如果有成为数据科学家的捷径，那么学习像成功的数据科学家那样思考和工作就是一条捷径。在本课程中，您将学习并应用这种方法论，您可以用它来解决任何数据科学问题。您将探索两种著名的数据科学方法论，即基础数据科学方法论和六阶段 CRISP-DM 数据科学方法论，并学习如何应用这些数据科学方法论。大多数成熟的数据科学家都遵循这些或类似的方法来解决数据科学问题。 首先了解业务/研究问题的形成 了解数据科学家如何获取、准备和分析数据。了解应用数据科学方法论实践如何有助于确保用于解决问题的数据是相关的，并经过适当处理以解决问题。接下来，学习如何构建数据模型、部署模型、讲述数据故事和获取反馈 您将像数据科学家一样思考，并通过在 Jupyter Notebooks 中使用 Python 托管的渐进式实验室，在真实世界的启发情景中发展数据科学方法论技能。
数据科学方法论
数据科学方法论
本课程是多个项目的一部分。
位教师：Alex Aklson另外 1 个
358,782 人已注册
包含在 中
您将学到什么
描述什么是数据科学方法论以及数据科学家为什么需要方法论。
运用跨行业数据挖掘过程（CRISP-DM）方法的六个阶段分析案例研究。
在用于分析案例研究的预测模型、描述模型和分类模型中，评估哪种分析模型合适。
为数据科学分析方法确定合适的数据源。
您将获得的技能
- 类别：数据分析
- 类别：数据清理
- 类别：用户反馈
- 类别：数据驱动的决策制定
- 类别：数据建模
- 类别：模型部署
- 类别：商业分析
- 类别：同行评审
- 类别：软件开发方法
- 类别：数据科学
- 类别：数据预处理
- 类别：数据收集
- 类别：Jupyter
- 类别：业务过程
- 类别：分析技能
- 类别：数据挖掘
- 类别：模型评估
- 类别：分类算法
要了解的详细信息
积累特定领域的专业知识
此课程作为 的一部分提供
在注册此课程时，您还需要选择一个特定的合作项目。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
在本模块中，您将发现是什么让数据科学变得有趣，了解什么是数据科学方法论，以及数据科学家为什么需要数据科学方法论。接下来，你将深入了解数据科学方法论的前两个阶段： 业务理解和分析方法。在数据需求阶段，您将了解如何确定定义决策树分类的数据需求所需的考虑因素和步骤。接下来，您将了解数据科学家用于评估数据内容、质量和初步见解的流程和技术，以及数据科学家如何管理数据缺口。 本周最后，我们将通过实际操作体验，学习如何处理业务理解和分析方法阶段的任务，以及如何处理任何数据科学问题的数据要求和收集阶段的任务。
涵盖的内容
6个视频3篇阅读材料4个作业1个应用程序项目7个插件
在本模块中，您将了解当数据科学家的任务和目标是理解、准备和清理数据时，他们会做些什么。您将了解数据建模过程的目的、特点和目标。您还将探索如何通过处理缺失、无效或误导性数据来准备数据集。 然后查看动手实验室，在那里您可以获得完成与数据理解、数据准备以及建模和评估阶段相关的任务的经验。您将能够把学到的技能应用到未来的数据科学问题中。
涵盖的内容
6个视频4个作业2个应用程序项目4个插件
完成本 Modulation 后，您将能够描述数据科学方法论的部署和 Feedback 阶段。您将学会如何评估 Data Model 的性能、影响和就绪程度。您将能够识别通常为模型完善做出贡献的利益相关者。为了完成实验室实践，您将使用与电子邮件、医院或信用卡相关的数据设计一个业务问题来加以解决。通过将 Data Science 方法应用于给定的问题，您将展示自己对该方法的理解。您将根据选定的业务问题，针对 CRISP-DM 的每个阶段构建响应。提交作品后，您的作品将由 AI 评级，提供快速、精确和建设性的反馈。
涵盖的内容
4个视频2个作业2个插件
在完成最终项目之前，了解 CRISP-DM 数据科学方法与 John Rollins 的基础数据科学方法的比较。然后，运用所学知识，使用 CRISP-DM 数据科学方法完成一项同伴评分作业，以解决您定义的业务问题。首先，您将扮演 Client 和 Data Science 两个角色，描述如何应用 CRISP-DM 数据科学方法解决业务问题。 然后，扮演数据科学家的角色，运用 CRISP-DM 数据方法论各阶段的知识，描述您将如何解决业务问题。 在您提交作业后，您提交的作业将进行 AI 评级，提供快速、精确和建设性的 Feedback。让我们开始吧
涵盖的内容
1个视频4篇阅读材料1个作业1次同伴评审1个应用程序项目2个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.6 (2,393个评价)Alex Aklson
IBM
21 门课程1,368,820 名学生
提供方
IBM
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.6
20,991 条评论
- 5 stars
71.77%
- 4 stars
21.04%
- 3 stars
4.79%
- 2 stars
1.51%
- 1 star
0.87%
显示 3/20991 个
HH
5
已于 Sep 18, 2019审阅
This was a critical course for me. Understanding the data scientists workflow which includes customer\client interaction has help me in understanding how to proceed in future endeavors.
JG
5
已于 Nov 29, 2019审阅
This was a clear and concise overview of the methodology and using the case study really helped (although sometimes it got a bit advanced considering this comes before actually learning models).
PA
5
已于 Apr 14, 2020审阅
It's a very good course for getting the basic idea of the methodology of data science. It will help to get grip on how to proceed to a problem in a systematic manner for getting good results.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问证书中的所有课程，并在完成作业后获得证书。您的电子证书将被添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。