目标
获得完成独立数据科学项目所需的技能。
Kaggle 将复杂的主题缩减为关键的实用组件，因此您可以在几个小时内（而不是几周或几个月）获得可用的技能。
这些课程是免费的，您现在可以获得证书。
课程表
| 课程 | 图标 | 用时 | 完成目标 | 依赖 |
|---|---|---|---|---|
| Python[1] | 5 小时 | 1 个指导项目学习数据科学最重要的语言。 | ||
| 机器学习简介[2] | 3 小时 | 了解机器学习的核心思想， 并构建您的第一个模型。 |
Python | |
| Pandas[3] | 4 小时 | 解决简短的动手挑战以 完善您的数据处理技能。 |
Python | |
| 中级机器学习[4] | 4 小时 | 处理缺失值、非数值、数据泄漏等。 | 机器学习简介 ，Pandas |
|
| 数据可视化[5] | 4 小时 | 制作出色的数据可视化。 一个了解编码力量的好方法！ |
||
| 特征工程[6] | 5 小时 | 1 个指导项目更好的功能打造更好的模型。 了解如何充分利用您的数据。 |
中级机器学习 | |
| SQL 简介[7] | 3 小时 | 学习使用 Google BigQuery 处理数据库的 SQL。 |
Python | |
| 高级 SQL[8] | 4 小时 | 让您的 SQL 技能更上一层楼。 | SQL 简介 | |
| 深度学习简介[9] | 4 小时 | 1 个指导项目使用 TensorFlow 和 Keras 构建和训练结构化数据的神经网络。 |
机器学习简介 | |
| 计算机视觉[10] | 4 小时 | 2 个指导项目使用 TensorFlow 和 Keras 构建卷积神经网络。 |
深度学习简介 | |
| 时间序列[11] | 5 小时 | 将机器学习应用于现实世界的预测任务。 | 中级机器学习 | |
| 数据清洗[12] | 4 小时 | 掌握有效的工作流程 ，用于清理现实世界中的杂乱数据。 |
Pandas | |
| 人工智能伦理简介[13] | 4 小时 | 探索实用工具来指导 AI 系统的道德设计。 | ||
| 地理空间分析[14] | 4 小时 | 1 个指导项目创建交互式地图， 并发现地理空间数据中的模式。 |
Pandas | |
| 机器学习可解释性[15] | 4 小时 | 从任何模型中提取人类可理解的见解。 | 机器学习简介 | |
| 游戏 AI 和强化学习简介[16] | 4 小时 | 1 个指导项目使用经典 和尖端算法构建您自己的视频游戏机器人。 |
Python |
Kaggle 证书
每完成一门课程，您都将获得结业证书！这些证书庆祝你在 Kaggle 学习之旅中取得的进步。
kaggle 证书
我在哪里可以找到我的证书？
完成课程后，导航到 Kaggle Learn 课程[17]主页。您应该看到两个选项卡：Active 和 Completed 。单击 已完成 。您已完成的每门课程现在都应显示在课程列表中，以及导航至您的证书的查看证书按钮。
如何与我的社交网络分享我的证书？
您可以通过单击证书页面上的社交共享链接轻松地与您的 Twitter 或 LinkedIn 关注者共享您的证书。这是展示您的新技能的好方法！
完成课程后，我还能做什么？
完成课程后，是时候开始构建您自己的项目组合了。Kaggle 学习课程旨在快速向您介绍基本主题并引导您使用 Kaggle 平台，以便您可以使用所学知识在 Kaggle 上构建自己的项目。首先选择您感兴趣的 Kaggle 竞赛[18]或数据集。[19]如需灵感，请查看其他用户编写的笔记本[20]。
参考资料
[1]
Python: https://www.kaggle.com/learn/python[2]
机器学习简介: https://www.kaggle.com/learn/intro-to-machine-learning[3]
Pandas: https://www.kaggle.com/learn/pandas[4]
中级机器学习: https://www.kaggle.com/learn/intermediate-machine-learning[5]
数据可视化: https://www.kaggle.com/learn/data-visualization[6]
特征工程: https://www.kaggle.com/learn/feature-engineering[7]
SQL 简介: https://www.kaggle.com/learn/intro-to-sql[8]
高级 SQL: https://www.kaggle.com/learn/advanced-sql[9]
深度学习简介: https://www.kaggle.com/learn/intro-to-deep-learning[10]
计算机视觉: https://www.kaggle.com/learn/computer-vision[11]
时间序列: https://www.kaggle.com/learn/time-series[12]
数据清洗: https://www.kaggle.com/learn/data-cleaning[13]
人工智能伦理简介: https://www.kaggle.com/learn/intro-to-ai-ethics[14]
地理空间分析: https://www.kaggle.com/learn/geospatial-analysis[15]
机器学习可解释性: https://www.kaggle.com/learn/machine-learning-explainability[16]
游戏 AI 和强化学习简介: https://www.kaggle.com/learn/intro-to-game-ai-and-reinforcement-learning[17]
课程: https://www.kaggle.com/learn/overview[18]
竞赛: https://www.kaggle.com/competitions[19]
数据集。: https://www.kaggle.com/datasets[20]
笔记本: https://www.kaggle.com/notebooks