Supongo que no tiene conocimiento previo sobre análisis y que está solicitando cursos en línea (MOOC). No hay una respuesta correcta a esta pregunta. Hay muchas maneras de adquirir las habilidades relevantes requeridas para analizar datos.
Paso 1: aprende matemáticas y estadísticas
1. Completa el curso Udacity sobre estadística descriptiva. Le dará una comprensión sobre cómo describir los datos y el conocimiento estadístico requerido para interpretar los datos.
Introducción a la estadística descriptiva | Udacity
- ¿Cuál es la diferencia entre el curso normal de B.Tech y el curso dual ofrecido por BITS? ¿Cuál es el mejor de los dos? Se necesita una respuesta detallada.
- ¿Cómo es la carga de trabajo para un curso de física de división superior en Caltech?
- Recientemente escuché sobre un curso llamado NEBOSH (curso de seguridad). El curso es de 15 días y la tarifa es de 50k INR. Después de asistir al curso, ¿habrá oportunidades de trabajo para un ingeniero mecánico?
- ¿Recomendarías el curso HTML de un mes?
- ¿Cuáles son algunos cursos inaccesibles de las mejores universidades disponibles en torrents / github?
2. Complete el curso Udactiy sobre estadística inferencial. El curso le dará comprensión sobre cómo sacar conclusiones de los datos. ¡Este es uno de los mejores cursos en línea que he tenido!
Estadística inferencial: aprenda análisis estadístico | Udacity
Ahora tiene los conocimientos estadísticos básicos necesarios para comprender los datos y sacar conclusiones de ellos.
También puede considerar los siguientes cursos si no es de origen matemático.
Álgebra I | academia Khan
Introducción a las estadísticas | Udacity
Paso 2: herramienta para el análisis
Ahora que tiene los conocimientos necesarios para comprender los datos, necesita una herramienta para hacer el análisis. Las herramientas más populares son Python y R. Si ya posee habilidades de programación, le recomiendo python, de lo contrario, elija R.
1. Python
Si eres nuevo en programación, completa el curso en python en codeacademy – Python. El curso te da una introducción a Python. Luego pase a cursos que sean relevantes desde una perspectiva de análisis de datos. Hice un curso en campamento de datos – Aprenda Python para Data Science – Curso en línea. Sin embargo, puede elegir cualquier curso en línea, pero debe ser claro con los conceptos de listas, diccionarios, marcos de datos, numpy, pandas, etc.
Después de este punto, ¿sabe cuándo usar una matriz en una lista? Si no, necesita revisar los conceptos nuevamente.
2. R
R es relativamente fácil de entender. Haz el curso de análisis de datos en Udacity. El curso le enseña los conceptos básicos de R, así como el proceso de análisis de datos.
Análisis exploratorio de datos usando R | Udacity
Paso 3: análisis de datos
¡El análisis de datos es un arte! Debe hacer las preguntas correctas para encontrar algo interesante en los datos. Aprenda cómo analizar datos sistemáticamente a través de los siguientes cursos:
1. Python: Introducción al análisis de datos | Udacity. No es un curso recomendable para un principiante, pero comprende el proceso.
2. R: El curso mencionado en el Paso 2: Análisis exploratorio de datos usando R | Udacity
Si ha completado los cursos mencionados, debe tener una idea clara del proceso de análisis de datos.
También puede completar la Introducción al curso en línea de ciencia de datos | Udacity (opcional, pero muy recomendable)
Paso 4: Practica
Puede descargar conjuntos de datos de muchas fuentes en línea. El repositorio de aprendizaje automático de UCI y kaggle son los lugares populares donde puede descargar conjuntos de datos. Encuentre un conjunto de datos de su interés y práctica. Una vez que se sienta cómodo con el proceso y las herramientas, practique el uso de diferentes tipos de conjuntos de datos.
Depósito de aprendizaje automático de UCI
Su hogar para la ciencia de datos
Es posible que no haya pasado por todas las técnicas requeridas para el análisis de datos a través de estos cursos, pero estos cursos le enseñarán cómo proceder cuando se atasca en un punto y dónde y cómo buscar cuando está perdido.
¿Todavía no estás motivado? Echa un vistazo al análisis de Tyler Field sobre los datos de Bayareabikeshare: BABS Data Challenge. Los conjuntos de datos que utilizó para su análisis: Presentación de Bay Area Bike Share, su nuevo sistema de tránsito regional.
¿Quieres construir modelos? Mira los siguientes enlaces:
Introducción en profundidad al aprendizaje automático en 15 horas de videos expertos
Aprendizaje automático | Udacity
La ventaja analítica
¡Feliz aprendizaje!