考證了解一下！2020年需要知道的九大數據科學認證
越來越多的公司開始使用慕課對員工進行培訓，在線課程越來越受歡迎是一個不可否認的事實。據我所知(以及我見過的招聘人員)，在線認證可以是在標準參考平臺上證明你除學習以外能力的證明。
學習者會出于個人興趣或為了提高工作前景和技能來學習慕課課程，主要目標仍然是在現下獲得較高認可度和相應技能。那么潛在的雇主如何看待課程和證書呢?招聘人員討論之后的結論是：證書的最基本作用就是在相同的平臺上展現突出的能力，它顯示了你在磨練技能方面所付出的額外努力。
為什么要接受在線認證?
- 在簡歷或求職文件中體現自己的技能
- 找一份更好的工作
- 利用其他服務渠道——職業服務、招聘實驗室、評估
- 轉變職業道路
那么話不多說，來看看今年可以完成的數據科學9大在線認證!
1.IBM數據科學專業人員認證
- 所用時長：3個月(可靈活調整)
- 水平等級：初學者
- 平臺：Coursera
- 收獲：證書和數字徽章
完成項目之后，我可以向你保證，這是最好的初級數據科學認證項目。這個項目從解釋什么是數據科學，到為什么它如此受歡迎，再到讓學習者做一個與API集成的頂峰，我強烈推薦它!
課程：
- 什么是數據科學
- 數據科學的開源工具
- 數據科學方法論
- Python在數據科學和人工智能中的應用
- 數據科學中的數據庫與SQL
- Python數據分析
- Python數據可視化
- Python機器學習
- 應用數據科學的頂峰
獲得認證無需先決條件。但如果希望更好地掌握學習，建議你提前完成Python的速成課程。到了課程6，你將從零開始創建項目，可以用一些好的項目豐富你的簡歷。
訪問證書：https://www.coursera.org/professional-certificates/ibm-data-science#courses
2. Tableau數據科學家|桌面專家
- 所用時長：3個月(可靈活調整)
- 水平等級：初級
- 平臺：Tableaue-learning
- 費用：免費
- 收獲：數字角色徽章
Tableau提供了許多付費認證的折扣，但這個數據科學家學習路徑是免費的，還有一個同等級認證是Tableau數據分析師。成為Tableau數據科學家路徑包括：
Tableau桌面入門：
- 桌面一：基礎知識
- 桌面二：中級
- 桌面三：高級
- 數據準備
- 視覺分析
- 數據科學與表格
- 數據科學家技能評估
Tableau提供三種主要的付費認證：
- 桌面認證助理(600美元)
- 桌面認證專家(250美元)
- 服務器認證助理(250美元)
這項考試是為那些有基礎技能，對Tableau桌面有基本了解，并且至少有三個月充分理解應用Tableau的人群。
- 費用：2020年6月30日50美元(6月30日后100美元)
- 所用時長：60分鐘
- 問題形式：多項選擇，多項回答
- 問題數：30
- 及格分數：70%
考核技能：
- 探索和準備數據
- 數據挖掘與分析
- 分享見解
- 理解畫面概念
- 及時性原則
3. 哈佛數據科學專業證書
- 所用時長：1年5個月(可靈活調整)
- 水平等級：初學者
- 平臺：edX
- 費用：441美元
與edX合作的哈佛大學也擁有一個數據科學認證，該認證涵蓋了基本的R編程技能、諸如概率、推理和建模等數據概念、使用tidyverse、ggplot2和dplyr等R包的經驗。這個認證最好的是課程涉及為實踐數據科學家提供的基本工具，如Unix/Linux、Git和GitHub以及RStudio。
該認證的另一個優點是它的現實性，課程指導學習者進行現實世界的案例研究，比如：
- 世界衛生和經濟趨勢
- 美國的犯罪率
- 2007-2008年的金融危機
- 選舉預測
- 建立棒球隊(靈感來自于魔球理論)
- 電影推薦系統
課程：
- 數據科學:R基礎
- 數據科學:可視化
- 數據科學:概率
- 數據科學:推理和建模
- 數據科學:生產力工具
- 數據科學:爭吵
- 數據科學:線性回歸
- 數據科學:機器學習
- 數據科學:頂點
4. 業務專業化分析
- 平臺：Coursera
- 水平等級：初學者
- 所用時長：6個月(每周3小時)
商業分析專業課程是由賓夕法尼亞大學沃頓商學院(Wharton School of The University of Pennsylvania)開發，由Coursera平臺提供的。它為營銷、人力資源、運營和財務等商業領域的大數據分析提供了很好的基本介紹。
該網站上的一項統計顯示，46%的學員在完成這一專業后開始了新的職業生涯，21%的學員獲得了加薪或升職。通過審核完成課程，它培養了你作為數據分析師應該有的描述，預測數據的能力和為特定業務領域的業務決策提供信息的意識。相信在完成專業學習之后，任何一個學習者都會形成一種分析的思維方式，能在掌握數據的基礎上做出更好的戰略決策。
