数据科学家”被称为21世纪最性感的工作，想成为数据科学家？赶紧收藏这份清单吧

作者 | Pranavathiyani G

编译 | AI100（ID : rgznai100 ）

“数据科学是一门跨学科的科学，它用统计学方法处理大量数据并对其进行分析，进而获取对数据的深刻理解。”

而今数据科学已成为新的时髦用语，《哈佛商业评论》甚至宣称“数据科学家”是“21世纪最性感的工作”。

招聘数据科学家往往要依赖于他们对技能的掌握。下图非常清楚地说明：统计学基础、编程与可视化是他们的关键技能。

具备所有这些技能的人（可被称为独角兽），通常很难找到。因此，如果一个团队的每一个人都有各自擅长的领域，那他们联合起来就能组成一个优秀的分析团队。

如何成为数据科学家？

想要成为数据科学家，你必须在所有这些领域都能有很强的基础：如编程、沟通，甚至是创造力方面。一个有创造力的人能够以他人从未有过的方式来可视化数据。

当今世界，通过互联网可以获取到大量的资源。一个人必须将他宝贵的时间用在学习、获取并提升自身的技能上。例如， KDnuggets所给出的数据科学MOOC列表：

https://www.edx.org/course/analytics-edge-mitx-15-071x-3

https://www.coursera.org/learn/machine-learning/home/info

‍‍‍‍‍

‍ https://www.edx.org/course/data-science-essentials-microsoft-dat203-1x-3 ‍ ‍‍

‍ https://lagunita.stanford.edu/courses/Home/Databases/Engineering/about ‍

http://www.codingthematrix.com

http://work.caltech.edu/telecourse.html

http://cs109.github.io/2015/

https://www.coursera.org/specializations/data-science

https://www.edx.org/course/networks-crowds-markets-cornellx-info2040x-2

https://www.edx.org/course/data-analysis-take-it-max-delftx-ex101x-1

https://www.coursera.org/learn/text-mining

http://web.stanford.edu/class/cs246/

https://www.coursera.org/learn/neural-networks

https://lagunita.stanford.edu/courses/Engineering/CVX101/Winter2014/about

https://www.coursera.org/learn/process-mining

https://www.coursera.org/learn/bioinformatics-methods-1

https://www.coursera.org/learn/bioinformatics-methods-2

https://www.udacity.com/course/model-building-and-validation--ud919

https://www.class-central.com/mooc/1470/udacity-intro-to-hadoop-and-mapreduce

https://www.udacity.com/course/real-time-analytics-with-apache-storm--ud381

https://www.coursera.org/learn/recommender-systems-introduction

如果你想学习更多数据科学方面的内容，可参考以下资料：

http://www.kdnuggets.com/
www.analyticsvidhya.com
http://www.datasciencecentral.com/
http://www.dataschool.io/resources/

原文地址

https://medium.com/towards-data-science/data-science-for-beginners-850c3376a34a

如果你觉得上边这些课程还不够，那你觉得学习数据科学还有哪些课程值得推荐呢？欢迎在评论区分享给大家。

热文推荐

多图｜入门必看：万字长文带你轻松了解LST

盘点｜最实用的机器学习算法优缺点分析，没有比这篇说得更好了

程序员想搞机器学习？看看Nodejs之父这一年摸爬滚打的心路历程

我是如何在1天内构建一个深度学习模型并进击Kaggle比赛的

技能 | 如何开始深度学习？这里有一份完整的攻略

课程结合实例介绍使用TensorFlow开发机器学习应用的详细方法和步骤，着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法，并结合实际场景和例子描述了深度学习技术的应用范围与效果。所有案例均来自讲师团队工作中的亲身实践，所选案例均是深度学习的经典应用，非常具有代表性。

点击下方“阅读原文”查看更多内容。