coursera python证书_IBM数据科学证书 | 你想要的一站式新手入门课！

Hello World！大哥终于回来了...... 虽然大哥已经写过很多数据网课推荐了，但还是有不少小伙伴问有没有大礼包一站式入门数据分析的课程...... 来来来，大哥终于在Coursera上挖到了IBM这枚新宝藏，一个月刷完了IBM Data Science Professional Certificate，赶紧来跟大家分享一下~

这个系列课一共包括了9门课，包括数据科学的一些基础理论知识、SQL、Python入门、Python处理数据、机器学习及可视化，最后一门课是Capstone，自己实操做一个项目。除了最后一门Capstone有一些复杂，其他八门课都算比较简单了，感觉是我在Coursera上过最简单的数据分析课了...... Python部分难度远不如Coursera上University of Michigan的Applied Data Science with Python专项课，SQL部分也不如Duke University的那门Managing Big Data with MySQL。九门课都通过以后，你会得到一张title很牛逼的证书，IBM数据科学专业证书...... 不过说实话，这门课也就是个普通数据分析师的水准，远不及数据科学家......

不需要编程背景，不需要会机器学习，一站式入门数据分析，真是新手友好得不能再友好了~~~ 至于这个证书在就业市场含金量有多少，大哥就不知道了~~~

> Course 1：What is Data Science？

> Course 2：Open Source Tools for Data Science

> Course 3: Data Science Methodology

前三门就是最最最基础的，介绍什么是Data Science啦，介绍这门课要使用到的工具和平台啦，然后就是方法论，大概介绍了一下数据分析项目的流程是怎样的blah blah~

> Course 4: Python for Data Science

这门是Python基础，配有很多Lab课演示代码。最后的大作业是使用pandas library导入并查看数据，以及通过自定义function建一个dashboard，看似复杂，但大部分的代码其实老师都写好了，基本只要根据instruction填填空就行了，比较简单......

画出这个图还不算完事，最后IBM还硬要来炫个技，非要你使用一下他们IBM Cloud强大的功能，把这张图存在IBM Cloud上展示 = = 我觉得这一步有点烦，要仔细看一下他们的document怎么搞......

> Course 5: Databases and SQL for Data Science

这门课就是数据库和SQL了，教了一些非常基础的SQL语句，同样配有很多Lab课用作代码演示和练习。作业是回答10个小问题，将你的SQL代码和output截图上传...... SQL是数据分析里非常重要的技能，我觉得这门课有点偏简单了，甚至都不要求你会写join语句......

真的想好好学习SQL还是强烈建议认真搞搞Duke University的Managing Big Data with MySQL，课程用了两个比较大型的真实数据，课程大作业还是要烧烧脑的，做完真的对于巩固SQL技能非常有帮助！这门课我曾经也在回答里介绍过~如何学习 SQL 语言？​www.zhihu.com

> Course 6: Data Analysis with Python

这门课的难度比前几门稍微提高了一些，内容也比较多，从导入数据，到清洗&预处理数据，到探索数据，再到建立回归模型，评估并提高模型表现......

喜大普奔的是这门课没有大作业！！！只要完成了所有quiz就过了，而且quiz都比较简单......

> Course 7: Data Visualization with Python

作为一枚Tableau重度上瘾者，大哥的内心是无比抗拒写代码搞可视化的...... 好在这门课很简单，内容也不多，可以继续水过~ 大作业有四个问题，上传你的output截图。作业不难，就是记得最后一个生成地图的问题有点小坑，应该要生成根据犯罪数高低颜色不同的旧金山地图......

如果你生成的地图像下面一样没有颜色......

请参考 回答修改代码~ 要上这门课的童鞋一定要小本本记下！！！

> Course 8: Machine Learning with Python

终于来到了倒数第二门课！！！这门课也是内容比较多 --回归分析：Linear Regression & Non-Linear Regression

分类分析：K-Nearest Neighbors & Decision Tree & Logistic Regression & Support Vector Machine

聚类分析：k-Means & Hierarchical & Density-based

推荐系统

每个机器学习算法都有视频介绍+Lab演示代码，讲解清晰，难度不高，小白友好~ 但涵盖的机器学习算法不够全，像非常常见实用的Random Forests，Naive Bayes，近几年大热的Neural Networks和各种Boosting算法，IBM这门课都没有介绍......

