Alai

von David Venturi

Vor einem Jahr habe ich eines der besten Informatikprogramme in Kanada abgebrochen. Ich fing an, meinen eigenen Masterstudiengang in Datenwissenschaft mit Hilfe von Online-Ressourcen zu erstellen. Mir wurde klar, dass ich alles, was ich brauchte, stattdessen bei edX, Coursera und Udacity lernen konnte. Und das schneller, effizienter und zu einem Bruchteil der Kosten.

Ich bin jetzt fast fertig. Ich habe viele Kurse im Bereich der Datenwissenschaft belegt und Teile von vielen weiteren geprüft. Ich kenne die Möglichkeiten, die es gibt, und weiß, welche Fähigkeiten für Lernende erforderlich sind, die sich auf eine Tätigkeit als Datenanalyst oder Datenwissenschaftler vorbereiten. Vor einigen Monaten habe ich begonnen, einen Leitfaden zu erstellen, in dem ich die besten Kurse für jedes Fachgebiet der Datenwissenschaft empfehle.

Im ersten Leitfaden dieser Reihe empfahl ich einige Programmierkurse für Datenwissenschaftler, die gerade erst anfangen. Dann ging es um Statistik- und Wahrscheinlichkeitskurse.

Jetzt geht es um Einführungen in die Datenwissenschaft.

(Keine Sorge, wenn Sie sich nicht sicher sind, was ein Kurs zur Einführung in die Datenwissenschaft beinhaltet. Ich erkläre es dir gleich.)

Für diesen Leitfaden habe ich mehr als 10 Stunden damit verbracht, jeden Online-Kurs zur Einführung in die Datenwissenschaft zu identifizieren, der im Januar 2017 angeboten wurde, die wichtigsten Informationen aus den Lehrplänen und Bewertungen zu extrahieren und die Bewertungen zusammenzustellen. Für diese Aufgabe wandte ich mich an keinen Geringeren als die Open-Source-Community Class Central und ihre Datenbank mit Tausenden von Kursbewertungen und -rezensionen.

Seit 2011 hat der Gründer von Class Central, Dhawal Shah, ein genaueres Auge auf Online-Kurse geworfen als wohl jeder andere auf der Welt. Dhawal hat mir persönlich bei der Zusammenstellung dieser Ressourcenliste geholfen.

Wie wir die in Frage kommenden Kurse ausgewählt haben

Jeder Kurs muss drei Kriterien erfüllen:

1. Er muss den Prozess der Datenwissenschaft vermitteln. Mehr dazu in Kürze.
2. Es muss ein On-Demand-Kurs sein oder alle paar Monate angeboten werden.
3. Es muss ein interaktiver Online-Kurs sein, also keine Bücher oder reine Leseübungen. Obwohl auch diese Möglichkeiten des Lernens denkbar sind, konzentriert sich dieser Leitfaden auf Kurse.

Wir glauben, dass wir jeden nennenswerten Kurs, der die oben genannten Kriterien erfüllt, abgedeckt haben. Da es scheinbar Hunderte von Kursen auf Udemy gibt, haben wir uns entschieden, nur die am besten rezensierten und am höchsten bewerteten Kurse zu berücksichtigen. Es besteht jedoch immer die Möglichkeit, dass wir etwas übersehen haben. Bitte teilen Sie uns in den Kommentaren mit, wenn wir einen guten Kurs ausgelassen haben.

Wie wir die Kurse bewertet haben

Wir haben die durchschnittliche Bewertung und die Anzahl der Bewertungen von Class Central und anderen Bewertungsseiten zusammengetragen, um eine gewichtete Durchschnittsbewertung für jeden Kurs zu berechnen. Wir lasen Textbewertungen und nutzten dieses Feedback, um die numerischen Bewertungen zu ergänzen.

Wir trafen subjektive Lehrplanbeurteilungen auf der Grundlage von zwei Faktoren:

1. Abdeckung des Data-Science-Prozesses. Überstreicht oder überspringt der Kurs bestimmte Themen? Behandelt er bestimmte Themen zu detailliert? Lesen Sie im nächsten Abschnitt, was dieser Prozess beinhaltet.

