1、数据科学：R语言基础知识

该课程主要帮助奠定R的基础。通过课程可以了解R的函数和数据类型，如何对向量进行操作以及何时使用排序等高级函数。

还包含如何应用通用的编程功能，例如“ if-else”和“for loop”命令；如何处理，分析和可视化数据。

Tips：有点考验英语水平，纯英文授课（提供的字幕也是英文）

学习周期：8周（1-2小时/周）

课程来源：哈佛大学

课程网址：http://learn.edx.org/

对于初级水平的学习者，哈佛大学还有一门CS109数据科学的课程，主要学习数据科学库如何工作的基础知识，整门课程仅使用Python。但并没有发布在edx上，你可以在这里找到它：

http://cs109.github.io/2015/pages/videos.html（里面包含课件、视频、相关资料列表）

2、机器学习

本课程将教一些流行的机器学习（ML）算法和主成分分析。并且将通过建立电影推荐系统来学习如何使用训练数据来训练算法，以便可以预测未来数据集的结果。

除此之外，还可以了解过度拟合以及避免过度拟合的技术，比如交叉验证。

学习周期：8周（建议2-4小时/周）

课程来源：哈佛大学

课程网址：

https://www.edx.org/course/data-science-machine-learning

3、数据分析与可视化

这门课程技能水平处于中级，需要有一定的编程经验，以及对基本线性代数和微积分的了解，但不需要机器学习的背景。它教授的内容主要是：使用R编程语言进行数据建模、数据可视化。

学习周期：16周

课程来源：Georgia Tech大学

课程网址：

https://www.udacity.com/course/data-analysis-and-visualization--ud404

4、学会用Python做统计分析

这门课程教授的是使用Python编程语言进行统计分析。可以学习数据来自何处，可以收集什么类型的数据，研究数据设计，数据管理以及如何有效地进行数据探索和可视化。

课程配有相关的测试。（在Jupyter Notebook环境下进行）

Tips：这门课纯英文

学习周期：3个月（建议4小时/周）

课程来源：密歇根大学

课程网址：http://dwz.date/aJpm

5、模型思维

通过这门课程可以更好的理解模型，提高准确预测的能力，以便能更好的决策和制定有效策略。

Tips：这门课同样是英文授课，但配有中文字幕。

学习周期：约25个小时（课程安排分为12周，一周约学习3小时）

课程来源：密歇根大学

课程网址：

https://www.coursera.org/learn/model-thinking#about

6、数据科学管理专项课程

这门课程是初级水平，所以即便是之前没从事过数据科学工作的人，也可以观看学习。

里面包含5个模块：数据科学速成课、搭建数据科学团队、数据分析管理、现实中的数据科学、数据科学管理毕业项目（虚拟领导数据科学团队，并在整个过程中做出决策）

如果你想尝试管理者的角度，不妨来学习看看~

Tips：这门课相对比较友好，虽然是英文授课，但配有中文繁体的字幕。

学习周期：约2个月（建议4小时/周）

课程来源：JOHNS HOPKINS大学

课程网址：

https://www.coursera.org/specializations/executive-data-science#about

上面推荐的只是一部分，可以去edx、Coursera这两个网站挖掘下更多的免费资源。

文章来源：

https://www.jagranjosh.com/articles/top-data-science-course-online-for-free-1588755784-1

https://analyticsindiamag.com/some-of-the-top-free-online-data-science-courses-for-2020/

https://analyticsindiamag.com/5-free-data-science-courses-for-beginners/