資料科學基礎專業課程

透過資料科學解鎖學術和職業成功。培養創造新職業機會所需的基礎知識和實務技能，無需技術經驗。

關於此專業課程

光是在美國，就有近四分之一的職位需要一些資料科學技能，而雇主為這些技能支付的費用高達 14%。（報告：ExcelinEd 和燃燒玻璃研究所）。

倫敦大學和 IBM 的這項強大專業知識為您提供了資料科學的完美學術和產業實踐介紹。你得到：

在資料豐富的環境中找到工作所需的基本技能和知識。
倫敦大學電腦科學學士學位的進度轉移

在這個專業學習期間，您將了解資料科學、統計學、程式設計、計算思維、機器學習等。您將發現資料科學在當今數據驅動的世界中的作用。此外，您還將親自使用 IBM 的資料科學工具，為您提供在面試中談論的實務經驗。

一半的教學由倫敦大學金史密斯學院提供，為您提供堅實的學術基礎。另一半由 IBM 設計，提供現實世界的專業見解，並輔以實際專案和履歷表的總整專案。

「資料科學中的問題和演算法」課程是電腦科學學士學位的一個很好的預習，如果您成功申請並註冊，您將有機會將您的進步轉化為該學位。

如果您正在尋找對資料科學的紮實、實用的理解，以釋放學術和職業機會，請立即註冊！

到官方網站了解本課程與上課

應用的學習專案

有兩個總整專案( Capstone projects )將資料科學基礎專業領域的資料匯集在一起，使您能夠應用所學。在一個專案中，學生將解決一個預測問題：預測某一天將租賃的自行車數量。使用歷史數據，學生將考慮天氣、星期幾和其他相關變數等因素，以準確預測每日自行車租賃量。這將有助於確保自行車租賃服務每天準備適當數量的自行車。學生將專門學習資料收集、線性迴歸和相關性。在另一個專案中，學生將預測獵鷹 9 號火箭第一級能否成功降落並確定發射成本。在此過程中，學生將運用技能來執行資料收集、資料整理、探索性資料分析、資料視覺化模型開發和模型評估。

你將學到的內容有

對資料科學的基礎知識和實踐理解，可釋放學術和職業機會
Python、R、SQL 以及 GitHub 和 Jupyter Notebooks 等工具的基本實作技能，包括它們在資料科學中的基本功能和用途
基礎資料科學流程，包括資料收集、簡單模型建構以及使用流程圖和虛擬碼( pseudocode )的演算法概念。
使用 Python 進行基本資料分析，使用 Pandas 和 Numpy 等程式庫( libraries )，建立簡單的儀表板，並使用聚類演算法( clustering algorithms )。

你將獲得的技能：

資料採集	Python（程式語言）	專案管理
資料科學	無線通信協議	機器學習

字幕

中文、英文

製作方

University of London 倫敦大學

倫敦大學是一所聯邦制大學，包括 17 所世界一流的學院。自 1858 年以來，倫敦大學在遠距教育方面積累了豐富的經驗，為全球成千上萬的學生提供了高品質的學位課程，豐富了他們的生活。如今，倫敦大學已成為靈活學習的全球領導者，為 190 多個國家的 45,000 多名學生提供學位課程，並在全球開展世界領先的研究。要了解有關倫敦大學的更多資訊，請訪問 http://www.london.ac.uk。

IBM

在 IBM，我們知道科技發展的速度有多快，並且意識到企業和專業人士迫切需要快速培養適合工作的實務技能。作為市場領先的技術創新者，我們致力於幫助您在這個充滿活力的環境中蓬勃發展。透過 IBM Skills Network，我們在人工智慧、軟體開發、網路安全、資料科學、業務管理等領域精心設計的培訓計劃，為您提供確保第一份工作、提升職業生涯或推動業務成功所需的基本技能。無論您是在提升自己還是您的團隊的技能，我們的課程、專業化和專業證書都可以建立技術專業知識，確保您和您的組織在競爭激烈的世界中脫穎而出。

第 1 門課程資料科學職業 – 學生視角

你將學到的內容有

在本課程中，您將了解資料科學如何在現實世界中應用、資料的含義以及機器學習的含義。

你將獲得的技能：

資料科學	Python 程式設計	Github
Rstudio	Jupyter notebooks

第 2 門課程資料科學是什麼?

你將學到的內容有

定義資料科學及其在當今數據驅動的世界中的重要性。
描述通往資料科學職業生涯的各種路徑。
總結經驗豐富的資料科學專業人士向剛起步的資料科學家提供的建議。
解釋為什麼資料科學被認為是 21 世紀最受歡迎的工作。

你將獲得的技能：

資料科學	資料分析	Python程式設計
Numpy	Pandas

第 3 門課程資料科學的工具

你將學到的內容有

描述資料科學家的工具包，其中包括：程式庫和套件、資料集、機器學習模型和大數據工具
使用資料科學家常用的語言，例如 Python、R 和 SQL
展示 Jupyter Notebook 和 RStudio 等工具的使用知識並利用其各種功能
使用 Git 儲存庫和 GitHub 建立和管理資料科學原始碼。

你將獲得的技能：

平均值和偏差	一維和二維資料	Pandas 和 K 均值

第 4 門課程問題、演算法和流程圖

你將學到的內容有

在本課程中，您將學習演算法的歷史、離散化和偽代碼以及偽代碼中的歐幾里德演算法。

你將獲得的技能：

什麼是資料？	機器學習簡介	準備您的資料
K 均值聚類演算法的工作原理

第 5 門課程 Python 用於資料科學、人工智慧和開發

你將學到的內容有

學習 Python – 最受歡迎的程式語言，用於資料科學和軟體開發。
應用 Python 程式設計邏輯變數、資料結構、分支、迴圈、函數、物件和類別。
熟練使用 Pandas 和 Numpy 等 Python 程式庫，以及使用 Jupyter Notebooks 開發程式碼。
使用 API 和 Python 程式庫（例如 Beautiful Soup）存取和網頁抓取資料。

你將獲得的技能：

相關性	專案生命週期	迴歸
專案生命週期

第 6 門課程 Python 的統計與聚類

你將學到的內容有

在本課程中，您將在完成資料聚類專案的同時進行各種數學和程式設計練習。

你將獲得的技能：

資料科學	資料分析	Python 程式設計
Pandas	Jupyter notebooks

第 7 門課程資料科學專案總整專案：預測自行車租賃

你將學到的內容有

在本課程中，您將解決一個預測問題：預測某一天將租賃的自行車數量。

你將獲得的技能：

資料科學	大數據	機器學習
深度學習	資料探勘

第 8 門課程資料科學 Python 專案

你將學到的內容有

扮演從事真實專案的資料科學家/資料分析師的角色。
展示您的 Python 技能—資料科學和資料分析的首選語言。
應用 Python 基礎、Python 資料結構以及在 Python 中處理資料。
使用 Python 和 Pandas、Beautiful Soup 和 Plotly 等程式庫使用 Jupyter Notebook 建立儀表板。

你將獲得的技能：

演算法的歷史	流程圖和虛擬碼(pseudocode)之間的轉換	虛擬碼(pseudocode)中的迴圈簡介類別：計算機科學問題
計算機科學問題