数据科学基础:基础知识

数据科学正在推动世界范围的革命,涉及从业务自动化到社交互动的所有方面。它也是全球增长最快,回报最高的职业之一,其分析师和工程师遍布全球。本课程提供了该领域的易于访问的非技术性概述,涵盖了数据科学的词汇、技能、工作、工具和技术。讲师Barton Poulson定义了它与其他数据饱和领域的关系,例如机器学习和人工智能。他回顾了主要实践:收集和分析数据、制定分类和决策规则以及得出可行的结论。他还讨论了道德和问责制,并提供了学习更多内容的指导。到最后,你将看到数据科学如何帮助你做出更好的决策、获得更深刻的结论以及使你的工作更高效。

主题包括:

  • 评估数据科学职业所需的技能
  • 评估不同的数据源,包括指标和API。
  • 通过图表和统计信息探索数据。
  • 了解数据科学家如何使用R、Python和SQL等编程语言。
  • 评估数学(例如代数)在数据科学中的作用。
  • 评估数据统计中应用统计学(例如置信区间)的作用。
  • 评估机器学习(例如人工神经网络)在数据科学中的作用。
  • 定义有效数据可视化的组件。

课程信息

  • 英文名称:Data Science Foundations: Fundamentals
  • 时长:3小时41分
  • 字幕:英语

课程目录

  1. The fundamentals of data science
  2. Supply and demand for data science
  3. The data science Venn diagram
  4. The data science pathway
  5. Roles and teams in data science
  6. Artificial intelligence
  7. Machine learning
  8. Deep learning neural networks
  9. Big data
  10. Predictive analytics
  11. Prescriptive analytics
  12. Business intelligence
  13. Legal, ethical, and social issues of data science
  14. Agency of algorithms and decision-makers
  15. Data preparation
  16. In-house data
  17. Open data
  18. APIs
  19. Scraping data
  20. Creating data
  21. Passive collection of training data
  22. Self-generated data
  23. The enumeration of explicit rules
  24. The derivation of rules from data analysis
  25. The generation of implicit rules
  26. Applications for data analysis
  27. Languages for data science
  28. Machine learning as a service
  29. Algebra
  30. Calculus
  31. Optimization and the combinatorial explosion
  32. Bayes' theorem
  33. Descriptive analyses
  34. Predictive models
  35. Trend analysis
  36. Clustering
  37. Classifying
  38. Anomaly detection
  39. Dimensionality reduction
  40. Feature selection and creation
  41. Validating models
  42. Aggregating models
  43. Interpretability
  44. Actionable insights
  45. Next steps

评论

下载 数据科学基础:基础知识

收起