ML的算法應用在實際中，那這門課是很好的入門課。
這門來自MIT的神課介紹每個算法時都是通過一個相應的現(xiàn)實中真實應用的案例來講的，而且講的通俗易懂，全部課程的語言為，也很容易上手
Udacity: Intro to Machine Learning
https://www.udacity.com/course/intro-to-machine-learning–ud120這門課是Google X 實驗室的創(chuàng)始人 Sebastian Thrun （同時也是Udacity的創(chuàng)始人）講授的，全面的涵蓋了主流ML的算法，中間每講一個新的算法，都會穿插了很多小練習幫助你鞏固新學到的知識，而且Sebastian作為業(yè)界大牛，對ML的講解也很清晰直白易懂。
Stanford Online: Statistical Learning
http://online.stanford.edu/course/statistical-learning-self-paced如果你想探究ML算法背后的數(shù)學理論基礎(chǔ)，那這門來自斯坦福的神課就是你的不二選擇，雖然課程的數(shù)學理論涉及較多，但是只要跟著兩位教授(兩位大牛，其中一位發(fā)明了大名鼎鼎的LASSO Regression)一步步來，還是比較容易懂的，本課程也采用了較易上手的R作為編程語言
以上這些都是Data Science/Analytics 的入門課，歡迎各位大牛繼續(xù)補充！
當然還有很有名的coursea上的JHU的data science系列，我在這里就不多描述了。
希望能幫到你！
Bobby