課程：
- 客戶分析
- 人員分析
- 會計分析
- 運營分析
- 頂尖業務分析
該課程要求學習者綜合理解四門課程的知識，并鼓勵學員針對谷歌、Facebook和雅虎等全球科技巨頭面臨的實際業務挑戰做出基于數據的決策。
5. 高級專業業務分析
- 平臺：Coursera
- 水平等級：中級
- 所用時長：5個月(每周3小時)
高級專業商業分析課程由科羅拉多大學博爾德分校開發的Coursera支持，專業課程融合了學術界和商業界之間細微差別，結合了來自兩個領域的經驗豐富的實踐者的經驗，為學習者分享真實世界的數據分析技能。
網站上的一個統計數據顯示，50%的學習者在完成這個專業課后開始了新的職業生涯。
在完成這一專業課之后，我確信你現在可以更好地估計和確認股東的最大價值。這門課為我在使用SQL進行數據提取，操作以及利用統計技術為不同的業務領域進行描述性、預測性和規范性分析提供了全面的經驗。更重要的是，本課程有效地教授如何解釋和呈現分析結果，以便作出有效的決策。
課程：
- 高級業務分析頂點
- 用于決策的業務分析
- 傳達業務分析結果
- 業務數據分析簡介
- 預測建模和分析
6. 亞馬遜AWS大數據認證
- 所用時長：170分鐘完成考試
- 水平等級：高級
- 平臺：AWS
- 費用：300美元
- 考核類型：多選，多項答案
另一個難度較高的認證是AWS大數據認證，該認證要求考生持有以下認證中任意一項：
- AWS認證云從業人員
- AWS認證解決方案建筑師-助理
- AWS認證開發者-合伙人
- AWS認證的SysOps管理員-助理
測試要求至少有五年數據分析領域的實踐經驗。
考核技能：
- 核心AWS大數據服務功能化
- 利用AWS設計和維護大數據
- 利用工具自動化AWS中的數據分析
7. SAS數據科學學院
- 所用時長：幾個月到幾年
- 費用：250美元
- 水平等級：高級
- 平臺：SAS數據科學學院
SAS數據科學學院是學習SAS數據科學的著名平臺之一。它提供數據管理、高級分析、人工智能和機器學習課程，以提升在數據領域的職業生涯。請注意，SAS本身對于初學者來說是很難的。如果你可以參加下列考試之一則證明擁有能完成該課程的基礎。
SAS學院有三種基本學習途徑：
- 數據管理專業(4門課程|1次考試|5個徽章|1295美元/年)
- 高級分析(9門課程|3次考試|7個徽章|1295美元/年)
- 人工智能和機器學習(5門課程|3次考試|7個徽章|1295美元/年)
SAS學院專注于：
- 訪問、操作和轉換數據
- 分析與統計基礎
- 提高分析和報告的數據質量
- 探索和可視化數據
- Hadoop、Hive、Pig和SAS
- 機器學習
- 優化技術
- 模式檢測
- 預測建模技術及其應用
- 時間序列預測
8. MCSE：數據管理和分析
- 所用時長：180分鐘考試
- 水平等級：高級
- 平臺：Microsoft
- 費用：165美元
- 總問題數：45到55
- 考題類型：單選題和多選題
有了微軟認證系統工程師認證(MCSE)，你可以擁有在數據庫管理、SQL、構建企業級數據解決方案以及利用商業智能數據方面的廣泛技能。
你會學到什么：
- BI報告
- Azure數據工程
- 機器學習
- SQL 2016 BI開發
- SQL 2016數據庫管理
- SQL 2016數據庫開發
- SQL Server 2012/2014
通過3個步驟可以確保此證書：
- 與SQL Server2012/2014/2016數據庫管理合作，獲得Microsoft的SQL Server解決方案助理認證。掌握Azure獲得數據庫開發、BI開發、機器學習、BI報告或數據工程方面的知識
- 通過1門必考科目。認證門戶也包含備考資源
- 獲得認證
訪問證書：https://www.microsoft.com/en-us/learning/mcse-data-management-analytics.aspx
9. 微軟認證的Azure數據科學家協會
- 所用時長：180分鐘測試
- 級別：高級
- 平臺：Microsoft
- 費用：165美元
- 問題總數：51(50%的問題關于ML，40% 問題關于ML服務類型的問題，10%的問題關于通用數據科學)
到目前為止，這是我遇到的最簡單的認證，也是我名單上最后一個認證，Microsoft Azure Data Scientist認證面向那些希望應用其數據科學和機器學習知識在Azure上實現和運行機器學習模型的學習人士。此認證的優點在于可以完成了關于部署服務軟件的考核。
考核技能：
- 設置Azure機器學習工作區(30–35%)
- 在Azure中運行實驗和訓練模型(25–30%)
- 優化和管理Azure構建的模型(20–25%)
- 部署和使用生產就緒模型(20–25%)
快快開始你的數據科學之旅吧!