2. Verwendung gängiger Data-Science-Tools. Wird der Kurs mit gängigen Programmiersprachen wie Python und/oder R unterrichtet? Diese sind nicht notwendig, aber in den meisten Fällen hilfreich, daher werden diese Kurse leicht bevorzugt.

Was ist der Prozess der Datenwissenschaft?

Was ist Datenwissenschaft? Was macht ein Datenwissenschaftler? Dies sind die Arten von grundlegenden Fragen, die ein Kurs zur Einführung in die Datenwissenschaft beantworten sollte. Die folgende Infografik der Harvard-Professoren Joe Blitzstein und Hanspeter Pfister skizziert einen typischen Data-Science-Prozess, der uns bei der Beantwortung dieser Fragen helfen wird.

Unser Ziel mit diesem Kurs zur Einführung in die Datenwissenschaft ist es, mit dem Data-Science-Prozess vertraut zu werden. Wir wollen nicht zu sehr in die Tiefe gehen, um bestimmte Aspekte des Prozesses zu behandeln, daher der Teil „Einführung in“ im Titel.

Der ideale Kurs erklärt für jeden Aspekt die Schlüsselkonzepte im Rahmen des Prozesses, stellt gängige Tools vor und bietet einige Beispiele (vorzugsweise aus der Praxis).

Wir suchen nur eine Einführung. Dieser Leitfaden enthält daher keine vollständigen Spezialisierungen oder Programme wie die Data Science-Spezialisierung der Johns Hopkins University auf Coursera oder den Data Analyst Nanodegree von Udacity. Diese Zusammenstellungen von Kursen entgehen dem Zweck dieser Reihe: die besten Einzelkurse für jedes Fach zu finden, die eine Data-Science-Ausbildung ausmachen. Die letzten drei Leitfäden in dieser Artikelserie werden jeden Aspekt des Data-Science-Prozesses im Detail behandeln.

Grundkenntnisse in Programmierung, Statistik und Wahrscheinlichkeitsrechnung erforderlich

Für einige der unten aufgeführten Kurse sind Grundkenntnisse in Programmierung, Statistik und Wahrscheinlichkeitsrechnung erforderlich. Diese Anforderung ist verständlich, wenn man bedenkt, dass die neuen Inhalte ziemlich fortgeschritten sind und dass diesen Themen oft mehrere Kurse gewidmet sind.

Diese Erfahrung kann durch unsere Empfehlungen in den ersten beiden Artikeln (Programmierung, Statistik) in diesem Data Science Career Guide erworben werden.

Unsere Wahl für den besten Einführungskurs in Data Science ist…

• Data Science A-Z™: Real-Life Data Science Exercises Included (Kirill Eremenko/Udemy)

Kirill Eremenko’s Data Science A-Z™ auf Udemy ist der klare Gewinner in Bezug auf die Breite und Tiefe der Abdeckung des Data Science-Prozesses der 20+ Kurse, die sich qualifiziert haben. Er hat eine gewichtete Durchschnittsbewertung von 4,5 Sternen bei 3.071 Bewertungen und gehört damit zu den am besten bewerteten und am häufigsten bewerteten Kursen der betrachteten Kurse.

Er umreißt den gesamten Prozess und bietet Beispiele aus der Praxis. Mit 21 Stunden Inhalt hat er eine gute Länge. Die Rezensenten sind begeistert von der Art und Weise, wie der Kursleiter den Inhalt vermittelt, und von der Organisation des Kurses. Der Preis variiert je nach den Udemy-Rabatten, die häufig gewährt werden, so dass Sie den Zugang möglicherweise für nur 10 $ erwerben können.

Auch wenn der Kurs nicht unser Kästchen „Verwendung gängiger Datenwissenschaftstools“ ankreuzt, werden die ausgewählten Nicht-Python/R-Tools (Gretl, Tableau, Excel) effektiv im Kontext verwendet. Eremenko erwähnt das Folgende, wenn er die Wahl von gretl erklärt (gretl ist ein statistisches Softwarepaket), obwohl es für alle von ihm verwendeten Tools gilt (Hervorhebung von mir):

In gretl können wir die gleiche Modellierung wie in R und Python durchführen, aber wir müssen nicht programmieren. Das ist das Wichtigste hier. Einige von Ihnen kennen R vielleicht schon sehr gut, andere wiederum überhaupt nicht. Mein Ziel ist es, Ihnen zu zeigen, wie Sie ein robustes Modell erstellen können, und Ihnen ein Framework an die Hand zu geben, das Sie in jedem beliebigen Tool anwenden können. gretl wird uns dabei helfen, uns nicht in der Codierung zu verzetteln.

