0基础一个月拿到IBM Data Science Professional Certificate

Luqi珏 2.67万浏览 2021-01-08 发布

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

What is Data Science? | Coursera

Coursera

购买

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

Tools for Data Science | Coursera

Coursera

购买

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

Data Science Methodology | Coursera

Coursera

购买

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

Python for Data Science and AI | Coursera

Coursera

购买

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

Databases and SQL for Data Science | Coursera

Coursera

购买

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

Data Analysis with Python | Coursera

Coursera

购买

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

Data Visualization with Python | Coursera

Coursera

购买

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

Machine Learning with Python | Coursera

Coursera

购买

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。

Applied Data Science Capstone | Coursera

Coursera

购买

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：