Eine Übersicht über jeden Datenvisualisierungskurs im Internet

Vor einem Jahr habe ich eines der besten Informatikprogramme in Kanada abgebrochen. Ich begann mein eigenes Data Science Master-Programm mithilfe von Online-Ressourcen zu erstellen. Ich erkannte, dass ich stattdessen alles, was ich brauchte, durch edX, Coursera und Udacity lernen konnte. Und ich könnte es schneller, effizienter und zu einem Bruchteil der Kosten lernen.

Ich bin jetzt fast fertig. Ich habe viele datenwissenschaftliche Kurse besucht und Teile von vielen anderen geprüft. Ich kenne die Möglichkeiten da draußen und welche Fähigkeiten für Lernende erforderlich sind, die sich auf eine Rolle als Datenanalyst oder Datenwissenschaftler vorbereiten. Vor einigen Monaten habe ich begonnen, einen überprüfungsorientierten Leitfaden zu erstellen, der die besten Kurse für jedes Fach in der Datenwissenschaft empfiehlt.

Für den ersten Leitfaden der Reihe habe ich dem Anfänger-Datenwissenschaftler einige Codierungsklassen empfohlen. Dann waren es Statistiken und Wahrscheinlichkeitsklassen. Dann war es Intros zur Datenwissenschaft selbst.

Nun zur Datenvisualisierung.

Für diesen Leitfaden habe ich mehr als 10 Stunden damit verbracht, jeden ab März 2017 angebotenen Online-Kurs zur Datenvisualisierung zu identifizieren, wichtige Informationen aus ihren Lehrplänen und Bewertungen zu extrahieren und ihre Bewertungen zusammenzustellen. Für diese Aufgabe habe ich mich an keine andere als die Open-Source-Community von Class Central und deren Datenbank mit Tausenden von Kursbewertungen und -bewertungen gewandt.

Seit 2011 hat der Gründer von Class Central, Dhawal Shah, Online-Kurse genauer im Auge als wohl jeder andere auf der Welt. Dhawal hat mir persönlich geholfen, diese Ressourcenliste zusammenzustellen.

Wie wir Kurse ausgewählt haben, die berücksichtigt werden sollen

Jeder Kurs muss drei Kriterien erfüllen:

  1. Der Großteil des Kurses muss sich auf die Visualisierung erklärender Daten konzentrieren . Die Erfassung der Datenaufbereitung ist beispielsweise zulässig, da dies ein wichtiger Bestandteil des Datenvisualisierungsprozesses ist. Kurse, die weniger relevante Themen abdecken (z. B. statistische Modellierung), sind ausgeschlossen. Mehr zur erklärenden Unterscheidung weiter unten.
  2. Es muss auf Anfrage oder alle paar Monate angeboten werden.
  3. Es muss ein interaktiver Online-Kurs sein, also keine Bücher oder schreibgeschützten Tutorials . Obwohl dies praktikable Lernmethoden sind, konzentriert sich dieser Leitfaden auf Kurse.

Wir glauben, dass wir jeden bemerkenswerten Kurs abgedeckt haben, der die oben genannten Kriterien erfüllt. Da es anscheinend Hunderte von Kursen zu Udemy gibt, haben wir uns entschieden, nur die am besten bewerteten und am besten bewerteten zu berücksichtigen. Es besteht jedoch immer die Möglichkeit, dass wir etwas verpasst haben. Bitte teilen Sie uns dies im Kommentarbereich mit, wenn wir einen guten Kurs ausgelassen haben.

Wie wir Kurse bewertet haben

Wir haben die durchschnittliche Bewertung und die Anzahl der Bewertungen von Class Central und anderen Bewertungsseiten zusammengestellt, um eine gewichtete durchschnittliche Bewertung für jeden Kurs zu berechnen. Wir haben Textrezensionen gelesen und dieses Feedback verwendet, um die numerischen Bewertungen zu ergänzen.

