您的新技能
您将在我们的交互式数据科学课程中学习所有这些以及更多内容：
- y 通编程
- 的SQL 查询
- 数据分析和可视化
- 数据挖掘，Web抓取和API
- 概率统计
- 机器学习
- 深度学习
- Jupyter笔记本
- 吉特
- 命令行/ bash
您的新投资组合
预测股市
使用机器学习预测未来股价
预测房屋销售价格
使用线性回归预测房地产价格
进行市场分析
使用统计分析来识别市场机会
分析SAT公平性
使用人口统计数据和SAT分数评估测试偏差
建立手写数字分类器
使用深度学习构建用于读取手写数字的系统
构建自定义垃圾邮件过滤器
使用朴素贝叶斯过滤垃圾邮件
+更多项目
开始致力于您的数据科学新职业。
开始致力于您的数据科学新职业。
开始致力于您的数据科学新职业。
互动学习
在这种职业道路上，我们的课程将帮助您学习Python基础知识，深入研究数据分析和数据可视化，使用SQL查询数据库，研究统计数据以及按周到的顺序构建机器学习模型，每节课均基于上一课。
我们的课程旨在 没有任何先决条件 并且不需要任何先验经验。您需要学习的一切，都将在这条路上学习！
在学习过程中，您将通过直接在浏览器中编写代码来立即应用每个概念，这些代码由我们的系统自动检查，可为您提供有关进度的即时反馈。
学习更多关于 数据查询 教学法，以及我们与其他在线学习网站的区别。
成为数据科学家
此课程路径涵盖了您作为数据科学家工作可能需要的所有技术技能，并且我们一直在增加新的课程！
数据查询learners like 弗朗西斯科 , 凯特琳 , 以撒 , 亚当 , 苏尼沙尔 ，还有更多人使用此路径从在完全无关的领域工作到成为专职数据科学家。不仅仅是找工作-弗朗西斯科（Francisco）在四年前使用Dataquest后获得了第一份数据科学工作，他说他每天仍在使用Dataquest技能。
不要相信我们！阅读真正的Dataquest学习者所说的话 数据查询 如何影响他们的生活.
选择合适的数据科学课程
有很多选择可以学习数据科学。在线学习平台 像Coursera，edX，Udemy等MOOC倾向于基于“传统”教育，使用视频讲座代替面对面的讲座。甚至诸如Datacamp之类的交互式平台仍未完全摆脱“视频讲座”模型。
虽然视频讲座对某些人来说效果很好， 数据查询 的无视频方法 是 基于科学 说的是 动手学习的学生更有可能成功 比那些通过讲座学习的人
我们不提供视频教学的另一个原因是，在现实世界中的数据科学工作中，经常会遇到阅读新文档，功能，API等挑战您的挑战。绝大多数技术文档仅以文本形式提供，这意味着最有效的数据科学家需要在阅读此类技术主题时得到很好的实践。我们的平台旨在帮助您磨练那些技术性阅读技巧 逐渐 ，而不是教您视频，然后在您开始第一个数据科学工作时就把您扔到文档的深处！
潜入数据科学并获得认证！
注册一个免费帐户 在这条路上尝试任何课程。要完成课程并获得证书，您需要高级订阅，该订阅可以解锁我们所有的课程内容，练习问题，指导的项目，甚至访问我们的仅限高级职业论坛，以帮助您导航成为数据科学家的道路。 。
数据科学课程的完整列表：
蟒蛇 for Data Science：基础知识
了解Python编程和数据科学的基础知识。
自由
蟒蛇 for Data Science：中级
了解Python编程和数据科学的基础知识。
自由
大熊猫& NumPy Fundamentals
了解如何使用pandas和NumPy库分析数据。
免费+基本
探索性数据可视化
了解如何通过创建和解释数据图形来探索数据。本课程使用matplotlib和pandas进行授课。
基本知识
通过数据可视化讲故事
了解如何使用数据可视化传达见解和讲故事。
基本知识
数据清理与分析
了解如何清理和合并数据集，然后练习技能。
基本知识
蟒蛇 中的数据清理：高级
了解使用Python清理数据的高级技术。
基本知识
数据清理项目演练
了解如何清理和合并数据集，然后练习技能。
基本知识
命令行元素
了解Bash的基础知识，为使用命令行作为数据科学使用命令行的跳板奠定基础
基本知识
命令行中的文本处理
了解有关命令行以及如何在数据科学工作流中使用它的更多信息。
基本知识
的SQL 基础
了解使用SQL数据库的基础知识。
自由
用于数据分析的中级SQL
学习使用多表数据库。
基本知识
蟒蛇 中的API和Web爬取
了解如何从API和网络获取数据。
基本知识
统计：基本原理
了解有关采样，变量和分布的信息。
基本知识
中级统计：平均值& Variability
学习总结分布，使用方差或标准偏差测量变异性，以及使用z分数比较值。
基本知识
概率基础
使用Python学习概率论的基础
基本知识
条件概率
了解条件概率，贝叶斯定理和朴素贝叶斯。
基本知识
假设检验：基础知识
了解更多高级统计概念，包括A / B检验和卡方检验，以进行更强大的数据分析。
基本知识
机器学习基础
使用k最近邻学习机器学习的基础知识。
优质
机器学习微积分
学习中间机器学习技术（如线性回归）所需的演算。
优质
机器学习的线性代数
学习诸如线性回归之类的中间机器学习技术所必需的线性代数。
优质
机器学习的线性回归
了解如何使用线性回归机器学习模型。
优质
蟒蛇 机器学习：中级
进一步学习机器学习。
优质
决策树
了解如何构造和解释决策树。
优质
深度学习：基础知识
了解深度神经网络的基础知识。包括图形表示，激活功能，多个隐藏层和图像分类。
优质
机器学习项目
了解从数据清理到机器学习的完整数据科学项目的外观。
优质
Kaggle基础知识
了解如何通过Kaggle的“泰坦尼克号”比赛开始和参加Kaggle比赛。
优质
功能：高级
了解如何编写高质量的函数。
优质
命令行：中级
了解有关命令行以及如何在数据分析工作流中使用它的更多信息。
基本知识
吉特& Version Control
了解Python编程和数据科学的基础知识。
基本知识
火花& Map-Reduce
了解如何使用Apache Spark和map-reduce技术来清理和分析大型数据集。
优质