该课程覆盖了数据科学的全过程，而且在每个方面都有不错的深度。覆盖了 R、Python 和 Azure ML（这是一个微软的机器学习平台）。有很多 1 星评价是因为该课程选择了 Azure ML 且导师教得不怎么好。该课程长度为 18-24 小时（为期 6 周，每周 3-4 小时）。它获得了 67 个评论，得到了 3.81 的加权平均分。课程免费，也提供 49 美元的付费认证。

以上两个课程来自微软在 edX 上的数据科学专业课程证书（Professional Program Certificate in Data Science）：

https://www.edx.org/microsoft-professional-program-certficate-data-science

使用 R 的应用数据科学（Applied Data Science with R (V2 Maestros/Udemy)）

链接：

https://www.udemy.com/applied-data-science-with-r

前面也提到了该课程的 Python 版本。该课程覆盖了数据科学的全过程，并在该过程的每个方面都有很好的深度覆盖。长度不错（11 小时内容长度）。使用 R。它获得了 212 个评论，得到了 3.8 的加权平均分。价格依 Udemy 的折扣而波动。

数据科学入门（Intro to Data Science (Udacity)）

链接：

https://www.class-central.com/mooc/1480/udacity-intro-to-data-science

部分过程覆盖，但在其选择的主题上都有很好的深度。缺少探索方面，尽管 Udacity 在探索数据分析（EDA）方面有一个很好的全覆盖的课程：

https://www.class-central.com/mooc/1478/udacity-data-analysis-with-r

声称有 48 小时长度（为期 8 周，每周 6 小时），但我感觉要短一些。一些评论认为其缺乏高级内容。感觉组织不太好，使用 Python。它获得了 18 个评论，得到了 3.61 的加权平均分。免费。

使用 Python 的数据科学入门（Introduction to Data Science in Python (University of Michigan/Coursera)）

链接：

https://www.coursera.org/learn/python-data-analysis

部分过程覆盖。没有建模和可视化，尽管密歇根大学在 Coursera 上教授的 Applied Data Science with Python Specialization：

https://www.coursera.org/specializations/data-science-python

课程的 #2 和 #3 覆盖了这些方面。但那对于本指南的目标的深度就太深了。使用 Python。时长 4 周。它获得了 15 个评论，得到了 3.6 的加权平均分。

数据驱动的决策（Data-driven Decision Making (PwC/Coursera)）

链接：

https://www.coursera.org/learn/decision-making

部分覆盖（缺乏建模），重点关注商业应用。介绍了许多工具，包括 R、Python、Excel、SAS 和 Tableau。长度 4 周。它获得了 2 个评论，得到了 3.5 的加权平均分。有免费和付费的选择。

数据科学速成课程（A Crash Course in Data Science (Johns Hopkins University/Coursera)）

链接：

https://www.coursera.org/learn/data-science-course

一个对于全过程的极简概览。对于本指南来说实在太简单了。时长 2 小时，它获得了 19 个评论，得到了 3.4 的加权平均分。有免费和付费的选择。

数据科学家工具箱（The Data Scientist』s Toolbox (Johns Hopkins University/Coursera)）

链接：

https://www.coursera.org/learn/data-scientists-tools

一个对于全过程的极简概览。可看作是约翰·霍普金斯大学 Data Science Specialization 课程：https://www.coursera.org/specializations/jhu-data-science

的基础课程。声称有 4-16 小时内容（4 周，每周 1 到 4 小时），但有一位评论者说这个课程可以在 2 小时内学完。它获得了 182 个评论，得到了 3.22 的加权平均分。有免费和付费的选择。

数据管理和可视化（Data Management and Visualization (Wesleyan University/Coursera)）

链接：

https://www.coursera.org/learn/data-visualization

部分覆盖（缺乏建模），长度 4 周。有很好的生产价值。使用 Python 和 SAS。它获得了 6 个评论，得到了 2.67 的加权平均分。有免费和付费的选择。

下面的课程截至 2017 年 1 月还没有评价。

CS 109 数据科学（CS109 Data Science (Harvard University)）

链接：