Wir haben subjektive Lehrplanentscheidungen auf der Grundlage von zwei Faktoren getroffen, wobei der erste dem zweiten Vorzug gegeben hat:

  1. Abdeckung der Datenvisualisierungstheorie. Werden die Gründe für die Auswahl der Visualisierung erläutert? Unterrichtet der Kurs nur das Werkzeug? Mehr dazu im nächsten Abschnitt.
  2. Abdeckung ausgewählter Datenvisualisierungstools. Vermittelt der Kurs effektiv gängige Visualisierungstools (Tableau, ggplot2, Seaborn usw.)? Haben die Schüler die Möglichkeit, diese Fähigkeiten zu üben? Die Werkzeugauswahl wird nicht bevorzugt.

Warum Visualisierungstheorie priorisieren?

Die Beherrschung eines bestimmten Werkzeugs ist ohne Kenntnis der Grundlagen einer effektiven Visualisierung verschwenderisch. Außerdem sind Werkzeuge je nach Einstellung häufig austauschbar.

Noch wichtiger ist, dass eine gute Datenvisualisierung komplexer ist als die meisten Leute denken. Von der Planung bis zur Ausführung sind sorgfältige Überlegungen erforderlich. Die Auswahl des richtigen Diagramms, das Gleichgewicht zwischen Komplexität und Unordnung, die Nutzung vorbeugender Eigenschaften und vieles mehr ist die Datenvisualisierung sowohl eine Kunst als auch eine Wissenschaft. Es ist leicht, etwas falsch zu machen, und manchmal schrecklich (siehe unten).

Explorative vs. erklärende Visualisierung

Wie von Professor Yong-Yeol Ahn von der Indiana University beschrieben, besteht das Ziel der erklärenden Datenvisualisierung darin, Erkenntnisse und Botschaften zu kommunizieren, während das Ziel der explorativen Visualisierung darin besteht, verborgene Muster zu entdecken.

Dieser Artikel konzentriert sich auf Kurse zur erklärenden Datenvisualisierung. Kurse wie die Datenanalyse von Udacity mit R (ausschließlich ein Sondierungskurs) sind daher von diesem Artikel ausgeschlossen. Das Thema ist wichtig; Es gibt einfach nicht genug Kurse, um einen eigenständigen Artikel zu rechtfertigen. Es wird kurz im zusammenfassenden Artikel für diese Serie behandelt.

Codierungserfahrung manchmal erforderlich

Einige der unten aufgeführten Kurse erfordern grundlegende Programmierkenntnisse in der Unterrichtssprache des Kurses. Wenn Sie nur sehr wenig Programmiererfahrung haben, sind unsere Empfehlungen im ersten Artikel dieser Reihe - die beste Einführung in Programmierkurse für Data Science - ein guter Anfang. Es werden sowohl Python- als auch R-Kurse behandelt.

Überprüfen Sie die fehlenden Daten

Im Vergleich zu den anderen Artikeln dieser Reihe fehlen Überprüfungsdaten für Datenvisualisierungskurse, die die oben genannten Kriterien erfüllen. Es gibt auch noch keinen eindeutigen besten Datenvisualisierungskurs. Die folgenden Empfehlungen sind daher nicht so schlüssig wie frühere Artikel. Versuchen Sie wie immer, aber besonders hier, den Kurs auszuwählen, der Ihren Anforderungen am besten entspricht.

Unsere Wahl für den besten Datenvisualisierungskurs ist…

  • Datenvisualisierung mit Tableau-Spezialisierung durch die University of California, Davis on Coursera

… Die folgende fünf Kurse enthält:

  • Grundlagen der Visualisierung mit Tableau
  • Grundlegende Gestaltungsprinzipien für Tableau
  • Visual Analytics mit Tableau
  • Erstellen von Dashboards und Storytelling mit Tableau
  • Datenvisualisierung mit Tableau Project

Davis 'Datenvisualisierung mit Tableau-Spezialisierung an der University of California bietet die beste Kombination aus Theorie und Werkzeugabdeckung, die auf der Grundlage der Bewertungskriterien dieses Artikels verfügbar ist. Es taucht wie kaum ein anderer Kurs tief in die Theorie ein. Es gibt Möglichkeiten, Tableau über exemplarische Vorgehensweisen und ein Abschlussprojekt zu üben, obwohl das Beherrschen von Tableau nicht im Mittelpunkt steht. Es handelt sich um eine relativ neue Spezialisierung (Ende 2016), und die Kurse haben auf den für diese Analyse verwendeten Bewertungsseiten nur eine 4- Sterne-Bewertung.

