您如何看待数据科学认证？

现在，我已经看到了两个数据的科学认证计划- 约翰·霍普金斯大学一个可在Coursera和Cloudera的一个。

我确定那里还有其他人。

John Hopkins的一组类集中于R作为工具集，但涵盖了一系列主题：

• R编程
• 清理并获取数据
• 数据分析
• 可重复的研究
• 统计推断
• 回归模型
• 机器学习
• 开发数据产品
• 看起来像基于项目的完成任务，类似于Cloudera的数据科学挑战赛

Cloudera程序表面上看起来很薄，但是可以回答两个重要的问题-“您是否知道工具”，“您可以在现实世界中应用这些工具”。他们的程序包括：

• 数据科学导论
• 数据科学基础考试
• 数据科学挑战赛（现实世界中的数据科学项目场景）

我不是在寻找有关程序或质量比较的建议。

我对其他认证，它们涵盖的主题以及社区此时对DS认证的重视程度感到好奇。

编辑：这些都是很好的答案。我正在以投票方式选择正确的答案。

我完成了前两门课程，并且我计划也做所有其他课程。如果您不了解R，那将是一个非常不错的程序。每周都有作业和测验。许多人发现某些课程非常困难。如果您没有任何编程经验（即使他们说这不是必需的），您将很难过。

请记住，这不是因为您可以驾驶汽车，而是因为您是F1飞行员;）

作为前分析经理和现任首席数据科学家，我对数据科学证书的需求非常持保留态度。数据科学家一词非常模糊，数据科学领域还处于起步阶段。证书意味着某种统一的标准，而这只是数据科学中所缺少的，但仍然非常荒凉。

尽管证书可能不会对您造成伤害，但我认为您最好花费时间来积累经验，以了解何时使用某种方法，以及对能够向非技术人员解释该方法的深入了解。

您提到的认证计划实际上是入门级课程。就我个人而言，我认为这些证书仅显示人的持久性，并且仅对申请实习的人员有用，而对真正的数据科学工作不起作用。

我领导一家大型互联网公司的数据科学团队，已经筛选了数百个个人资料，并采访了我们在全球范围内的数十个团队。许多候选人已经通过了上述课程和计划，或获得了类似的证书。就我个人而言，我也参加了这些课程，有些很好，有些却令人失望，但没有一个能让您成为“数据科学家”。

总的来说，我同意这里的其他观点。来自Coursera或Cloudera的证书只是表明有兴趣，但不会动摇针头。还有很多需要考虑的地方，并且可以通过提供工作的完整存储库（例如github档案）以及与其他数据科学家建立网络来产生更大的影响。雇用数据科学资料的任何人总是会喜欢看您以前的工作和编码风格/能力。

正在进行多种认证，但是它们具有不同的重点领域和教学风格。

我更喜欢eDX上的Analytics Edge，而不是John Hopkins专业化，因为它更加密集且动手。约翰·霍普金斯（John Hopkins）专业化的期望是每周花费3-4小时，而每周在Analytics Edge上花费11-12小时。

从行业角度来看，我将这些认证视为兴趣的标志，而不是一个人拥有的知识水平。这些MOOC中的辍学太多。我对其他经验（例如参加Kaggle比赛）的重视程度远超过在MOOC上获得XYZ认证。

不确定关于云时代的时代，但是我的一位朋友加入了约翰·霍普金斯大学，用他的话说，“让您入门非常精采”。很多人也推荐它。我计划在几周内加入。就严肃性而言，我认为这些认证不会帮助您找到工作，但它们肯定会帮助您学习。

@OP：最差的选择是通过投票选择答案。

您的问题成为人气竞赛。您应该寻求正确的答案，我怀疑您知道您的要求，知道您的要求。

要回答您的问题：
问：社区在这一点上对DS认证的重视程度如何。

答：参加这些课程的目的是什么？为了工作，学校，自我完善等？Coursera课程非常实用，您不会学到太多理论，它们是专为教室设置的。

尽管如此，Coursera类还是非常有用的。我想说，这相当于两年制硕士课程中一年制的统计研究生课程。

我还不确定它在行业中的知名度，因为您实际如何选择这门课程的问题？你花了多少时间？与课堂纸笔考试相比，在这些课程中获得A的要容易得多。因此，人与人之间存在巨大的质量差异。

我认为，来自Coursera的认证的效果取决于个人和班级。要求说每周至少3-5个小时，如果您投入更多时间，并且材料的开放时间远远超过3-5个小时，那么这些课程和认证就相当于强大的知识库和该领域的经验。有科学要求的人。

我几乎完成了Coursera上的Johns Hopkins数据科学专业课程（即将毕业的一门课程和一个顶峰）。我只是给你它的优点和缺点，力图使其尽可能客观：

优点：

• 学习过程中的结构
• 您将逐步建立投资组合

缺点：

• 不同的课程需要不同的背景。前几门课程不具备先前的知识。在概念课程中突然变得不容易理解。（统计推断，回归分析）
• 由3位教授教授。我认为他们在潜在受众以及他们的能力/需求/兴趣方面不在同一页上。

成功获得想要的工作的最好方法是证明自己可以做到。

您提到的MOOC将为您提供基础知识，并足以让您开始解决自己的机器学习/数据科学问题。尝试一两次Kaggle比赛，这是提高技能的好方法，而体面的成绩也会吸引潜在的雇主。使用iPython Notebook之类的东西在Github上发布您的结果，这将使您的工作易于看到和判断。

尝试对其他公共数据集（例如UCI自行车共享数据集或UCI糖尿病治疗数据集）进行分析，这些都是很有趣的尝试，它们表明您很热衷并且愿意发展自己的技能。

这实际上取决于颁发证书的机构的信誉。例如，哈佛大学的数据科学认证得到了许多行业合作伙伴的认可，并且可能是一个不错的选择。您没有说您要寻找哪种证书？

对学生的价值，包包。一个程序要花几百美元，一门课程要花一百美元。

我已经完成了MITx的一个系列。这是一门针对方法和工具的研究生调查课程，其对象是那些需要“详细了解”的人员。足够的基础，让我对应用所学知识感到很舒服。

有向无环图方法的独立HarvardX课程更像是Judea Pearl方法统计方面的研究生研讨会。否则，我要花很长时间才能知道。

HarvardX系列是研究生级别的新手训练营，旨在使新学生适应R工具集和应用程序。

BerkeleyX系列是一门大学调查课程，使用专门构建的Python类，该类几乎是特定领域的语言。

关于证书的价值，我只能报告说，我唯一的相关教育经验是地球物理学的硕士学位，在我的工作描述之外（高级银行律师），我有大约一年的带薪经验。

也许是由于获得证书的结果，我被拒绝从事至少两项我所知道的工作的“过高资格”。因此，我的建议是，如果您有证书，并且职位发布中出现“ Excel”一词，请不要提及。

edX的一些资源，这些资源可能来自该小组，这些资源来自哈佛，麻省理工学院，微软等，用于数据科学课程。

例如，我们有一个来自哈佛的专业证书课程，包括8个课程和此处的顶峰考试。

对于更高级的研究，我们这里有麻省理工学院的MicroMasters计划。

还有一名来自加州大学圣地亚哥分校在这里。有关数据科学的概述，我们提供了Microsoft 的程序。对于我们所有的程序，您都可以在这里查看。

希望这可以帮助，

edX的Josh