Một năm trước, tôi đã bỏ học một trong những chương trình khoa học máy tính tốt nhất ở Canada. Tôi bắt đầu tạo của riêng mình bằng các tài nguyên trực tuyến. Thay vào đó, tôi nhận ra rằng tôi có thể học mọi thứ mình cần thông qua edX, Coursera và Udacity. Và tôi có thể học nó nhanh hơn, hiệu quả hơn và với một phần nhỏ chi phí
Tôi gần như đã hoàn thành. Tôi đã tham gia nhiều khóa học liên quan đến khoa học dữ liệu và đã kiểm tra các phần của nhiều khóa học khác. Tôi biết các lựa chọn hiện có và những kỹ năng nào cần thiết cho người học chuẩn bị cho vai trò nhà phân tích dữ liệu hoặc nhà khoa học dữ liệu. Vài tháng trước, tôi đã bắt đầu tạo một hướng dẫn dựa trên đánh giá để đề xuất các khóa học tốt nhất cho từng chủ đề trong khoa học dữ liệu
Đối với hướng dẫn đầu tiên trong loạt bài này, tôi đã đề xuất một số hướng dẫn dành cho nhà khoa học dữ liệu mới bắt đầu. Sau đó, nó là
Bây giờ đến phần giới thiệu về khoa học dữ liệu
[Đừng lo lắng nếu bạn không chắc phần giới thiệu về khóa học khoa học dữ liệu đòi hỏi những gì. Tôi sẽ giải thích ngay. ]
Đối với hướng dẫn này, tôi đã dành hơn 10 giờ để cố gắng xác định mọi phần giới thiệu trực tuyến về khóa học khoa học dữ liệu được cung cấp kể từ tháng 1 năm 2017, trích xuất các mẩu thông tin chính từ giáo trình và bài đánh giá của họ, đồng thời tổng hợp xếp hạng của họ. Đối với nhiệm vụ này, tôi không tìm đến ai khác ngoài cộng đồng Class Central mã nguồn mở và cơ sở dữ liệu gồm hàng nghìn xếp hạng và đánh giá khóa học của nó
Kể từ năm 2011, Dhawal Shah, người sáng lập Class Central, đã theo dõi sát sao các khóa học trực tuyến hơn bất kỳ ai khác trên thế giới. Dhawal đã đích thân giúp tôi tập hợp danh sách tài nguyên này
Cách chúng tôi chọn các khóa học để xem xét
Mỗi khóa học phải phù hợp với ba tiêu chí
- Nó phải dạy quy trình khoa học dữ liệu. Thêm về điều đó sớm
- Nó phải theo yêu cầu hoặc được cung cấp vài tháng một lần
- Nó phải là một khóa học trực tuyến tương tác, vì vậy không có sách hoặc hướng dẫn chỉ đọc. Mặc dù đây là những cách khả thi để học, hướng dẫn này tập trung vào các khóa học
Chúng tôi tin rằng chúng tôi đã đề cập đến mọi khóa học đáng chú ý phù hợp với các tiêu chí trên. Vì dường như có hàng trăm khóa học trên Udemy, chúng tôi chọn chỉ xem xét những khóa học được đánh giá cao nhất và được đánh giá cao nhất. Tuy nhiên, luôn có khả năng chúng ta đã bỏ lỡ điều gì đó. Vì vậy, vui lòng cho chúng tôi biết trong phần nhận xét nếu chúng tôi để lại một khóa học tốt
Cách chúng tôi đánh giá các khóa học
Chúng tôi đã tổng hợp xếp hạng trung bình và số lượng bài đánh giá từ Class Central và các trang web đánh giá khác để tính điểm xếp hạng trung bình có trọng số cho mỗi khóa học. Chúng tôi đọc các bài đánh giá bằng văn bản và sử dụng phản hồi này để bổ sung cho các xếp hạng số
Chúng tôi đã thực hiện các cuộc gọi đánh giá giáo trình chủ quan dựa trên hai yếu tố
1. Phạm vi của quy trình khoa học dữ liệu. Khóa học có lướt qua hoặc bỏ qua một số môn học không?
2. Sử dụng các công cụ khoa học dữ liệu phổ biến. Khóa học có được dạy bằng các ngôn ngữ lập trình phổ biến như Python và/hoặc R không?
