新的一年开始了，多学一点新的东西总是好的，直接入正题。IBM Data Science Professional Certificate算是Coursera上的王牌课程，这门课到底值不值得学，到底适合哪些人学，到底难度如何，到底学什么。。。别慌，保姆级教程在此！
流程
一共9门课，在Coursera上完成这9门网课，并且每个小项都达到最低分数线（基本都在80%），就可以拿到9张Coursera的Certificate和1张Data Science Professional Certificate。10张Certificate上都有IBM和Coursera的logo。
每门课单独的Certificate，图片版权属于@Luqi珏，请勿转载。
最终IBM Data Science Professional Certificate，图片版权属于@Luqi珏，请勿转载。
并且，在你的cclaim上，可以收到9门课程的badge。读完一门发一个。
cclaim上9门课程的 badge，图片版权属于@Luqi珏，请勿转载。
Certificate
我觉得这里的Certificate只是一个“结业证明”，证明你上完了IBM在Coursera上提供的一系列Data Science相关的课程。这里的Certificate并不是我们传统意义上的某个“专业证书”。毕竟Certificate上大字明晃晃的写着online non-credit course。
适合人群
想要走Data Analysis/Data Science这个方向的0基础者，或者是真心想学些新东西的0基础者。Python/SQL/数据分析的中级学者，认真劝退，毕竟0基础一个月就能get的技能，我觉得中级学者会看不上。
难度
0基础，好好学，花心思花精力，多看一些相关的视频，我觉得都能比较轻松的过，并且你会学到很多很有趣的东西。不好好学，你想水过，也是可以的，但感觉意义也不大。
再举一个栗子，集美们大概比较好理解难度值：一般本科公共课都是1XX，2XX，专业课是从301到599不等，我觉得这门课算是一门比较简单的301。
图片版权属于@Luqi珏，请勿转载。
课程
课程一. What is Data Science?
1. 官方时长：一共3个Week的课程
2. 主要内容：介绍了Data Science到底是个什么样的学科，Data Scientist主要做些什么工作
3. Quiz：阅读理解类的题
4. Final Project：半开放式的问答题
5. 难度：非常简单
课程二. Tools for Data Science
1. 官方时长：一共4个Week的课程
2. 主要内容：介绍了Data Science需要用什么工具、公共资源有哪些、IBM提供哪些工具
3. Quiz：阅读理解类的题
4. Final Project：在IBM Watson Studio网页上，用网页版的Jupyter Notebook编辑文本（非常简单的文本类代码）
5. 难度：非常简单
课程三. Data Science Methodology
1. 官方时长：一共3个Week的课程
2. 主要内容：介绍了Data Science日常工作中Report的编写内容有哪些
3. Quiz：阅读理解类的题
4. Final Project：问答题；用这门课学的Report 格式来自问自答（遇到什么问题，使用什么方法，怎么解决）
5. 难度：非常简单
课程四. Python for Data Science and AI
1. 官方时长：一共5个Week的课程
2. 主要内容：Python的基础代码课程
3. Hands-on Lab (Ungraded): 在IBM Watson Studio网页上，用网页版的Jupyter Notebook练习代码，一定要跟着做。
4. Quiz：阅读理解类的题 + 基础代码类的选择题
5. Final Project: 在IBM Watson Studio网页上，用网页版的Jupyter Notebook分析数据，需要把得到的数据表格截图上传。
6. 难度：简单
课程五. Databases and SQL for Data Science
1. 官方时长：一共4个Week的课程
2. 主要内容：SQL的基础代码课程
3. Hands-on Lab (Ungraded)：在IBM的Db2 Cloud上，使用网页版SQL练习数据处理，一定要跟着做。
4. Quiz：基础代码类的选择题
5. Final Project: 在IBM Watson Studio网页上，用网页版的Jupyter Notebook分析数据，需要把得到的数据表格截图上传。（其实用SQL也可以完成相关作业~）
6. 难度：简单 -- 中等
课程六. Data Analysis with Python
1. 官方时长：一共7个Week的课程
2. 主要内容：Python数据分析课，包括：importing datasets，data wrangling，model等
3. Hands-on Lab (Ungraded)：在IBM Watson Studio网页上，用网页版的Jupyter Notebook练习数据分析，一定要跟着做。
4. Quiz：基础代码类的选择题
5. Final Project: 在IBM Watson Studio网页上，用网页版的Jupyter Notebook分析数据，需要把得到的数据表格截图上传。并且还需要分享你在Watson Studio上的Notebook Link。
6. 难度：中等
课程七. Data Visualization with Python
1. 官方时长：一共3个Week的课程
2. 主要内容：Python数据可视化代码
3. Hands-on Lab (Ungraded)：在IBM Watson Studio网页上，用网页版的Jupyter Notebook练习数据可视化，一定要跟着做。
4. Quiz：基础代码类的选择题
5. Final Project: 在IBM Watson Studio网页上，用网页版的Jupyter Notebook进行数据可视化操作。这个Project还是很有意思的，可以通过代码把数据源进行整理、生成表格、图表和内嵌Choropleth map。