Govind Acharya, Hunter Whitney und Suk Brar sind die Ausbilder. Acharya ist Principal Analyst bei UC Davis. Whitney und Brar sind angesehene Branchenprofis. Sie verfügen über jahrzehntelange Erfahrung in der Datenvisualisierung, die durch die Kursinhalte klar vermittelt wird. Die Videos sind gut produziert.

Der geschätzte Zeitplan für die Spezialisierung auf Coursera beträgt 22 Wochen mit wöchentlichen Verpflichtungen zwischen drei und acht Stunden pro Woche. Diese Schätzungen sind sicherlich zu hoch, wie mehrere Gutachter und meine Erfahrungen mit Coursera festgestellt haben. Derzeit sind kostenlose (Prüfung jedes Kurses einzeln) und kostenpflichtige (Bezahlung der Spezialisierung) Optionen verfügbar.

Mehrere prominente Rezensenten auf Coursera stellten Folgendes fest:

Sie erklären Ihnen nicht nur, wie Sie das Visualisierungsdesign erstellen, sondern auch, warum (die Physiologie, die Prinzipien). Ich kann diesen Kurs nur wärmstens empfehlen. Großartiger Kurs - schützt vor einigen subtilen Fallstricken bei der Vorbereitung der Visualisierung. Obwohl der Kurs eine sehr grundlegende Einführung in die Verwendung von Tableau bietet, bietet er einen breiten und interessanten Hintergrund, der sich für alle als nützlich erweisen sollte, die ihr Verständnis verbessern möchten Grundlagen der Visualisierung.

Visualisierungstheorie und R, gelernt durch Handeln

  • Datenvisualisierung mit ggplot2 von DataCamp

… Für die es drei Teile gibt:

  • Datenvisualisierung mit ggplot2 (Teil 1)
  • Datenvisualisierung mit ggplot2 (Teil 2)
  • Datenvisualisierung mit ggplot2 (Teil 3)

Eine weitere großartige Option ist die Datenvisualisierung von DataCamp mit der ggplot2-Serie, insbesondere wenn Sie R und insbesondere ggplot2 lernen möchten. Es wird eine beträchtliche Menge an Theorie behandelt, was angemessen ist, da ggplot2 von der Grammatik der Grafik inspiriert ist. Die Abdeckung und Übung der Werkzeuge sind ebenfalls beeindruckend - Sie werden R und seine skurrile Syntax gut kennen, wenn Sie diese Kurse verlassen. Es gibt keine Bewertungen für diese Kurse auf den für diese Analyse verwendeten Bewertungsseiten.

Der Ausbilder für alle drei Kurse ist Rick Scavetta, Biologe, Werkstatttrainer, freiberuflicher Datenwissenschaftler und Mitbegründer von Science Craft. Der hybride Unterrichtsstil von DataCamp nutzt Video (mit Scavetta) und textbasierte Anweisungen mit vielen Beispielen über einen Code-Editor im Browser. Der Video-, Text- und Code-Inhalt ist gut poliert.

Zusammen beträgt der geschätzte Zeitplan für alle drei Kurse 16 Stunden. Das erste Kapitel jedes Kurses ist kostenlos verfügbar. Für den vollständigen Zugriff ist ein DataCamp-Abonnement erforderlich, das derzeit 29 US-Dollar pro Monat oder 300 US-Dollar pro Jahr beträgt.

Die folgende Bestätigung stammt von Hadley Wickham, Chief Scientist bei RStudio und Schöpfer von ggplot2:

Ich empfehle "Datenvisualisierung mit ggplot2" von Rick Scavetta. Es gibt Ihnen eine hervorragende Einführung in ggplot2. Sie lernen sowohl die zugrunde liegende Theorie als auch die Praxis in der Online-Lernumgebung von DataCamp.

