過去数年間で、データサイエンスのコースはおそらくオンライン教育の最も人気のある分野になりました：Coursera、edXには多数のオファーがあり、この分野のみに特化した特別なプロジェクトでさえ、基本レベルのデータ分析をマスターするように思われています（たとえば、DataCamp） 。 このコレクションでは、さまざまなプラットフォームでデータサイエンスに関する最も興味深いコースを収集しました。 お客様の便宜のために、教育プロバイダー自身のウェブサイトと、特定のコースや専門分野の長所と短所が評価されるサードパーティのポータルの両方でレビューを慎重に検討しました。 コースの数が膨大であるため、リスナーに幅広いスキルを教えることを提供するコースに焦点を当てました-たとえば、Courstraの場合、個々のコースについては話しません（データサイエンスの分野でも、その数は100に近く、互いに多くの重複の内容）しかし、専門分野について。
コースラ
最近、Coureraの新しいコースの大部分が「専門分野」の形式で表示されます。5〜10件の科目のプログラムです。その後、証明書を取得できますが、その場合は支払いが必要になります。 支払いなしでコース資料にアクセスして証明書を取得するかどうかは、開催大学によって異なります（多くの場合、無料で講義を視聴できますが、成績を取ることはできません）。
Rスペシャライゼーションを使用した統計
初心者に適したコース：突然データサイエンスを開始することを決めたが、統計を完全に忘れた（または学習したことがない）場合、専門化はRの基本的な考え方を与えるだけでなく、主題の優れた紹介として役立ちます。事前知識は必要ありませんが、トピックを理解していれば、自分にとって何か新しいものを見つけることはまずありません。
- 確率とデータの概要
- 推論統計
- 線形回帰とモデリング
- ベイジアン統計
- R Capstoneを使用した統計
データサイエンス専門
Courseraの専門分野の中で最も成功しているわけではありません。初心者は、あまり明確でない指示と、すでにある程度の経験がある人々を批判します。
コース：
- データサイエンティストのツールボックス
- Rプログラミング
- データの取得とクリーニング
- 探索的データ分析
- 再現可能な研究
- 統計的推論
- 回帰モデル
- 実用的な機械学習
- データ製品の開発
- データサイエンスの絶頂
機械学習の専門化
これは中級レベルの専門分野です。学生は大学の数学の基本的な知識と、Pythonでのプログラミング経験を持っていることが求められます。 専門分野には4つのコースしか含まれていませんが、それぞれ5〜7週間のクラスが必要です。
コース：
- 機械学習の基礎：ケーススタディアプローチ
- 回帰
- 分類
- クラスタリングと検索
ビッグデータの専門化
このコースを受講した人の大部分は、初心者や既にデータサイエンスの経験がある人には推奨していません。教材はあまり提示されておらず、教師からのフィードバックはほとんど機能しません。 コース資料を表示できますが、証明書の支払いは控えた方が良いでしょう。
コース：
- ビッグデータの紹介
- ビッグデータのモデリングと管理システム
- ビッグデータの統合と処理
- ビッグデータを使用した機械学習
- ビッグデータのグラフ分析
- ビッグデータの絶頂
データマイニングの専門化
この専門分野のすべてのコースが同様に成功しているわけではありませんが、一般的には中程度の複雑さのかなり堅実な専門分野です。 学生はすでにプログラミングが可能であり、基本レベルの統計に精通していることが前提です。
コース：
- データの可視化
- テキスト検索と検索エンジン
- テキストマイニングと分析
- データマイニングのパターン検出
- データマイニングのクラスター分析
- データマイニングのキャップストーン
データ分析と解釈の専門化
別のエントリーレベルの専門化。 基本的な知識は必要ないので、ほとんどの読者にとってコースは簡単すぎるように思えます。 それにもかかわらず、入門コースの質において、この専門化は非常に良い選択です。
- データ管理と視覚化
- データ分析ツール
- 実際の回帰モデリング
- データ分析のための機械学習
- データ分析と解釈Capstone
ウダシティ
大規模なナノ度Udacityの重要な考え方は、労働市場に関連することです。 コースは業界の代表者と一緒に作成され、特別なサブスクリプションの料金を支払うと、Udacityはあなたに仕事または返金を保証します。 Udacityのナノディグリーは月に200ドルからかなり高価であることは注目に値します。
機械学習エンジニア
約12か月続く包括的な機械学習コース。 トレーニングは、実際の（または現実に近い）タスクを実行するプロジェクトに基づいて構築されます。 コースはこれらのプロジェクトを補完する可能性が高く、そこでは不足している知識を得ることができます。 コースを開始する前に、大学の最初のコースのレベルでのPython、統計、線形代数、数学的分析をすでに知っていることが前提となります。
データアナリストナノディグリー
データ分析のためのナノディグリーの構造は、上で説明したものと似ています-ここには、1年間作業するプロジェクトがいくつかあります（たとえば、データの視覚化やA / Bテストの作業）。 学生はプログラミングのスキルと統計の基本的な知識を必要とするという事実にもかかわらず、このコースはより入門的なものと呼ぶことができます。
edX
CourseraとUdacityの混合に似た形式の別のプラットフォーム-ここでは、企業と提携して大学がコースを作成します。 マイクロマスター-専門分野の類似品-4〜5コースが含まれます。
データサイエンス
サンディエゴのマイクロマスター大学データ分析では、かなり標準的な4コースプログラムを提供しています。
- Python for Data Science
- Pythonを使用したデータサイエンスの統計と確率
- データサイエンスのための機械学習
- Sparkを使用したビッグデータ分析
プログラムの大きな違いの1つは、実際の大学で教育を継続できることです。 コースが正常に完了した場合、カーティン大学の予測分析マスタープログラムに申請できます。edXで受講したコースは、卒業証書の取得に必要なローンの4分の1としてカウントされます。