6. 难度：难
课程八. Machine Learning with Python
1. 官方时长：一共6个Week的课程
2. 主要内容：Python数据分析，包括一些基础类算法，K-Nearest Neighbours（KNN），Decision Trees，Logistic Regression，Support Vector Machine和Clustering算法。
3. Hands-on Lab (Ungraded)：在IBM Watson Studio网页上，用网页版的Jupyter Notebook练习数据分析，一定要跟着做。
4. Quiz：基础代码类的选择题
5. Final Project: 在IBM Watson Studio网页上，用网页版的Jupyter Notebook使用不同的算法进行数据分析。所有的Project中，这个是我唯一提交了2遍的，用Watson Studio的Notebook，我死活没有办法运行jaccard similarity score，我看discussion中也很多同学说到这个问题。
6. 难度：难
课程九. Applied Data Science Capstone
最后的大Project
1. Week 1：Final Project的简单介绍
2. Week 2：Foursquare API
- 主要内容：Foursquare是什么，如何在Foursquare创建developer账号
- Hands-on Lab (Ungraded)：一步一步教会你如何使用Jupyter Notebook和Foursquare账号来爬取地理信息
- Quiz：Foursquare API相关选择题
图片来自于@Foursquare ，版权属于原作者
3. Week 3：Clustering
- 主要内容：介绍k-means Clustering
- Hands-on Lab (Ungraded)：纽约相关地理数据的Segmenting和Clustering，一定要跟着做。
- Project：多伦多地理数据的Segmenting和Clustering
- 这里就能看出Hands-on lab的重要性。其实Hands-on lab等于给你提供了模板，Project就是套模板 + 额外代码分析
图片来自于@coursera ，版权属于原作者
4. Week 4 & Week 5：Final Project
- 名字：The Battle of Neighborhoods
- 内容：简单来说就是挑选几个城市做对比，然后来帮助你达到你的商业目标。实际上就是用Week 2学的Foursquare API来获取地理信息，用Week 3学的Clustering来分析数据
- 分数：总共70分。15分：阐述你要解决什么问题；15分：阐述你要如何使用数据来解决你的问题；15分：在Github上上传你分析数据的Notebook；15分：用数据+文字写Report；10分：把report做成presentation。
不难发现，Final Project其实就是一个纸老虎。写Report、阐述问题、做presentation就是常规操作，作为商科生，我真的干啥啥不行，写自问自答的report还是心不慌的。数据分析其实也就是把第二周和第三周学习的东西再拿出来做一遍，换汤不换药
这门课官方给的优秀案例是一个咱们中国学生（我看名字猜的）的整个Project。真的是非常非常非常的优秀。
课程的打分制度
所有的Quiz都是电脑自动打分，也就是做完提交就出分数了。一般圆形的圈圈为单选题，方块型的为多选题。每个Quiz都可以重做，大部分是8个小时内做3次，也有一些是可以无限制的重做。每次重做，有一部分题目会换新的。我有一些Quiz都是做2次之后才达到需要的分数。
图片版权属于@Luqi珏，请勿转载。
所有的Project都是peer-graded，也就是说是相似时段一同参与这门课的同学给你打分。有的时候仅需要一位，有的时候两位（取平均分）。我觉得peer-graded制有利有弊，我看吐槽的还挺多的。不过我比较幸运，遇到的给我评分的同学都挺Nice + 严谨，有小问题会给你扣分，并且会留言告诉你为什么扣分。
课程完成所需时间
官方给出的时长为10个月。我看到网上挺多优秀集美分享7天就能Get（coursera前7天是免费的，7天后收$39 / 月）。作为995的打工人打工魂，我觉得一个月也是一个不错的周期（当然，我选了假期比较多的12月）。现在分享一下我的时间轴：
- 第一周：课程1，2，3，4，并且辅助看一些Youtube上Python的基础视频
- 第二周：课程5，6，并且辅助看一些Youtube上Python的基础视频
- 第三周：课程7，8，遇到不会的Google + Youtube
- 第四周：课程9，遇到不会的Google + Youtube
感想
其实我工作的行业和Data Analysis/Data Science这个领域交集不多，但是学自己感兴趣的东西，真的是一个有趣的过程，并且时代在变化，总要学点新东西充实一下自己。
我曾经一上午看了好几个小时的如何杀龙虾的Youtube视频，然后下午就去超市买了龙虾来杀 + 油炸，把龙虾吃进肚子的时候，真的一本满足。相似的情景：如果你对某门课很感兴趣，学完之后会很满足，很有收获。如果仅仅是为了一个Certificate的名号，那也是可以的（哈哈哈哈哈哈），只不过我觉得过程会少了很多乐趣。
LinkedIn的样式是这样的：
图片版权属于@Luqi珏，请勿转载。
关于学习本身，不一定要拘泥于Coursera，udemy等一些网络课程。Youtube上的资源也非常非常多，而且YouTube上基本都是保姆级的学习视频，一步一步讲的非常清楚。资讯爆棚的时代，总可以找到大家想要的信息。
愿每个人的2021年都是收获满满的一年。就酱。（失眠适合码文，手动二哈狗头）。
君君提示：你也可以发布优质内容，点此查看详情 >>
本文著作权归作者本人和北美省钱快报共同所有，未经许可不得转载。长文章仅代表作者看法，如有更多内容分享或是对文中观点有不同见解，省钱快报欢迎您的投稿。
162
28887 327 84
