Data Science 课程可帮助您了解如何分析数据、创建模型并评估其性能。您可以发展统计、自动学徒、数据准备和可视化方面的能力。许多课程使用最新的语言和书库,用于实践项目。

您将获得的技能: 数据操作, 应用编程接口 (API), 数据处理, JSON, 脚本, 网页抓取, 自动化, Pandas(Python 软件包), 数据导入/导出, NumPy, 面向对象编程(OOP), 计算机编程, 还原式 API, 编程原则, 数据结构, Python 程序设计, 数据分析, Jupyter
初级 · 课程 · 1-3 个月

IBM
您将获得的技能: 仪表板, 数据清理, 生成式人工智能, 交互式数据可视化, 同行评审, Plotly, SQL, 数据导入/导出, 探索性数据分析, 数据转换, 数据分析, 数据可视化软件, 无监督学习, Jupyter, 数据可视化, 监督学习, 数据扫盲, 功能工程, 专业网络, 数据整理
攻读学位
初级 · 专业证书 · 3-6 个月

IBM
您将获得的技能: 云计算, 数字化转型, 人工智能, 数据驱动的决策制定, 深度学习, 机器学习, 数据科学, 数据分析, 数据挖掘, 大数据, 数据扫盲
初级 · 课程 · 1-4 周

您将获得的技能: 数据操作, 关系数据库, Pandas(Python 软件包), 事务处理, 数据库, Python 程序设计, SQL, 数据分析, Jupyter, Query 语言, 存储过程
初级 · 课程 · 1-3 个月

您将获得的技能: Data Ethics, Data-Driven Decision-Making, Data Analysis, Analytics, Business Analytics, Data Storytelling, Big Data, Data Science, Communication, Stakeholder Communications, Workflow Management, Project Management, Artificial Intelligence
高级设置 · 课程 · 1-3 个月

IBM
您将获得的技能: 仪表板, 数据操作, 数据处理, 网页抓取, 数据收集, Pandas(Python 软件包), Python 程序设计, 数据科学, 数据分析, Jupyter, 数据展示
中级 · 课程 · 1-4 周
Johns Hopkins University
您将获得的技能: 数据清理, 交互式数据可视化, 机器学习算法, GitHub, 预测建模, 回归分析, 机器学习, 数据操作, Plotly, 绘图(图形), Rmarkdown, 版本控制, 探索性数据分析, 闪亮(R 套件), 数据科学, 统计假设检验, 统计分析, R 语言程序设计(中文版), 统计推理, 数据整理
初级 · 专项课程 · 3-6 个月

IBM
您将获得的技能: 云计算, 数据收集, 同行评审, 关系数据库, 数据建模, 预测建模, SQL, 数据库, 决策树学习, Python 程序设计, 数据科学, 数据可视化软件, 计算机编程工具, 数据挖掘, Jupyter, Query 语言, 大数据, 存储过程, 数据扫盲, 商业分析
攻读学位
初级 · 专项课程 · 3-6 个月

University of California, Davis
您将获得的技能: 数据操作, 关系数据库, 数据建模, 数据质量, SQL, 数据转换, 数据科学, Data Governance, 数据分析, Query 语言, 数据库设计
初级 · 课程 · 1-4 周

University of Michigan
您将获得的技能: 数据操作, 可视化(计算机制图), 交互式数据可视化, 数据处理, Pandas(Python 软件包), NumPy, 文本挖掘, 统计可视化, 科学可视化, 应用机器学习, 数据可视化软件, 社交网络分析, 图论, 功能工程, Python 程序设计, Matplotlib, 数据可视化, 监督学习, 网络分析, 自然语言处理
中级 · 专项课程 · 3-6 个月

IBM
您将获得的技能: 数据操作, 数据清理, 数据驱动的决策制定, 预测建模, 回归分析, 数据导入/导出, Pandas(Python 软件包), NumPy, 统计分析, 探索性数据分析, Python 程序设计, 数据分析, 数据转换, 功能工程, Matplotlib, 数据可视化, 数据管道, Scikit-learn (机器学习库), 数据整理
中级 · 课程 · 1-3 个月

您将获得的技能: 仪表板, 统计, 概率分布, 描述性统计, 网页抓取, 数据导入/导出, Pandas(Python 软件包), 关系数据库, 统计分析, 编程原则, SQL, 数据科学, Python 程序设计, 计算机编程工具, 数据可视化软件, 数据分析, Jupyter, 数据可视化, 存储过程, 数据展示
攻读学位
初级 · 专项课程 · 3-6 个月
开始学习数据科学的人应该对统计学和编码有基本的了解。 开始学习不需要任何经验,但学习者应具备较强的计算机技能,并对收集、解释和展示数据感兴趣。
喜欢编码和处理数据的分析型思维者是学习数据科学的最佳人选。 数据科学家大部分时间都在计算机上工作,因此学习者必须能够自如地学习各种编码语言。 对机器学习、深度学习和人工智能感兴趣的人也非常适合学习数据科学。 数据科学家需要具备很强的沟通能力,并能适应在截止日期前工作。 数据科学家团队通常只负责一个项目,因此最适合学习数据科学的人需要与同事合作无间,并具备出色的组织能力。
通过一个简短的测验,找到最适合您目标的数据科学课程--无论您是在探索数据分析、Python 编程、机器学习,还是在探索 SQL 和 Tableau 等工具。进行小测验,了解您的理想起点。
数据科学领域最常见的职业道路是担任初级或助理数据科学家。 在积累了一定的工作经验后,数据科学家的下一条道路是获得硕士或博士学位,成为高级数据科学家或机器学习工程师。 从那里,你可以获得博士学位,成为首席数据科学家或数据科学家架构师。
掌握数据科学方面的技能,可以在科技、医疗保健、金融等各个领域获得广泛的就业机会:
参加我们的职业测验,了解哪个数据科学职位最适合您!
想要提高团队的 Data Science 技能?Coursera 为 5-125 人的团队提供量身定制的企业解决方案。我们的产品包括高级分析、定制学习路径和协作工具。要了解我们的 Data Science 培训选项并进行购买,请访问我们的Coursera for Teams页面。