Ein prominenter Rezensent bemerkte Folgendes:

Kirill ist der beste Lehrer, den ich online gefunden habe. Er verwendet Beispiele aus dem echten Leben und erklärt häufige Probleme, so dass man ein tieferes Verständnis für die Kursarbeit bekommt. Er gibt auch viele Einblicke in das, was es bedeutet, ein Datenwissenschaftler zu sein, von der Arbeit mit unzureichenden Daten bis hin zur Präsentation der eigenen Arbeit vor dem Management der C-Klasse. Ich empfehle diesen Kurs für Anfänger und fortgeschrittene Datenanalysten!

Eine großartige Einführung in Python

• Intro to Data Analysis (Udacity)

Udacity’s Intro to Data Analysis ist ein relativ neues Angebot, das Teil von Udacity’s beliebtem Data Analyst Nanodegree ist. Es deckt den Data-Science-Prozess mit Hilfe von Python klar und zusammenhängend ab, auch wenn es im Bereich der Modellierung ein wenig fehlt. Der geschätzte Zeitrahmen beträgt 36 Stunden (sechs Stunden pro Woche über sechs Wochen), meiner Erfahrung nach ist er jedoch kürzer. Es hat eine gewichtete Durchschnittsbewertung von 5 Sternen bei zwei Rezensionen. Es ist kostenlos.

Die Videos sind gut produziert und die Dozentin (Caroline Buckey) ist klar und sympathisch. Viele Quizfragen zur Programmierung vertiefen die in den Videos gelernten Konzepte. Die Teilnehmer werden den Kurs mit neuen und/oder verbesserten NumPy- und Pandas-Kenntnissen verlassen (dies sind beliebte Python-Bibliotheken). Das abschließende Projekt – das im Nanodegree benotet und geprüft wird, nicht aber im kostenlosen Einzelkurs – kann eine schöne Ergänzung des Portfolios sein.

Ein beeindruckendes Angebot ohne Prüfungsdaten

• Data Science Fundamentals (Big Data University)

Data Science Fundamentals ist eine vierteilige Kursreihe der Big Data University von IBM. Sie umfasst Kurse mit den Titeln Data Science 101, Data Science Methodology, Data Science Hands-on with Open Source Tools und R 101.

Sie deckt den gesamten Data-Science-Prozess ab und führt in Python, R und verschiedene andere Open-Source-Tools ein. Die Kurse haben einen enormen Produktionswert. Der Arbeitsaufwand wird auf 13-18 Stunden geschätzt, je nachdem, ob Sie den Kurs „R 101“ am Ende belegen, der für den Zweck dieses Leitfadens nicht erforderlich ist. Leider gibt es keine Bewertungen auf den großen Bewertungsseiten, die wir für diese Analyse verwendet haben, so dass wir es noch nicht gegenüber den beiden oben genannten Optionen empfehlen können. Es ist kostenlos.

Die Konkurrenz

Unsere Nummer 1 hatte eine gewichtete Durchschnittsbewertung von 4,5 von 5 Sternen bei 3.068 Bewertungen. Werfen wir einen Blick auf die anderen Alternativen, sortiert nach absteigender Bewertung. Im Folgenden finden Sie mehrere Kurse mit Schwerpunkt auf R, falls Sie eine Einführung in diese Sprache wünschen.

