coursera上有哪些值得学习的Python，数据分析的课程_百度知道用Python玩转数据_南京大学_中国大学MOOC(慕课)
扫码下载官方APP
用Python玩转数据
本课程主要面向非计算机专业学习者，不局限某个专业和学历层次，需要一些程序设计的基本概念如计算机求解问题的框架和一些如素数判断这样的基本算法，缺少上述基础的同学不用担心，在上课过程中可以根据课程自己进度补充一下相关知识就可以了。& &整个课程以Yahoo财经数据为基础，通过构建一个个喜闻乐见的案例，让大家可以以更直观的方式领略Python的简洁、优雅和健壮，同时探讨Python除了在商业领域之外在文学、社会学和新闻等人文社科类领域以及在数学和生物等理工类领域同样拥有便捷高效的数据处理能力，并可以触类旁通将其灵活应用于各专业中。整个课程分5个模块，从Python基本语法开始，到Python中如何从本地和网络上进行数据获取，如何表示数据，再到如何对数据进行基础和高级的统计分析及可视化，到最后如何设计一个简单的GUI界面来表示和处理数据，层层推进。
爱上Python，爱上数据分析，爱上用Python进行数据分析！
本课程需要完成的作业在完成所有模块学习的基础上，在每个模块后需要完成随堂测验和作业，内容为考察程序知识方面的客观题和编程题本课程需要完成的考试课程结束后安排期末考试总成绩总成绩 = 单元测试/作业*50%（包含同伴互评和编程） + 期末考试*50%证书总成绩60-79分为合格，可获得合格证书总成绩80-100分为优秀，可获得优秀证书
& &本课程主要面向非计算机专业的软件开发爱好者，不局限某个专业和学历层次，需要一些程序设计的基本概念如计算机求解问题的框架和一些如素数判断这样的基本算法，缺少上述基础的同学不用担心，在上课过程中可以根据课程自己进度补充一下相关知识就可以了。
本课程共分为5个模块（实际课程为7周）：?Module 01: Python基础本模块主要讨论Python的基本语言结构、数据类型、基本运算、条件和循环、函数和模块等内容，用它们就可以写一些有用的程序了！?MODULE 02: 数据获取与表示本模块主要讨论Python在本地数据和网络数据获取的方式，会使用Python中基础但功能十分强大的数据结构序列、字符串、列表、元组快速有效地数据表示以及做简单的数据处理。?MODULE 03: 强大的数据结构和Python扩展库本模块主要讨论Python中高级的数据结构字典和集合以及Python最著名使用最广泛的科学计算包SciPy中ndarray、Series和DataFrame中的简洁高效的数据结构。?MODULE 04: Python数据统计和可视化本模块可以让学习者从一堆数据中快速有效地挖掘出想要的或者期待的又或者是未知的结果，也可以将这些数据用各类图像来表示。另外将讨论Python中一些第三方包的数据统计功能。?MODULE 05: 面向对象和图形用户界面本模块主要讨论面向对象，图形用户界面与面向对象的关系，这部分内容只要求理解概念，将来可以在用各种新函数时更自如更简单地上手，不要求写程序。另外图形用户界面的基本框架、常用的组建和布局管理也是重点讨论的问题，着重对GUI感性的认识。
1.几个常用的网站Python IDE下载：(1)&(2)&(3)&（推荐使用）2.Python参考教程和网站(1) Magnus Lie Hetland,&Beginning Python: from Novice to Professional, 2nd edition, Apress.（第二版中译版名为《Python基础教程》）(2) &Wesley Chun, Core Python Applications Programming, Prentice Hall.（第二版中译版名为《Python核心编程》）(3) &SciPy科学计算：http://www.scipy.org/(4) &Wes McKinney, Python for Data Analysis. 东南大学出版社. （英文影印本，中译版名为《利用Python进行数据分析》）
提问：课程基于Python 2.x还是Python 3.x？回答：目前是两个版本共存阶段，以Python 2.x为叙述基础，并用若干种形式补充说明Python 3.x中的相关不同用法，兼顾两个版本。quiz适用于Python 2.x和Python 3.x，同时编程作业可以自行选择使用Python 2.x或Python 3.x。关于这个问题，课程中还有一个凄美的爱情故事呢。提问：这门课人文社科类专业的同学能听得懂吗？ 回答：课程中尽量用简单的案例来让大家了解Python在相关方面的功能，只要认真听，多思考和多实践，特别是Python丰富的模块和库的认真细致的练习和思考，绝大部分内容是能够掌握的。
由高教社联手网易推出，让每一个有提升愿望的用户能够学到中国知名高校的课程，并获得认证。
| 京ICP备号-2 |
(C) icourse163.org中文/学堂在线/清华大学
4362 学习过
0 觉得不错
数据是对客观事物的一种量化描述。在数据时代，同学们要逐渐养成数据思维的习惯，把数据自身当做一种重要的生产...