Quy trình khoa học dữ liệu là gì?
Khoa học dữ liệu là gì? . Đồ họa thông tin sau đây của các giáo sư Joe Blitzstein và Hanspeter Pfister của Harvard phác thảo một quy trình khoa học dữ liệu điển hình, sẽ giúp chúng tôi trả lời những câu hỏi này
Mục tiêu của chúng tôi với khóa học giới thiệu về khoa học dữ liệu này là làm quen với quy trình khoa học dữ liệu. Chúng tôi không muốn đề cập quá sâu về các khía cạnh cụ thể của quy trình, do đó, phần “giới thiệu về” của tiêu đề
Đối với mỗi khía cạnh, khóa học lý tưởng giải thích các khái niệm chính trong khuôn khổ của quy trình, giới thiệu các công cụ phổ biến và cung cấp một vài ví dụ [tốt nhất là thực hành]
Chúng tôi chỉ tìm kiếm một lời giới thiệu. Do đó, hướng dẫn này sẽ không bao gồm đầy đủ các chuyên ngành hoặc chương trình như Chuyên ngành Khoa học Dữ liệu của Đại học Johns Hopkins trên Coursera hoặc Nanodegree của Nhà phân tích Dữ liệu của Udacity. Những phần tổng hợp của các khóa học trốn tránh mục đích của loạt bài này. để tìm các khóa học cá nhân tốt nhất cho từng môn học để bao gồm một nền giáo dục khoa học dữ liệu. Ba hướng dẫn cuối cùng trong loạt bài viết này sẽ đề cập chi tiết đến từng khía cạnh của quy trình khoa học dữ liệu
Yêu cầu kinh nghiệm mã hóa, số liệu thống kê và xác suất cơ bản
Một số khóa học được liệt kê dưới đây yêu cầu kinh nghiệm về lập trình, thống kê và xác suất cơ bản. Yêu cầu này có thể hiểu được vì nội dung mới khá nâng cao và những môn học này thường có một số khóa học dành riêng cho chúng
Bạn có thể có được trải nghiệm này thông qua các đề xuất của chúng tôi trong hai bài viết đầu tiên [, số liệu thống kê] trong Hướng dẫn Nghề nghiệp Khoa học Dữ liệu này
Lựa chọn của chúng tôi cho phần giới thiệu tốt nhất về khóa học khoa học dữ liệu là…
- Khoa học dữ liệu A-Z™. Bao gồm các bài tập khoa học dữ liệu thực tế [Kirill Eremenko/Udemy]
Khoa học dữ liệu A-Z™ của Kirill Eremenko trên Udemy rõ ràng là người chiến thắng về độ rộng và độ bao phủ của quy trình khoa học dữ liệu trong hơn 20 khóa học đủ điều kiện. Nó có 4. Xếp hạng trung bình có trọng số 5 sao trên 3.071 bài đánh giá, khiến nó trở thành một trong những khóa học được đánh giá cao nhất và được đánh giá nhiều nhất trong số những khóa học được xem xét
Nó phác thảo toàn bộ quá trình và cung cấp các ví dụ thực tế. Với 21 giờ nội dung, đó là một thời lượng tốt. Người đánh giá thích cách truyền đạt của người hướng dẫn và cách tổ chức nội dung. Giá thay đổi tùy thuộc vào các đợt giảm giá của Udemy diễn ra thường xuyên, vì vậy bạn có thể mua quyền truy cập chỉ với $10
Mặc dù nó không đánh dấu vào hộp "sử dụng các công cụ khoa học dữ liệu phổ biến" của chúng tôi, nhưng các lựa chọn công cụ không phải Python/R [gretl, Tableau, Excel] được sử dụng hiệu quả trong ngữ cảnh. Eremenko đề cập đến những điều sau đây khi giải thích lựa chọn gretl [gretl là gói phần mềm thống kê], mặc dù nó áp dụng cho tất cả các công cụ anh ấy sử dụng [nhấn mạnh của tôi]
