内容
资料来源：Bplanet / iStockphoto
带走：
无论您是想开始数据科学的新职业，还是只是增强当前的技能，这些课程都可以帮助您获得所需的经验。
参加著名的名牌数据科学认证计划的主要优点是，该组织拥有信誉良好的组织。除了为技术专业的学生和新秀提供更多在该公司（例如Microsoft）找到入门职位的机会外，这对于经验丰富的专业人士也是一个很好的标志。
但是，有几门高级课程可用，例如通过edX在IBM，Microsoft，MIT，UC San Diego和哈佛开设的课程。每个人都是不同的，并且量身定制以满足不同层次上各种不同专业人士的需求。在本文中，我们将研究这些不同的程序，总结它们的最重要特征，您将要学习的技能（以及上这门课程之前需要的技能）以及为什么要选择其中一个来代替另一个。
- 麻省理工学院的统计与数据科学硕士课程
- 加州大学圣地亚哥分校的数据科学微型硕士课程
- 哈佛大学数据科学专业证书
- IBM的Python数据科学专业证书
- Microsoft数据科学专业计划
麻省理工学院的统计与数据科学硕士课程
该计划总共包括五门硕士课程，以学习机器学习，数据科学和统计学的基础。学生将学习如何使用概率建模和统计推断来分析大数据并进行数据驱动的预测。由于它是用来教授实践技能的，因此学生将了解如何从可用于决策的数据中提取有意义的信息-许多组织正在寻找的最抢手的技能之一。 （要了解有关大数据的更多信息，请参阅您可以在线上的5个有用的大数据课程。）
最重要的是，对机器学习算法，深度神经网络和其他监督方法的扎实了解将使新手数据科学家能够理解看似非结构化的数据。没有数据集会太大而无法分析。精通Python是先决条件，因为该课程将教授如何与R结合使用，以使最复杂的数据集变得有意义。
麻省理工学院的课程是“讲师进度”的，这意味着课程是在一年中的特定时间由讲师讲授的，而不是经常提供的。该课程包括4个13-16周的课程（每个星期您需要花10-14个小时参加该课程），另外还要进行为期两周的顶点考试。
- 数据科学用Python
- 使用Python的数据科学中的概率统计
- 机器学习基础
- 使用Spark进行大数据分析
哈佛大学数据科学专业证书
对于没有编程背景的人来说，哈佛计划是学习数据科学的绝佳机会。该课程将代替学生使用Python，而是通过实际案例研究，教学生如何使用R编程语言构建基础，以处理，分析和可视化数据。从学习诸如概率，推理和建模之类的基本统计概念，到如何使用tidyverse，ggplot2进行数据可视化和dplyr，都将涵盖所有基础。通过本课程，学生将熟悉实践数据科学家（例如Unix / Linux，Git和GitHub，RStudio）使用的基本工具，以及许多机器学习算法。 （如果您想了解计算机科学，请查看可以在线上的10门基本计算机科学课程。）
哈佛计划包括9项课程，其中包括顶峰考试，但比以前的课程快得多。实际上，所有课程每周只需要1-2个小时，共8周，但是由于它是自定进度的（不需要讲师），因此您可以按照自己想要的速度进行学习。最后的顶峰考试是一个机会，您可以利用在整个系列中获得的R数据分析的知识和技能，估计每周需要15-20个小时，持续2周。
- 数据科学的Python基础
- 使用Python分析数据
- 使用Python可视化数据
- 使用Python进行机器学习：实用介绍
在此注册
Microsoft数据科学专业计划
Microsoft程序是一种可靠的专业程序，它具有很大的灵活性，可以满足所有需求。您将学习如何使用各种Microsoft产品（例如Transact-SQL，Excel和Azure）来探索诸如数据查询，数据分析，数据可视化之类的主题，以及统计如何告知数据科学实践。它非常重视理论和实践，因此使其成为想要深入研究数据科学特定子领域的技术专业人士以及想要在数据科学研究方法和机器学习中打下坚实基础的新手的理想课程。
Microsoft的此专业计划具有高度的灵活性和模块化，因此您可以选择全部课程，也可以选择10门单独的自定进度课程中的任何一门，每门课程仅需16-32小时。您还可以根据自己对每种编程语言的熟悉程度来选择是否要使用R或Python完成课程。该计划包括一个顶点考试，分为3个模块：基础知识，核心数据科学和应用数据科学。
您将学到什么：
- 基础知识—学习数据科学基础知识。
- 核心数据科学—学习必要的编程语言来操纵数据并发现机器学习的基础。
- 应用数据科学-深入研究数据科学编程语言，并开始利用数据来开发智能解决方案。
在此注册
结论
所有的edX课程都非常容易上手，因为这些课程简短，易于理解且讲究重点。您将获得磨练自己的技能或学习新技术所需的所有信息，并获得所有必要的经验以适应新的职位。
该帖子包含会员链接