英语/coursera/伊利诺伊大学
1806 学习过
0 觉得不错
这这一课程中，我们将学习数据挖掘的基本概念及其基础的方法和应用，然后深入到数据挖掘的子领域——模式发现中...
英语/edX/微软官方课程
1415 学习过
2 觉得不错
在线数据科学专业研发，R语言编程基础入门课程。...
英语/coursera/约翰霍普金斯大学
2130 学习过
1 觉得不错
本课程的重点是创建一个可以在下游分析中使用干净的数据集。一旦你掌握了这门课程，你将准备了解技术探索，分析...
1279 学习过
0 觉得不错
决策统计学数据描述阶段和基础分析阶段学习。...
英语/edx/卡罗林斯卡学院
1648 学习过
1 觉得不错
学习基本的统计实践，实验的方法，R编程统计。...
中文/coursera/南京大学
2007 学习过
4 觉得不错
利用Python的程序设计方便快捷地获取数据、并且对数据进行分析和展示，课程通过多个案例来讲解用Python玩转各...
英语 中文/coursera/约翰霍普金斯大学
919 学习过
2 觉得不错
掌握数据分析处理，整理，使用真实世界的数据构建数据产品的技能。
524 学习过
1 觉得不错
R语言基础入门知识学习，学会R的安装，对象，类，可视化函数，如何用R读取数据等等。...
中文/好大学在线/国立交通大学
551 学习过
0 觉得不错
信息繁杂的时代，不论是市场管理，财务管理，以及其它方面的研究，都需要借助统计学。...
英语 中文/coursera/约翰霍普金斯大学
817 学习过
3 觉得不错
了解如何使用R进行编程以及如何使用R进行有效的数据分析。本课程是约翰霍普金斯（Johns Hopkins）数据科学专项...
英语 中文/coursera/约翰霍普金斯大学
527 学习过
1 觉得不错
做一名数据分析员和数据方面的科学家，不仅要有很强的数据分析能力，更重要的对于数据分析工具也有很强的使用能...
Copyright (C) 在线免费学习网. 版权所有.
ICP许可：浙ICP备号-8coursera上有哪些值得学习的Python，数据分析的课程_百度知道译荐：关于数据科学的顶尖网络课程top10_36大数据_【传送门】
译荐：关于数据科学的顶尖网络课程top10
Manu Jeevan
作者：Manu Jeevan随着大数据技术逐步简化了人们的日常工作与社会行为，在过去的几年里，各个行业对于数据科学家的需求已经有了明显的增加。全球的企业都在试图争取到具备数据科学技能的精英们，并且愿意为之付出大量的资金以确保这些疯狂的数据工作者得到他们应得的报酬。专家们一致认为数据科学仍处于起步阶段，它很快会成为一个及其普遍的学科。如果你想了解数据科学并成为一名数据科学专家，可以看看本文的课程评价1）哈佛大学数据科学课程该课程是综合类的数据科学概念，如机器学习，可视化，数据挖掘，编程，数据改写等。在整个课程中你将使用流行的Python库如numpy，SciPy，Scikit-learn，Pandas 。我建议你在学习此课程前先完成coursera机器学习课程，机器学习课程包括了PCA（降维），K-means和不包含深度的逻辑回归。但请记住，你必须投入大量的时间来完成这个过程，尤其是作业练习将非常具有挑战性。如果你擅长统计和编程可以选择这个课程。 2014年版本的哈佛数据科学课程。你可以在这里访问的演讲视频（http://cs109.github.io/2014/）。前提要求：CS50和统计100编程语言：Python课程长度：3个月难度：非常高教师：Hanspeter Pfister 和 Joe Blizsten别人的评论：Vincent granvelli写了关于这门课程的详细评论。cs109学到什么 – QuoraMs. Natalia写了这个课程评论。 2）分析边缘本课程给R语言提供了一个很好的介绍，同时也给予了一些统计建模技术的经验。该课程运用了真实世界的例子说明了如何运用分析技术使提高企业或行业得到显著的提升 。工作量非常大，但讲座和习题集有着非常合理的安排和结构。如果您有兴趣学习一些实用的分析方法，但又不希望去了解庞杂的数学背景，这个课程非常适合你。前提要求：数学的基本知识编程语言：R,Libre office/Excel课程长度：11周难度：高教师：Dimitris Bertsimas 和 Allison Kelly O’Hair别人的评论：课程讲座 3）Coursera机器学习课程数据科学和机器学习是密切相关的。除了机器学习，该课程还向您介绍了如何处理高维数据（PCA），介绍了MapReduce，偏见VS差异，学习曲线等。课程采用了Octave（替代MATLAB），将有一套视频向您展示如何使用Octave。学习这门课程之前，最好是有一些积分的知识，因此可以考虑先学习MIT的多变量微积分课程。前提要求：基本线性代数和微积分编程语言：Octave课程长度：10周难度：低教师：Andrew Ng 4）Udacity数据分析师微学位该课程是由Udacity和AT＆T提供的一个微学位，你可以通过$ 200 /每月一共6-12个月（10-20小时/周）去得到一个网上认证。 