Trong gretl, chúng tôi sẽ có thể thực hiện mô hình tương tự như trong R và Python nhưng chúng tôi sẽ không phải viết mã. Đó là vấn đề lớn ở đây. Một số bạn có thể đã biết R rất rõ, nhưng một số có thể không biết chút nào. Mục tiêu của tôi là chỉ cho bạn cách xây dựng một mô hình mạnh mẽ và cung cấp cho bạn một khuôn khổ mà bạn có thể áp dụng trong bất kỳ công cụ nào bạn chọn. gretl sẽ giúp chúng tôi tránh bị sa lầy trong mã hóa của mình
Một nhà phê bình nổi tiếng đã lưu ý những điều sau đây
Kirill là giáo viên giỏi nhất mà tôi tìm thấy trên mạng. Anh ấy sử dụng các ví dụ thực tế trong cuộc sống và giải thích các vấn đề phổ biến để bạn hiểu sâu hơn về các khóa học. Anh ấy cũng cung cấp nhiều thông tin chi tiết về ý nghĩa của việc trở thành một nhà khoa học dữ liệu khi làm việc với dữ liệu không đầy đủ cho đến khi trình bày công việc của bạn với ban quản lý cấp C. Tôi đánh giá cao khóa học này dành cho sinh viên mới bắt đầu đến các nhà phân tích dữ liệu trung cấp
Phần giới thiệu tập trung vào Python tuyệt vời
- Giới thiệu về Phân tích dữ liệu [Udacity]
Phần Giới thiệu về Phân tích Dữ liệu của Udacity là một dịch vụ tương đối mới, là một phần trong chương trình phổ biến của Udacity. Nó bao quát quy trình khoa học dữ liệu một cách rõ ràng và mạch lạc bằng Python, mặc dù nó thiếu một chút ở khía cạnh mô hình hóa. Thời gian ước tính là 36 giờ [sáu giờ mỗi tuần trong sáu tuần], mặc dù thời gian này ngắn hơn theo kinh nghiệm của tôi. Nó có xếp hạng trung bình có trọng số 5 sao qua hai bài đánh giá. nó miễn phí
Các video được sản xuất tốt và người hướng dẫn [Caroline Buckey] rõ ràng và thân thiện. Rất nhiều câu đố lập trình thực thi các khái niệm đã học trong video. Học viên sẽ rời khóa học một cách tự tin về các kỹ năng NumPy và Pandas mới và/hoặc được cải thiện của mình [đây là những thư viện Python phổ biến]. Dự án cuối cùng — được chấm điểm và đánh giá trong Nanodegree chứ không phải trong khóa học cá nhân miễn phí — có thể là một phần bổ sung tuyệt vời cho danh mục đầu tư
Một ưu đãi ấn tượng không có dữ liệu đánh giá
- Nguyên tắc cơ bản về khoa học dữ liệu [Đại học dữ liệu lớn]
Nguyên tắc cơ bản về khoa học dữ liệu là một chuỗi bốn khóa học do Đại học dữ liệu lớn của IBM cung cấp. Nó bao gồm các khóa học có tiêu đề Khoa học dữ liệu 101, Phương pháp khoa học dữ liệu, Thực hành khoa học dữ liệu với các công cụ nguồn mở và R 101
Nó bao gồm toàn bộ quy trình khoa học dữ liệu và giới thiệu Python, R và một số công cụ nguồn mở khác. Các khóa học có giá trị sản xuất to lớn. Ước tính mất 13–18 giờ nỗ lực, tùy thuộc vào việc bạn có tham gia khóa học “R 101” ở cuối hay không, điều này không cần thiết cho mục đích của hướng dẫn này. Thật không may, nó không có dữ liệu đánh giá trên các trang web đánh giá chính mà chúng tôi đã sử dụng cho phân tích này, vì vậy chúng tôi chưa thể đề xuất nó trên hai tùy chọn trên. nó miễn phí
Cuộc thi
