我最常被问到的问题之一是如何成为一名数据科学家或学习数据科学和机器学习最好的课程/平台是什么？2017年第一次，Kaggle，数据科学、机器学习、预测建模和分析的领先平台之一，开展了一项全行业调查，以建立对数据科学和机器学习状况的全面看法。该调查包括来自171个国家的16716名数据专业人员的回复。在这篇文章中，我们将研究学习数据科学和机器学习的顶级平台和资源根据Kaggle调查的见解。

学习数据科学和机器学习的顶级平台和资源-Kaggle对16716名数据专业人士的调查摘要

据IDC预测，2018年大数据分析就业市场将增长6倍。根据IBM的数据，到2020年，美国所有数据专业人员的职位数量将增加36.4万个，达到272万个。因此，有抱负的数据科学家和机器学习专业人士有很多机会。那么，如何进入数据科学领域呢?

获取数据科学技能有很多方法，包括在线课程、博客、教科书、交易书籍、YouTube视频等等。但是，一个有抱负的数据专业人士应该使用哪种方法来学习数据科学技能呢?

的Kaggle调查提供了关于如何学习前沿数据科学技能和/或如何成为一名数据科学家的深刻见解。此外，该调查还展示了各行业数据科学和机器学习的主要趋势。

在有用性方面学习数据科学和机器学习的顶级平台和资源

从上图可以看出，最适合学习数据科学的平台和资源有:

1. Kaggle(40%使用此资源)
2. 在线课程(36%)
3. 堆栈溢出问答(34%)
4. YouTube视频(32%)
5. 个人项目(29%)
6. 博客(29%)
7. 教材(25%)
8. 学院/大学(20%)
9. Arxiv (15%)
10. 官方文档(14%)

根据调查，任何数据专业人员都有三个平台/资源(中位数)来学习数据科学技能。数据科学家、机器学习工程师、预测建模师、研究员或科学家/研究员等职位的专业人员使用四个或更多平台。然而，拥有计算机科学家、数据矿工或程序员等头衔的人只使用两个平台。

学习数据科学和机器学习的顶级平台和资源有多有用?

如果你参考上图2，你会发现所有的平台都得到了很好的评价。大多数平台的评价要么非常有用，要么还算有用。下面是快照。

1. 个人项目(74%非常有用)
2. 在线课程(70%)
3. 栈溢出问答(63%)
4. Kaggle (62%)
5. 辅导和指导(58%)
6. 教材(55%)
7. 学院/大学(55%)
8. Arxiv (55%)
9. 官方文档(52%)
10. 非kaggle在线社区(49%)

作为职业顾问和入学顾问，我对学生和早期专业人士的建议

数据科学和机器学习都是极其复杂、不断发展和广阔的领域。你不可能一下子掌握所有的事情。你需要从最基本的开始。更重要的是，您必须将您的学习融入实际项目中。

没有单一/最好的平台、资源或课程。你必须参考多个平台和资源。这就像学校生活——一本标准的教科书是不够的;你必须读其他的参考书。

特别是数据科学，是一个非常广泛的领域，涵盖了从商业到生物信息学的各个领域。成为数据科学家没有固定的道路。你会遇到很多关于在线课程和研究生课程的广告。但是，相信我，一个课程/程序永远不足以学习数据科学。

读:揭秘神经网络、深度学习、机器学习和人工智能

研究生课程vs MOOC课程

数据科学家的主要工作是提出一种新的有意义的方法来解释数据。所以，这取决于你如何做你的工作。在线课程(MOOC)和全日制课程(如数据科学硕士)之间没有明显的赢家。这取决于你的背景、现有技能和职业阶段。

即使你被录取了顶尖大学数据科学硕士学位在美国，你还需要参加一些在线课程。同样的，在线课程也是很好的开始。但是，获得一些在线认证不足以成为一名数据科学家。

你需要关注技能和技巧。ABC大学的XYZ认证数据科学家或数据科学硕士毕业生不会让你在就业市场脱颖而出。这都是关于技能和理解。你可以有技能而没有学位，也可以有学位而没有技能。无论如何，如果你缺乏理解和技能，没有人能帮助你。

此外，你需要有扎实的领域知识。领域知识只能通过实际经验获得。因此，关键的收获是在进入数据科学领域之前积累优质的工作经验。

对数据科学家和机器学习的需求肯定在增长。数据科学人才明显短缺。但是，在数据科学领域找到一份工作与具备做好数据科学的技能是不同的。

6-12周的课堂教学项目主要MOOC平台提供的在线课程（EdX、Coursera、Udemy、Lynda、SimpliLearn、Udacity、UpGrad、SkillWise等。)可以很容易地在你的简历上找到“数据科学”的关键词。但是，获取技能以便在项目中实现并不是那么简单。

最后，学习数据科学是无止境的。如果你认为获得3个学位就能“完成”你的“必要”教育，那你就大错特错了。技术变化太快;现在非常流行的一种技术或方法，可能不会在12个月后继续流行下去。

推荐文章:

Python vs R:可用性、受欢迎程度、优势和局限、工作和薪水的元回顾

关于数据科学、机器学习、人工智能和数据分析的17个最佳在线课程

我的职业生涯之旅

我有药学和药理学背景。当然，我必须从全日制硕士学位开始。但是，在我从事生物医学研究的日子里，我参加了一些分子生物学、生物统计学和预测分析方面的课程和研讨会。这样做的目的不是为了在我的简历上增加证书。我的目标是在我的研究工作中做得更好——成为一名更好的生物医学科学家。

目前，我非常参与数字营销．这是一个非常广阔的领域，而且技术变化太快。我从阅读博客和观看YouTube教程开始。后来，我在Udemy、HubSpot和Coursera上注册了几门课程。我在Stoodnt平台上应用了一些学习和技术。

最近，我还报名了Digital Vidya的CDMM课程。所以，我基本上是在努力提升我的知识和技能。我也可以马上报名参加Digital Vidya项目。然而，我觉得我现有的技能不够好。所以，我决定在参加高级强化课程之前先学习一些基础知识。

再说一次，所有这些在线课程和证书不仅仅是为了让我的简历看起来更好看;虽然这绝对是额外的奖励。但是，我觉得我的工作和事业需要它。所以，我在做。但是，我需要不断学习，这也是所有老师的重要建议之一。我的功课稍微落后了一点。但是，我正在挑选一些东西，并在我的项目中执行它们。

俗话说，学习永远不会停止。快乐的学习

你可能也喜欢我的其他博客文章:

如何获得数据科学、机器学习和人工智能工作

在LinkedIn上排名前12的数据科学专家和最佳数据科学职业文章

印度的信息和通信技术(ICT)工作

区块链技术超越加密货币和金融服务

MBA vs微软商业分析vs微软数据科学

图片来源:雪城大学，弗吉尼亚大学，SimpliLearn和Alteryx。