Eine praktische Einführung in Tableau mit einem hervorragenden Lehrer

Tableau 10 Series von Kirill Eremenko und dem SuperDataScience-Team auf Udemy, einschließlich:

  • Tableau 10 AZ: Praktisches Tableau-Training für Data Science!
  • Tableau 10 Advanced Training: Master-Tableau in Data Science

Die Tableau 10-Serie von SuperDataScience wird von Kirill Eremenko unterrichtet und ist eine effektive praktische Einführung. Der Schwerpunkt liegt eher auf der Tool Coverage (Tableau) als auf der Datenvisualisierungstheorie. Eremenko ist einer der angesehensten Ausbilder in diesen Leitfäden mit durchweg positiven Bewertungen in seinen Kursen. Der AZ-Kurs ist Voraussetzung für den Fortbildungskurs. Zusammen haben die Kurse in der Reihe eine 4,6-Sterne-gewichtete Durchschnittsbewertung über 3.724 Bewertungen.

Die Serie enthält siebzehn Stunden Videoinhalt. Die Kosten für jeden Kurs variieren je nach Udemy-Rabatten. Diese sind jedoch häufig und können für nur 10 US-Dollar erworben werden.

Mehrere prominente Rezensenten stellten Folgendes fest:

Das war großartig. Ich benutze täglich Tableau , aber es war eine tolle Auffrischung auf einige der Elemente i nicht verwenden und eine große Lernhilfe , die Tableau Certified Professional - Prüfung zum Sitzen. Gute Arbeit Kirill und das Team!

Kirill ist ein hervorragender Lehrer, und die Schüler, die an diesem Kurs teilnehmen, werden deutlich sehen, warum er Dutzende von Kursen und Tausende von Schülern hat. Er kann komplexe Fähigkeiten in einem realen Geschäftskontext vermitteln und dies schrittweise tun, wodurch die oft komplexe Aufgabe des Lehrens beider kombiniert wird Grundlagen und kontextspezifische Anwendungen gleichzeitig.

Der Wettbewerb

Schauen wir uns die anderen Alternativen an, sortiert nach absteigender Bewertung.

Interaktive Datenvisualisierung mit Python & Bokeh (Ardit Sulce / Udemy): Werkzeugfokus (Python und Bokeh). Enthält einen Abschnitt zum Erstellen von Webanwendungen. Sieben Stunden Video. Die Kosten variieren je nach häufigen Udemy-Rabatten. Es hat eine 4,6- Sterne gewichtete durchschnittliche Bewertung über 103 Bewertungen.

Informationsvisualisierung (IVMOOC) (Indiana University / Independent): Behandelt Theorie und mehrere Tools sehr detailliert. Beeindruckendes reales Projekt. Die Registrierung funktionierte nicht, wenn versucht wurde, trotz E-Mails an die Kursadministratoren. Ein voller zwölfwöchiger Abschlusskurs. Frei. Es hat eine 4,5- Sterne gewichtete durchschnittliche Bewertung über 2 Bewertungen.

Tableau für Anfänger - Zertifizieren Sie sich Beschleunigen Sie Ihre Karriere (Lukas Halim / Udemy): Werkzeugfokus (Tableau). Vier Stunden Video. Die Kosten variieren je nach häufigen Udemy-Rabatten. Es hat eine 4,5- Sterne gewichtete durchschnittliche Bewertung über 649 Bewertungen.

Analysieren und Visualisieren von Daten mit Power BI (Microsoft / edX): Werkzeugfokus (Power BI). Maßgeschneidert für Geschäftsanwender, die in das Microsoft-Ökosystem investiert haben. Teil des Microsoft Professional Program Certificate in Data Science. Geschätzte Zeitspanne von zwei bis vier Stunden pro Woche über sechs Wochen. Kostenlos mit einem verifizierten Zertifikat, das zum Kauf angeboten wird. Es hat eine 4,5- Sterne gewichtete durchschnittliche Bewertung über 117 Bewertungen.