Lựa chọn số 1 của chúng tôi có xếp hạng trung bình có trọng số là 4. 5 trên 5 sao trên 3.068 đánh giá. Hãy xem xét các lựa chọn thay thế khác, được sắp xếp theo xếp hạng giảm dần. Dưới đây, bạn sẽ tìm thấy một số khóa học tập trung vào ngôn ngữ R, nếu bạn muốn học phần giới thiệu bằng ngôn ngữ đó
- Chương trình đào tạo về Python cho khoa học dữ liệu và máy học [Jose Portilla/Udemy]. Bảo hiểm toàn bộ quy trình với trọng tâm là công cụ [Python]. Ít điều khiển theo quy trình hơn và nhiều phần giới thiệu rất chi tiết về Python. Khóa học tuyệt vời, mặc dù không lý tưởng cho phạm vi của hướng dẫn này. Nó, giống như khóa học R của Jose bên dưới, có thể nhân đôi cả phần giới thiệu về Python/R và phần giới thiệu về khoa học dữ liệu. 21. 5 giờ nội dung. Nó có 4. Xếp hạng trung bình có trọng số 7 sao trên 1.644 đánh giá. Chi phí khác nhau tùy thuộc vào giảm giá của Udemy, thường xuyên
- Khoa học dữ liệu và Machine Learning Bootcamp với R [Jose Portilla/Udemy]. Bảo hiểm toàn bộ quy trình với tiêu điểm nặng về công cụ [R]. Ít hướng quy trình hơn và có nhiều phần giới thiệu rất chi tiết về R. Khóa học tuyệt vời, mặc dù không lý tưởng cho phạm vi của hướng dẫn này. Nó, giống như khóa học Python của Jose ở trên, có thể nhân đôi cả phần giới thiệu về Python/R và phần giới thiệu về khoa học dữ liệu. 18 giờ nội dung. Nó có 4. Xếp hạng trung bình có trọng số 6 sao trên 847 đánh giá. Chi phí khác nhau tùy thuộc vào giảm giá của Udemy, thường xuyên
- Khoa học dữ liệu và Máy học với Python — Thực hành. [Frank Kane/Udemy]. Bảo hiểm một phần quy trình. Tập trung vào thống kê và học máy. Độ dài phù hợp [chín giờ nội dung]. Sử dụng Python. Nó có 4. Xếp hạng trung bình 5 sao trên 3.104 đánh giá. Chi phí khác nhau tùy thuộc vào giảm giá của Udemy, thường xuyên
- Giới thiệu về Khoa học dữ liệu [Data Hawk Tech/Udemy]. Bảo hiểm toàn bộ quy trình, mặc dù độ sâu bảo hiểm hạn chế. Khá ngắn [ba giờ nội dung]. Bao gồm ngắn gọn cả R và Python. Nó có 4. Xếp hạng trung bình có trọng số 4 sao trên 62 đánh giá. Chi phí khác nhau tùy thuộc vào giảm giá của Udemy, thường xuyên
- Khoa học dữ liệu ứng dụng. Giới thiệu [Đại học Syracuse/Giáo dục Mở của Blackboard]. Bảo hiểm toàn bộ quy trình, mặc dù không trải đều. Tập trung nhiều vào số liệu thống kê cơ bản và R. Quá áp dụng và không đủ tập trung vào quy trình cho mục đích của hướng dẫn này. Trải nghiệm khóa học trực tuyến cảm thấy rời rạc. Nó có 4. Xếp hạng trung bình có trọng số 33 sao trên 6 bài đánh giá. Miễn phí
- Giới thiệu về Khoa học dữ liệu [Nina Zumel & John Mount/Udemy]. Chỉ bao phủ một phần quy trình, mặc dù chuyên sâu về các khía cạnh chuẩn bị và mô hình hóa dữ liệu. Độ dài ổn [sáu giờ nội dung]. sử dụng R. Nó có 4. Xếp hạng trung bình có trọng số 3 sao trên 101 đánh giá. Chi phí khác nhau tùy thuộc vào giảm giá của Udemy, thường xuyên