• Python for Data Science and Machine Learning Bootcamp (Jose Portilla/Udemy): Vollständige Prozessabdeckung mit einem werkzeuglastigen Fokus (Python). Weniger prozessorientiert und mehr eine sehr detaillierte Einführung in Python. Ein großartiger Kurs, wenn auch nicht ideal für den Umfang dieses Leitfadens. Er kann, wie auch Joses R-Kurs weiter unten, sowohl als Einführung in Python/R als auch als Einführung in die Datenwissenschaft dienen. 21,5 Stunden Inhalt. Er hat eine gewichtete Durchschnittsbewertung von 4,7 Sternen bei 1.644 Rezensionen. Die Kosten variieren je nach Udemy-Rabatten, die es häufig gibt.
• Data Science and Machine Learning Bootcamp with R (Jose Portilla/Udemy): Vollständige Prozessabdeckung mit einem werkzeuglastigen Schwerpunkt (R). Weniger prozessorientiert und mehr eine sehr detaillierte Einführung in R. Toller Kurs, wenn auch nicht ideal für den Umfang dieses Leitfadens. Wie der Python-Kurs von Jose (siehe oben) kann er sowohl als Einführung in Python/R als auch als Einführung in die Datenwissenschaft dienen. 18 Stunden Inhalt. Er hat eine gewichtete Durchschnittsbewertung von 4,6 Sternen bei 847 Rezensionen. Die Kosten variieren je nach Udemy-Rabatten, die häufig gewährt werden.

• Data Science and Machine Learning with Python – Hands On! (Frank Kane/Udemy): Teilweise Prozessabdeckung. Konzentriert sich auf Statistik und maschinelles Lernen. Angemessene Länge (neun Stunden Inhalt). Verwendet Python. Es hat eine gewichtete Durchschnittsbewertung von 4,5 Sternen bei 3.104 Bewertungen. Die Kosten variieren je nach Udemy-Rabatten, die häufig gewährt werden.
• Einführung in die Datenwissenschaft (Data Hawk Tech/Udemy): Vollständige Prozessabdeckung, jedoch begrenzte Tiefe der Abdeckung. Ziemlich kurz (drei Stunden Inhalt). Deckt kurz sowohl R als auch Python ab. Es hat eine gewichtete Durchschnittsbewertung von 4,4 Sternen bei 62 Rezensionen. Die Kosten variieren je nach Udemy-Rabatten, die es häufig gibt.
• Applied Data Science: An Introduction (Syracuse University/Open Education by Blackboard): Vollständige Prozessabdeckung, wenn auch nicht gleichmäßig verteilt. Konzentriert sich stark auf grundlegende Statistiken und R. Zu anwendungsorientiert und zu wenig prozessorientiert für den Zweck dieses Leitfadens. Die Online-Kurserfahrung fühlt sich unzusammenhängend an. Es hat eine gewichtete Durchschnittsbewertung von 4,33 Sternen bei 6 Bewertungen. Kostenlos.
• Einführung in die Datenwissenschaft (Nina Zumel & John Mount/Udemy): Nur teilweise Prozessabdeckung, obwohl gute Tiefe in der Datenvorbereitung und Modellierung Aspekte. Ordentliche Länge (sechs Stunden Inhalt). Verwendet R. Es hat eine gewichtete Durchschnittsbewertung von 4,3 Sternen bei 101 Bewertungen. Die Kosten variieren je nach Udemy-Rabatten, die häufig gewährt werden.
• Applied Data Science with Python (V2 Maestros/Udemy): Vollständige Prozessabdeckung mit guter Tiefe der Abdeckung für jeden Aspekt des Prozesses. Angemessene Länge (8,5 Stunden Inhalt). Verwendet Python. Es hat eine gewichtete Durchschnittsbewertung von 4,3 Sternen bei 92 Bewertungen. Die Kosten variieren je nach Udemy-Rabatten, die häufig gewährt werden.