Analysieren und Visualisieren von Daten mit Excel (Microsoft / edX): Werkzeugfokus (Excel). Maßgeschneidert für Geschäftsanwender, die in das Microsoft-Ökosystem investiert haben. Teil des Microsoft Professional Program Certificate in Data Science. Geschätzte Zeitspanne von zwei bis vier Stunden pro Woche über sechs Wochen. Kostenlos mit einem verifizierten Zertifikat, das zum Kauf angeboten wird. Es hat eine 4,5- Sterne gewichtete durchschnittliche Bewertung über 972 Bewertungen.

Daten Visualisieren Sie Daten mit D3.js auf einfache Weise (Infinite Skills / Udemy): Werkzeugfokus (D3.js). Vier Stunden Video. Die Kosten variieren je nach häufigen Udemy-Rabatten. Es hat eine 4,4- Sterne gewichtete durchschnittliche Bewertung über 262 Bewertungen.

Datenvisualisierung mit Python und Matplotlib (Stone River eLearning / Udemy): Werkzeugfokus (Python und Matplotlib). Sechs Stunden Video. Die Kosten variieren je nach häufigen Udemy-Rabatten. Es hat eine 4,4- Sterne gewichtete durchschnittliche Bewertung über 92 Bewertungen.

Datenanalyse: Visualisierung und Dashboard-Design (Technische Universität Delft / edX): Tool (Excel) und Geschäftsfokus. Geschätzte Zeitspanne von vier bis sechs Stunden pro Woche über sechs Wochen. Kostenlos mit einem verifizierten Zertifikat, das zum Kauf angeboten wird. Es hat eine 4,2- Sterne gewichtete durchschnittliche Bewertung über 5 Bewertungen.

Big Data: Datenvisualisierung (Queensland University of Technology / FutureLearn): Ausgewogene Theorie / Werkzeugfokus. Kontakt mit einer Vielzahl von Werkzeugen. Beginn August 2017. Geschätzter Zeitplan von zwei Stunden pro Woche über drei Wochen. Kostenlos mit einem "Upgrade" zum Kauf. Es hat eine 4- Sterne-Bewertung über 1 Bewertung.

Datenvisualisierung und Kommunikation mit Tableau (Duke University / Coursera): Tool (Tableau) und Geschäftsfokus. Teil von Excel zu MySQL: Analysetechniken für die Geschäftsspezialisierung. Geschätzte Zeitspanne von sechs bis acht Stunden pro Woche über fünf Wochen. Kostenlose und kostenpflichtige Optionen verfügbar. Es hat eine 3,67- Sterne gewichtete durchschnittliche Bewertung über 9 Bewertungen.

Datenvisualisierung (Universität von Illinois in Urbana-Champaign / Coursera): Theoriefokus. Teil der Data Mining-Spezialisierung. Geschätzte Zeitspanne von vier bis sechs Stunden pro Woche über vier Wochen. Kostenlose und kostenpflichtige Optionen verfügbar. Es hat eine 3,14- Sterne gewichtete durchschnittliche Bewertung über 22 Bewertungen.

Datenvisualisierung und D3.js (Udacity): Ausgewogener Theorie- / Werkzeugfokus. Die Anweisung D3.js fühlt sich "unvollständig" und "fehl am Platz" an. Geschätzte Zeitspanne von sieben Wochen. Frei. Es hat eine mit 2,83 Sternen gewichtete Durchschnittsbewertung über 6 Bewertungen.

Datenmanagement und Visualisierung (Wesleyan University / Coursera): Ausgewogene Theorie / Werkzeugfokus. Deckt mehrere Tools ab (Python und SAS). Teil der Datenanalyse- und Interpretationsspezialisierung von Wesleyan. Geschätzte Zeitspanne von vier bis fünf Stunden pro Woche über vier Wochen. Kostenlose und kostenpflichtige Optionen verfügbar. Es hat eine mit 2,67 Sternen gewichtete Durchschnittsbewertung über 6 Bewertungen.

