哈佛数据科学专业的注册(数据来源:edX)。Benjamin O. Tayo 的图片
数据科学、机器学习和分析被认为是最热门的职业道路。行业、学术界和政府对熟练数据科学从业者的需求正在快速增长。因此，正在进行的“数据热潮”吸引了众多具有不同背景的专业人士，如物理、数学、统计、经济和工程等。数据科学家的就业前景非常乐观。IBM 预测，到 2020 年，对数据科学家的需求将飙升 28%。
对数据科学从业者不断增长的需求导致了大规模开放在线课程(MOOC)的激增。最受欢迎的 MOOC 提供商包括:
a)EDX:https://www.edx.org/
b)Coursera:https://www.coursera.org/
c) 数据营:https://www.datacamp.com/
e) 乌达城:https://www.udacity.com/
由于 MOOC 越来越受欢迎，每个数据科学野心家应该问自己的自然问题是: 数据科学 MOOC 专业化的完成率是多少？
为了回答这个问题，让我们来看两个重要的案例研究，这两个案例研究是关于两个顶级数据科学专业的。
在这一部分，我们将考察两个受欢迎的 MOOC 数据科学专业的课程完成率。
包括以下课程，全部使用 R 教授(您可以免费旁听课程或购买认证证书):
- 数据科学:R 基础；
- 数据科学:可视化；
- 数据科学:概率；
- 数据科学:推理和建模；
- 数据科学:生产力工具；
- 数据科学:扯皮；
- 数据科学:线性回归；
- 数据科学:机器学习；
- 数据科学:顶点
下面的图 1 显示了已经注册该专业课程的总人数。
**图一。**哈佛数据科学专业招生(数据来源:edX)。Benjamin O. Tayo 的图片
我们从图 1 中观察到，专业中不同课程的注册人数并不一致。如果我们将毕业率定义为最后一门课程(顶点课程)注册总人数与第一门课程(基础课程)注册总人数之比，则得出的毕业率为 12%。这里使用的完成率的定义是合理的，因为大多数数据科学专业课程的设计方式是课程必须按顺序进行。这意味着注册该专业的学生必须先完成课程 1，然后才能继续学习课程 2。
我们还从图 1 中观察到，就注册人数而言，R 基础知识和机器学习是专业内的两门顶级课程。
II.2 应用数据科学与 Python 专业化(密歇根大学，通过 Coursera)
包括以下课程，全部使用 python 教授(您可以免费旁听大多数课程，有些课程需要购买认证证书):
- Python 中的数据科学导论；
- 应用 Python 绘图、制图和数据表示；
- Python 中的应用机器学习；
- Python 中文本挖掘的应用:
- Python 中的应用社会网络分析。
下面的图 2 显示了已经注册该专业课程的总人数。
**图二。**密歇根大学数据科学专业招生(数据来源:Coursera)。Benjamin O. Tayo 的图片
我们从图 2 中观察到，专业中不同课程的招生情况并不一致。如果我们将完成率定义为最后一门课程(应用社交网络分析)的总注册人数与第一门课程(Python 中的数据科学导论)的注册人数之比，则完成率为 13%。
我们还从图 2 中观察到，Python 中的数据科学导论和应用机器学习是注册人数最多的两门专业课程。
从上面的两个案例研究中，我们观察到数据科学 MOOC 专业的完成率是一致的，并且保持在不到 15%的低水平。完成率低可能意味着注册该专业的个人要么在某个时候灰心丧气，干脆放弃，要么可能是因为个人可能只对特定专业的特定课程感兴趣，这意味着他们对完成整个专业不感兴趣。
正如我们已经检查过的，大多数数据科学 MOOC 专业的完成率非常低(不到 15%)。如果您正在考虑数据科学专业，这里有一些提示可以帮助您保持专注并完成整个专业。
- 你需要决心和耐心。在线自学数据科学可能相当具有挑战性。然而，只要有坚定的决心、努力的工作和耐心，你就能把事情做到底。
- 与其他专业的学生建立联系。通过积极参与网上论坛，你可以和你的同学分享想法。这将有助于提供一种参与课堂的方式，这是在线课程的一个主要挑战。
- 努力工作，无所畏惧。有了强烈的职业道德，即使事情看起来很有挑战性，你也会坚持工作。把阅读所有学习资料和完成所有每周作业作为你的目标。
总之，我们考察了数据科学 MOOC 专业化的完成率。通过两个案例研究，我们发现大多数在线 MOOC 数据科学专业的完成率仍然低于 15%。如果你是数据科学的追求者，目前正在考虑这些 MOOC 专业，不要让低完成率让你气馁。通过努力、耐心和决心，你可以达到完成所有专业课程的目标。
如有疑问，请发邮件给我:benjaminobi@gmail.com