这门课的大作业需要运用所有学过的分类分析算法预测客户的欠债状态，还要用学过的评估模型指标(Jaccard index, F1-score, LogLoss)评估所有模型表现，不算难。

机器学习这块强烈安利Udemy上的爆款课Machine Learning A-Z™: Hands-On Python & R In Data Science，这门课真是性价比超高的良心之作，内容超多超实用，讲解清晰又明了，小白无敌友好！价格非常实惠，一般在10-15刀间浮动~

另外，Coursera上University of Michigan的Applied Machine Learning in Python也非常好，但非常不小白友好...... 这门课理论讲得稍微细致一些，毕竟是大学出品，适合接触过一些机器学习基础和熟悉Python的小伙伴。

哎呀，明明是写IBM课程review来着，怎么又忍不住跑偏卖起了其他课 = =

> Course 9: Applied Data Science Capstone

最后一门capstone课程旨在让你体验一把数据分析师/科学家的工作，你需要通过访问Foursquare API获取商家的地理信息，还需要自己动手爬网页爬取城市的地区列表，最后你根据现有数据自定义一个business problem，再做分析解决。

*Foursquare算是一个location data provider，通过访问API，可以获得定位的地理位置附近的商家信息，例如商家的种类、评论、图片、菜单，还可以查看Foursquare用户的信息等。

课程的展示案例是分析纽约曼哈顿，将曼哈顿各个neighborhood根据常见商家种类分类。曼哈顿各大neighborhood分布

可以通过Foursquare API获取所有neighborhood附近的商家种类(案例中是获取500米范围内的100个商家)，计算各大neighborhood中每个种类的商家出现的频率，为每个neighborhood选取出现频率最高的10种类型商家，最后通过k-means算法将所有曼哈顿neighborhoods分类，相似的neighborhoods同组一个cluster。分类后的曼哈顿neighborhoods分布

像图中蓝点neighborhoods都算是休闲娱乐区，最常见的商家种类就是餐厅(特别有很多意大利餐厅)、酒吧、咖啡店、酒店什么的，因此被认为相似分在了一起。部分蓝点neighborhoods常见商家种类

这个案例还是比较有意思的，但代码还是比较复杂的，新手不友好...... 不过想偷懒的可以借鉴(抄抄)这个case的代码完成最后的自定义capstone项目......

这门课的难度比前面八门突然拔高了几个档次，需要花费的时间精力都比较多，俺就来详细说一下这门课每周的任务(大哥踩过的那些坑)......

Week 1的作业是要学习使用github，将本地文件同步到github的repository里...... 对！就是那个知名同.性.交.友.网站，嗨森不嗨森！图片来自网络，侵删

Week 3的作业是类似于纽约曼哈顿那个课程案例，给多伦多的neighborhoods分类，但占分最重的一项是爬取维基百科上的多伦多neighorhoods列表(https://en.wikipedia.org/wiki/List_of_postal_codes_of_Canada:_M)。怎么爬网页也没有指导，就甩了你一个BeautifulSoup(爬虫利器)的官方文档链接(中文版https://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/)，和一个Youtube教学视频(https://www.youtube.com/watch?v=ng2o98k983k)，让你自己玩去吧......

Week 4和5就要开始你的表演了，自己想好项目要解决的问题再动手分析，还要写一份完整的项目报告和做一个PPT/写blogpost...... 说实话，大哥也真心讨厌写报告，感觉又回到了痛苦的赶due的学生时代，不过课都上到这份上了，只有硬着头皮搞完了.......

这门课我是3月份Coursera搞Data Science课程促销的时候买的，第一个月2.34刀，OMG，白菜价！！！之后每个月要39刀，所以为了省钱，大哥在一个月的最后几天疯狂赶capstone，完成质量就不咋滴了...... 2刀出头就拿了一个专项课证书，感觉省了一个亿......

Anyway，还是推荐给背景比较一清二白的数据分析小白。对于原来已经上过一些python、SQL、Machine Learning课的小伙伴，可能不会觉得收获太多，就是最后的capstone项目和IBM证书有点价值，大家自行考虑吧~