Angewandtes Plotten, Charting und Datenrepräsentation in Python (Universität von Michigan / Coursera): Ausgewogene Theorie und Werkzeugfokus. Kostenlose und kostenpflichtige Optionen verfügbar. Es hat eine 2- Sterne gewichtete durchschnittliche Bewertung über 4 Bewertungen.

Die folgenden Kurse hatten bis März 2017 keine Bewertungen.

Datenvisualisierung in Tableau (Udacity): Theoriefokus mit hervorragender Abdeckung. Kurze Werkzeugabdeckung (Tableau). Hauptsächlich textbasierte Anleitung mit Multiple-Choice-Tests. Teil von Udacitys Data Analyst Nanodegree und Predictive Analytics for Business Nanodegree. Dieser Kurs wird wahrscheinlich unter die ersten drei kommen, wenn er mit Videos aktualisiert wird, um den Text zu ergänzen. Geschätzte Zeitspanne von drei Wochen. Frei.

Erstellen von Datenvisualisierungstools (Johns Hopkins University / Coursera): Werkzeugfokus (R und ggplot2). Teil der JHU-Mastering-Softwareentwicklung in R-Spezialisierung. Geschätzte Zeitspanne von zwei Stunden pro Woche über vier Wochen. Kostenlose und kostenpflichtige Optionen verfügbar.

Datenvisualisierung für alle (Trinity College / edX): Theoriefokus. Geschätzte Zeitspanne von drei Stunden pro Woche über sechs Wochen. Kostenlos mit verifiziertem Zertifikat zum Kauf erhältlich.

Datenvisualisierung mit erweitertem Excel (PwC / Coursera): Werkzeugfokus (Excel). Teil der Datenanalyse- und Präsentationsfähigkeiten von PwC: die PwC-Ansatzspezialisierung. Geschätzte Zeitspanne von drei bis vier Stunden pro Woche über vier Wochen. Kostenlose und kostenpflichtige Optionen verfügbar.

Übermittlung von Business Analytics-Ergebnissen (University of Colorado Boulder / Coursera): Theorie und Geschäftsfokus. Teil von Colorado Boulders Data Analytics für Business Bootcamp-Spezialisierung. Geschätzte Zeitspanne von vier Wochen. Kostenlose und kostenpflichtige Optionen verfügbar.

Geschichtenerzählen durch Datenvisualisierung (Dataquest): Meistens ein Werkzeugfokus (Python, Matplotlib und Seaborn). Geschätzter Zeitplan unklar. Meistens kostenlos, für den vollständigen Zugriff ist jedoch ein Abonnement erforderlich.

Lernpfad zur Datenvisualisierung (O'Reilly): Ausgewogener Fokus auf Werkzeug / Theorie. Deckt D3.js. Mehrere Instruktoren. 15 Stunden Inhalt. Kostenlos mit einer zehntägigen kostenlosen Testversion.

Datenvisualisierung für Entwickler (Dan Appleman / Pluralsight): Theoriefokus. Maßgeschneidert für Entwickler. Zwei Stunden Inhalt. Kostenlos mit einer zehntägigen kostenlosen Testversion.

Die folgenden vier Kurse wurden von Bill Shander von Beehive Media erstellt und auf Lynda angeboten. Sie sind in chronologischer Reihenfolge nach Erscheinungsdatum aufgeführt.

Grundlagen der Datenvisualisierung (Bill Shander / Lynda): Theoriefokus. Vier Stunden Inhalt. Kostenlos mit einer zehntägigen kostenlosen Testversion.

Entwerfen einer Datenvisualisierung (Bill Shander / Lynda): Theoriefokus. Deckt die Erstellung eines bestimmten Projekts vom Konzept über die Datenanalyse bis hin zum Design und zur Ausführung ab. Vier Stunden Inhalt. Kostenlos mit einer zehntägigen kostenlosen Testversion.

Datenvisualisierung für Datenanalysten (Bill Shander / Lynda): Theoriefokus. Maßgeschneidert für Datenanalysten. Zwei Stunden Inhalt. Kostenlos mit einer zehntägigen kostenlosen Testversion.