• Want to be a Data Scientist? (V2 Maestros/Udemy): Vollständige Prozessabdeckung, jedoch begrenzte Tiefe der Abdeckung. Ziemlich kurz (3 Stunden Inhalt). Begrenzte Abdeckung von Tools. Gewogene Durchschnittsbewertung von 4,3 Sternen bei 790 Rezensionen. Die Kosten variieren je nach Udemy-Rabatten, die häufig gewährt werden.
• Data to Insight: an Introduction to Data Analysis (University of Auckland/FutureLearn): Breite der Abdeckung unklar. Behauptet, sich auf die Erforschung, Entdeckung und Visualisierung von Daten zu konzentrieren. Wird nicht auf Anfrage angeboten. 24 Stunden Inhalt (drei Stunden pro Woche über acht Wochen). Gewogene Durchschnittsbewertung von 4 Sternen bei 2 Rezensionen. Kostenlos mit kostenpflichtigem Zertifikat erhältlich.
• Data Science Orientation (Microsoft/edX): Teilweise Prozessabdeckung (Modellierungsaspekt fehlt). Verwendet Excel, was sinnvoll ist, da es sich um einen Kurs der Marke Microsoft handelt. 12-24 Stunden Inhalt (zwei bis vier Stunden pro Woche über sechs Wochen). Er hat eine gewichtete Durchschnittsbewertung von 3,95 Sternen bei 40 Bewertungen. Kostenlos mit verifiziertem Zertifikat für $25 erhältlich.
• Data Science Essentials (Microsoft/edX): Vollständige Prozessabdeckung mit guter Tiefe der Abdeckung für jeden Aspekt. Deckt R, Python und Azure ML (eine Microsoft-Plattform für maschinelles Lernen) ab. Mehrere 1-Stern-Bewertungen, die die Wahl des Tools (Azure ML) und die schlechte Vermittlung durch den Dozenten anführen. 18-24 Stunden Inhalt (drei bis vier Stunden pro Woche über sechs Wochen). Der Kurs hat eine gewichtete Durchschnittsbewertung von 3,81 Sternen bei 67 Bewertungen. Kostenlos mit verifiziertem Zertifikat für 49 $ erhältlich.

• Applied Data Science with R (V2 Maestros/Udemy): Das R-Pendant zum obigen Python-Kurs von V2 Maestros. Vollständige Prozessabdeckung mit guter Tiefe der Abdeckung für jeden Aspekt des Prozesses. Angemessene Länge (11 Stunden Inhalt). Verwendet R. Er hat eine gewichtete Durchschnittsbewertung von 3,8 Sternen bei 212 Bewertungen. Die Kosten variieren je nach Udemy-Rabatten, die häufig gewährt werden.
• Intro to Data Science (Udacity): Teilweise Prozessabdeckung, aber gute Tiefe für die behandelten Themen. Es fehlt der Explorationsaspekt, obwohl Udacity einen großartigen, vollständigen Kurs über explorative Datenanalyse (EDA) anbietet. Der Kurs soll 48 Stunden dauern (sechs Stunden pro Woche über acht Wochen), ist aber meiner Erfahrung nach kürzer. Einige Kritiken meinen, dass der Einstieg in den fortgeschrittenen Inhalt fehlt. Wirkt unorganisiert. Verwendet Python. Es hat eine 3.61-Sterne gewichtete Durchschnittsbewertung über 18 Bewertungen. Kostenlos.
• Einführung in die Datenwissenschaft in Python (University of Michigan/Coursera): Teilweise Prozessabdeckung. Keine Modellierung und Visualisierung, obwohl die Kurse #2 und #3 in der Applied Data Science with Python Specialization diese Aspekte abdecken. Die Teilnahme an allen drei Kursen wäre für den Zweck dieses Leitfadens zu umfangreich. Verwendet Python. Dauer: vier Wochen. Er hat eine gewichtete Durchschnittsbewertung von 3,6 Sternen bei 15 Rezensionen. Kostenlose und kostenpflichtige Optionen verfügbar.

• Data-driven Decision Making (PwC/Coursera): Teilweise Abdeckung (keine Modellierung) mit einem geschäftlichen Schwerpunkt. Stellt viele Tools vor, darunter R, Python, Excel, SAS und Tableau. Dauer: vier Wochen. Gewogene Durchschnittsbewertung von 3,5 Sternen bei 2 Bewertungen. Kostenlose und kostenpflichtige Optionen verfügbar.
• A Crash Course in Data Science (Johns Hopkins University/Coursera): Ein extrem kurzer Überblick über den gesamten Prozess. Zu kurz für den Zweck dieser Serie. Zwei Stunden lang. Gewogene Durchschnittsbewertung von 3,4 Sternen bei 19 Bewertungen. Kostenlose und kostenpflichtige Optionen verfügbar.
• The Data Scientist’s Toolbox (Johns Hopkins University/Coursera): Ein extrem kurzer Überblick über den gesamten Prozess. Eher ein Vorbereitungskurs für die Data Science-Spezialisierung der Johns Hopkins University. Behauptet, 4-16 Stunden Inhalt zu haben (eine bis vier Stunden pro Woche über vier Wochen), obwohl ein Rezensent bemerkte, dass er in zwei Stunden abgeschlossen werden könnte. Es hat eine gewichtete Durchschnittsbewertung von 3,22 Sternen bei 182 Bewertungen. Kostenlose und kostenpflichtige Optionen verfügbar.
• Datenmanagement und Visualisierung (Wesleyan University/Coursera): Teilweise Prozessabdeckung (Modellierung fehlt). Vier Wochen Dauer. Guter Produktionswert. Verwendet Python und SAS. Gewogene Durchschnittsbewertung von 2,67 Sternen bei 6 Rezensionen. Kostenlose und kostenpflichtige Optionen verfügbar.