Udacity的数据科学教授R语言，Python，MongoDB和Hadoop。课程涵盖理论和数据科学的实践，并且在课程结束时会有一个项目让你运用你所学到的知识。该项目可以是被视作你的工作成绩与他人，尤其是招聘人员分享。这门课程的前提要求是相当高的，你学习这门课程之前需要各种技能。前提要求：描述统计，推论统计，数据争论，R，机器学习，数据可视化，数据科学基础知识，计算机科学基础知识。课程长度：12个月（10小时/周）难度：非常高教师：Chen Hang Lee 和 Miriam Swords Kalk 5）计算思维和数据科学导论本课程简要的介绍了策划，随机程序，概率统计，随机游走，蒙特卡罗模拟，数据建模，问题优化和集群。即使你只有一点编程经验，你也可以从这个课程中学到很多东西。该课程是Python和数据科学初学者的启蒙课程。前提要求：介绍计算机科学和Python编程编程语言：Python课程长度：9周（12小时/周）难度：中级教师：John Guttag, Eric Grimson, Ana Bell课程相关评论：Mooctivity 6）Coursera介绍到数据科学课程这个课程广泛介绍了数据科学的各种概念。第一个程序练习“Python下的推特情感分析”是非常具有挑战性的，而且只分配了非常少的时间。Bill Howe教授已经假定您了解统计数据，Python和SQL了，你真的需要知道它们，因为课程中并不会教授很多相关知识。在学习此课程之前，通过斯坦福的数据库课程，从代码学院学习Python编程概念，学习基本的统计和机器学习的基础知识。不要指望这门课程会向您介绍这些概念。这门课解释了很多关于关系数据库，Map Reduce 和 No -sql。该课程并不适合初学者。前提条件：Python，统计，数据库基本知识基础。教师：Bill Howe编程语言：Python和R长度：3个月难度：中等评论有关课程：课程讲座和Quora 7）Johns Hopkinson 数据科学课程R语言是探索数据分析和清理数据模块非常好的教程和实践。统计推断和回归模型结构模块并没有很合理的安排;他们有太多新的资料需要初学者学习。数据科学家的工具箱模块就是在浪费时间;你可以在这里看关于这个模块的评论：数据科学工具盒。用项目漩涡来学习R语言非常值得玩味。大多数的时间教授仅仅就是读幻灯片，不添加任何附加信息。某些概念也没有解释清楚，所以你会花更多的时间使用Google来学习这些概念。这是对于统计来说太传统，太沉重。 提要求：工作的数学知识达代数和一些编程知识。教师: Brian Caffo编程语言：R长度：12个月难度：中级评论有关课程：科技供电数学 8）基础数据分析本课程的重点是统计学并且提供了一些R语言中描述和推断统计概念的经验，如果你想学习R和统计概念，那么这个是最适合你的。您将利用一个良好的格式化的数据集来工作，这样你就不需要学习数据改写。在这个课程结束时，你会使用不同的统计方法在R语言里解决自己的相关数据问题。前提要求：无教师：Micheal J. Mahometa编程语言：R长度：13周（3-6小时/周）难度：中级评论有关课程：课程讲座 9）数据科学在行动本课程基于Wil van der Aals教授的“挖掘过程”一书。如果你是一个商务人士，不具备编程经验，那么这个课程是最适合你的。本课程是一个经典的“商界”与“IT”之间沟通的桥梁。该课程采用很多真实世界的事件日志来作为说明这些概念和算法的例子。经过这一过程，你将能够运行进程挖掘项目，并对商务流程智能领域有很好的理解。前提要求：对逻辑，集，统计有一个基本的了解（本科阶段）。教师：Wil Van Der Aalst编程语言/工具：ProM, Disco, Rapid Miner长度：13周（3-6小时/周）难度：容易 10）挖掘大量数据集该课程将为您介绍基本的算法和技术来处理大数据，如MapReduce， Locality Sensitive Hashing，页面排名，以及大型图形和数据流算法。它会教你如何将这些工具包运用于重要的实际应用，如网页搜索，推荐系统和在线广告。本课程对于降维方面的学习将非常重视。此课程将免费提供一本基于课程的教课书。本课程期望你有数据库和算法方面的良好的知识。前提要求：算法，数据结构和数据库的基础课程教师：Jure Leskovec, Anand Rajaraman, Jeff Ulman编程语言特点/工具：SQL长度：6周难度：中级评论关于课程：Quora 结论：这些即将到来的数据分析课程包括了数据分析的计算方法，数据分析和统计推断，编码矩阵。Data camp是学习R语言的一个好地方。如果你想利用Python进行数据分析，你可以多多关注我的文章。原文标题：Review of top 10 online Data Science coursesEnd.
觉得不错，分享给更多人看到
36大数据 微信二维码
分享这篇文章
8月12日 22:02
36大数据 最新文章
36大数据 热门文章