Grundlagen der Datenvisualisierung zum Geschichtenerzählen (Bill Shander / Lynda): Schwerpunkt Theorie. Zwei Stunden Inhalt. Kostenlos mit einer zehntägigen kostenlosen Testversion.

Visualisierung in R, vom Anfänger bis zum Fortgeschrittenen (Nathan Yau / FlowingData): Ein vierwöchiger Kurs. Abonnement erforderlich.

Die folgenden vier Kurse werden von DataCamp angeboten. Wie oben erwähnt, nutzt der hybride Unterrichtsstil von DataCamp Video- und textbasierte Anweisungen mit vielen Beispielen über einen Code-Editor im Browser.

Datenvisualisierung in R (DataCamp): Ausgewogener Theorie- / Werkzeugfokus. Deckt Basis-R-Grafiken ab. Geschätzte Zeitspanne von vier Stunden. Für den vollständigen Zugriff ist ein Abonnement erforderlich.

Einführung in die Datenvisualisierung mit Python (DataCamp): Werkzeugfokus (Python, Matplotlib und Seaborn). Geschätzte Zeitspanne von vier Stunden. Für den vollständigen Zugriff ist ein Abonnement erforderlich.

Interaktive Datenvisualisierung mit Bokeh (DataCamp): Werkzeugfokus (Python und Bokeh). Geschätzte Zeitspanne von vier Stunden. Für den vollständigen Zugriff ist ein Abonnement erforderlich.

Datenvisualisierung in R mit ggvis (DataCamp): Ausgewogene Theorie / Werkzeugfokus. Deckt R und ggvis ab. Geschätzte Zeitspanne von vier Stunden. Für den vollständigen Zugriff ist ein Abonnement erforderlich.

Verpacken

Dies ist der vierte Teil einer sechsteiligen Reihe, in der die besten Online-Kurse für den Einstieg in die Datenwissenschaft behandelt werden. Wir haben die Programmierung im ersten Artikel, Statistik und Wahrscheinlichkeit im zweiten Artikel und Intros zur Datenwissenschaft im dritten Artikel behandelt. Der Rest der Reihe wird andere datenwissenschaftliche Kernkompetenzen abdecken. Als nächstes kommt maschinelles Lernen.

Wenn Sie Data Science lernen möchten, beginnen Sie mit einer dieser Programmierklassen

medium.freecodecamp.com Wenn Sie Data Science lernen möchten, nehmen Sie an einigen dieser Statistikklassen teil

medium.freecodecamp.com Ich habe jeden Kurs zur Einführung in die Datenwissenschaft im Internet anhand von Tausenden von Datenpunkten bewertet

medium.freecodecamp.com

Das letzte Stück wird eine Zusammenfassung dieser Artikel sowie die besten Online-Kurse für andere Schlüsselthemen wie Daten-Wrangling, Datenbanken und sogar Software-Engineering sein.

Wenn Sie nach einer vollständigen Liste der Online-Kurse von Data Science suchen, finden Sie diese auf der Themenseite Data Science und Big Data von Class Central.

Wenn Sie dies gerne gelesen haben, sehen Sie sich einige der anderen Stücke von Class Central an:

Hier sind 250 Ivy League-Kurse, die Sie jetzt kostenlos online belegen können

250 MOOCs aus Brown, Columbia, Cornell, Dartmouth, Harvard, Penn, Princeton und Yale. medium.freecodecamp.com Die 50 besten kostenlosen Online-Universitätskurse nach Daten

Als ich Class Central im November 2011 startete, gab es ungefähr 18 kostenlose Online-Kurse und fast alle von… medium.freecodecamp.com

Wenn Sie Vorschläge für Kurse haben, die ich verpasst habe, lassen Sie es mich in den Antworten wissen!

Wenn Sie dies hilfreich fanden, klicken Sie auf? so werden mehr Leute es hier auf Medium sehen.

Dies ist eine komprimierte Version meines Originalartikels, der in Class Central veröffentlicht wurde und weitere Kursbeschreibungen, Lehrpläne und mehrere Rezensionen enthält.