Die folgenden Kurse hatten im Januar 2017 keine Bewertungen.

• CS109 Data Science (Harvard University): Vollständige Prozessabdeckung in großer Tiefe (wahrscheinlich zu tief für den Zweck dieser Serie). Ein kompletter 12-wöchiger Undergraduate-Kurs. Die Kursnavigation ist schwierig, da der Kurs nicht für den Online-Konsum konzipiert ist. Die aktuellen Harvard-Vorlesungen werden gefilmt. Die obige Infografik zum Data Science-Prozess stammt aus diesem Kurs. Verwendet Python. Keine Prüfungsdaten. Kostenlos.

• Introduction to Data Analytics for Business (University of Colorado Boulder/Coursera): Teilweise Prozessabdeckung (Modellierungs- und Visualisierungsaspekte fehlen) mit Fokus auf Business. Der Datenwissenschaftliche Prozess wird in den Vorlesungen als „Information-Action Value Chain“ getarnt. Vier Wochen Dauer. Beschreibt mehrere Tools, deckt aber nur SQL in der Tiefe ab. Keine Prüfungsdaten. Kostenlose und kostenpflichtige Optionen verfügbar.
• Einführung in die Datenwissenschaft (Lynda): Vollständige Prozessabdeckung, jedoch begrenzte Tiefe der Abdeckung. Ziemlich kurz (drei Stunden Inhalt). Führt sowohl in R als auch in Python ein. Keine Prüfungsdaten. Die Kosten hängen vom Lynda-Abonnement ab.

Zusammenfassung

Dies ist der dritte Teil einer sechsteiligen Serie, die die besten Online-Kurse für den Einstieg in den Bereich der Datenwissenschaft behandelt. Im ersten Artikel ging es um Programmierung, im zweiten um Statistik und Wahrscheinlichkeitsrechnung. Der Rest der Serie wird sich mit anderen Kernkompetenzen der Datenwissenschaft befassen: Datenvisualisierung und maschinelles Lernen.

Wenn Sie Datenwissenschaft lernen wollen, beginnen Sie mit einem dieser Programmierkurse

Wenn Sie Datenwissenschaft lernen wollen, nehmen Sie ein paar dieser Statistikkurse

Der letzte Teil wird eine Zusammenfassung dieser Artikel sein, plus die besten Online-Kurse für andere wichtige Themen wie Datenverarbeitung, Datenbanken und sogar Softwaretechnik.

Wenn Sie eine vollständige Liste von Online-Kursen zu Data Science suchen, finden Sie diese auf der Themenseite Data Science und Big Data von Class Central.

Wenn Ihnen diese Lektüre gefallen hat, sollten Sie sich auch die anderen Beiträge von Class Central ansehen:

Hier sind 250 Ivy League Kurse, die Sie jetzt kostenlos online belegen können
250 MOOCs von Brown, Columbia, Cornell, Dartmouth, Harvard, Penn, Princeton und Yale.

Die 50 besten kostenlosen Online-Universitätskurse laut Daten
Als ich Class Central im November 2011 ins Leben rief, gab es etwa 18 kostenlose Online-Kurse, und fast alle…

Wenn Sie Vorschläge für Kurse haben, die ich übersehen habe, lassen Sie es mich in den Antworten wissen!

Wenn Sie diesen Artikel hilfreich fanden, klicken Sie auf das ? damit mehr Leute ihn hier auf Medium sehen.

Dies ist eine gekürzte Version meines ursprünglichen Artikels, der auf Class Central veröffentlicht wurde, wo ich weitere Kursbeschreibungen, Lehrpläne und mehrere Bewertungen hinzugefügt habe.