数据分析与机器学习专业

选自analyticscvidhya

机器之心编译

在创造万物之前，上帝只是在做纯理论的数学。后来他想，做点应用数学应该是个有趣的变化。

——数学家 John Edensor Littlewood

数学和统计学是数据科学和机器学习的基础。就我所知，大多数成功的数据科学家都来自这些领域——计算机科学、应用数学和统计学、经济学。如果你想掌握数据科学，你就必须要对基本代数和统计学有很好的了解。

但是，对于没有数学背景的人来说，起步之路可能会举步维艰。首先，你必须要搞明白哪些必须学，哪些没有必要——其中可能包含了线性代数、微积分、概率学、统计学、离散数学、回归、优化等许多主题。你需要多么深入这些主题？自学的话很难单靠自己把这一切都把握好。

初级数学水平/统计学

数据科学数学技巧

描述统计学入门

推论统计学入门

概率和数据入门

无处不在的数学：有限数学应用

概率：基础概念离散随机变量

数学生物统计学训练营 1

线性代数应用 第一部分

数学思维入门

中级数学水平/统计学

贝叶斯统计学：从概念到数据分析

博弈论 1

博弈论 2 ：高级应用

数据科学的高级线性模型 1：最小二乘

数据科学的高级线性模型 2：统计线性模型

线性模型和矩阵代数入门

运动中的数学

高级数学水平/统计学

离散优化

基因组数据科学统计学

大数据应用的生物统计学

初级水平的数学和统计学

1. 数据科学数学技巧（Data Science Maths Skills）

地址：https://www.coursera.org/learn/datasciencemathskills

课程周期：4 周

授课：杜克大学（Coursera）

如果你是个初学者，数学知识十分有限，那么，这个课程很适合你。课程中，你会了解许多代数概念，比如集合论、不等式、函数、坐标几何、对数以及概率等等。

这个课程会带你浏览数学科学所需的所有基础数学技能并打下坚实基础。

课程开始时间为 2017 年 1 月 9 日，授课老师来自杜克大学。

预备知识：基础数学知识

2. 描述统计学入门（Intro to Descriptive Statistics）

地址：https://www.udacity.com/course/intro-to-descriptive-statistics--ud827

课程周期：8 周

授课：Udacity (Coursera)

对于想要学习统计学的初学者来说，Udacity 的这门课是非常好的入门指南。内容有趣、实用，而且有很多实例。描述统计学首先会让你熟悉各种统计学和定义。然后教授统计学概念，比如集中趋势（central tendency）、可变性（variability)、标准正态分布以及取样分布。这门课并不需要你提前掌握一些统计学知识，现开放注册。

预备知识：无

3. 推论统计学入门（Intro to Inferential Statistics）

地址：https://www.udacity.com/course/intro-to-inferential-statistics--ud201

课程周期：8 周

授课：Udacity（Coursera）

学完描述统计学后，就该学习推论统计学了。本课程仍然延续了实用的授课方式。

课程中，你会学到诸如估算（estimation）、假设检验、t 检验、卡方检验、单向方差分析、双向方差分析以及相关、回归等统计概念。

每个主题后面还配有习题集和小测试。课程结束后，你还能在真实数据组上测试学习情况。课程已开放注册。

预备知识：完全理解描述统计学（Descriptive Statistics，即上面的第 2 个推荐）

替代课程：《统计学：打开数据世界之门（Statistics: Unlocking the World of Data）》，一个为期 6 周的匹兹堡大学的课程（edX）。地址：https://www.edx.org/course/statistics-unlocking-world-data-edinburghx-statsx#!

4. 概率和数据入门（Introduction to Probability and Data）

地址：https://www.coursera.org/learn/probability-intro

课程周期：5 周

授课：杜克大学（Coursera）

本课会带你使用 R 和 RStudio 接触数据视觉化和数值统计。

首先带你掌握概率和数据挖掘基本概念，开始对课程有个基本了解。然后，分别解释不同主题下的各个概念。最后会使用真实数据集，通过一个数据分析项目测试你的学习情况。

授课人是来自杜克大学的统计学教授，也需要你预先掌握专门的 R 统计学知识。如果希望为了研究数学科学而学习 R，那么，这门课程不容错过。课程已开放注册。

预备知识：基础统计学和 R 知识。

5. 无处不在的数学：有限数学应用（Math is Everywhere: Applications of Finite Math）

地址：https://www.udemy.com/math-is-everywhere-applications-of-finite-math/

授课周期：1 周

授课：戴维森分校（Udemy）

课如其名，讲授无处不在的数学，从愤怒的小鸟到谷歌。以有趣的方式讲授应用中的数学概念。