- Khoa học dữ liệu ứng dụng với Python [V2 Maestros/Udemy]. Bảo hiểm toàn bộ quy trình với độ sâu tốt cho từng khía cạnh của quy trình. Chiều dài vừa phải [8. 5 giờ nội dung]. Sử dụng Python. Nó có 4. Xếp hạng trung bình có trọng số 3 sao trên 92 đánh giá. Chi phí khác nhau tùy thuộc vào giảm giá của Udemy, thường xuyên
- Bạn muốn trở thành một nhà khoa học dữ liệu? . Bảo hiểm toàn bộ quy trình, mặc dù độ sâu bảo hiểm hạn chế. Khá ngắn [3 giờ nội dung]. Phạm vi công cụ hạn chế. Nó có 4. Xếp hạng trung bình có trọng số 3 sao trên 790 đánh giá. Chi phí khác nhau tùy thuộc vào giảm giá của Udemy, thường xuyên
- Dữ liệu đến cái nhìn sâu sắc. Giới thiệu về Phân tích Dữ liệu [Đại học Auckland/FutureLearn]. Phạm vi bảo hiểm không rõ ràng. Yêu cầu tập trung vào thăm dò, khám phá và trực quan hóa dữ liệu. Không cung cấp theo yêu cầu. 24 giờ nội dung [ba giờ mỗi tuần trong tám tuần]. Nó có xếp hạng trung bình có trọng số 4 sao trên 2 bài đánh giá. Miễn phí với chứng chỉ trả phí có sẵn
- Định hướng Khoa học Dữ liệu [Microsoft/edX]. Bảo hiểm một phần quy trình [thiếu khía cạnh mô hình hóa]. Sử dụng Excel, điều này hợp lý vì đây là khóa học mang thương hiệu Microsoft. 12–24 giờ nội dung [hai-bốn giờ mỗi tuần trong sáu tuần]. Nó có 3. Xếp hạng trung bình có trọng số 95 sao trên 40 bài đánh giá. Miễn phí với Chứng chỉ đã xác minh có sẵn với giá 25 đô la
- Kiến thức cơ bản về khoa học dữ liệu [Microsoft/edX]. Bảo hiểm toàn bộ quy trình với độ sâu bảo hiểm tốt cho từng khía cạnh. Bao gồm R, Python và Azure ML [một nền tảng máy học của Microsoft]. Một số đánh giá 1 sao trích dẫn lựa chọn công cụ [Azure ML] và cách phân phối kém của người hướng dẫn. 18–24 giờ nội dung [ba-bốn giờ mỗi tuần trong sáu tuần]. Nó có 3. Xếp hạng trung bình có trọng số 81 sao trên 67 bài đánh giá. Miễn phí với Chứng chỉ đã xác minh có sẵn với giá 49 đô la
- Khoa học dữ liệu ứng dụng với R [V2 Maestros/Udemy]. R đồng hành với khóa học Python của V2 Maestros ở trên. Bảo hiểm toàn bộ quy trình với độ sâu tốt cho từng khía cạnh của quy trình. Độ dài vừa phải [11 giờ nội dung]. sử dụng R. Nó có 3. Xếp hạng trung bình có trọng số 8 sao trên 212 đánh giá. Chi phí khác nhau tùy thuộc vào giảm giá của Udemy, thường xuyên
- Giới thiệu về Khoa học dữ liệu [Udacity]. Bảo hiểm một phần quy trình, mặc dù độ sâu tốt cho các chủ đề được đề cập. Thiếu khía cạnh khám phá, mặc dù Udacity có một khóa học tuyệt vời, đầy đủ về phân tích dữ liệu khám phá [EDA]. Tuyên bố là dài 48 giờ [sáu giờ mỗi tuần trong tám tuần], nhưng ngắn hơn theo kinh nghiệm của tôi. Một số đánh giá cho rằng việc thiết lập nội dung nâng cao còn thiếu. Cảm thấy vô tổ chức. Sử dụng Python. Nó có 3. Xếp hạng trung bình có trọng số 61 sao trên 18 bài đánh giá. Miễn phí
- Giới thiệu về Khoa học dữ liệu bằng Python [Đại học Michigan/Coursera]. Bảo hiểm một phần quy trình. Không có mô hình hóa và trực quan hóa, thông qua các khóa học #2 và #3 trong Khoa học dữ liệu ứng dụng với Chuyên môn Python bao gồm các khía cạnh này. Tham gia cả ba khóa học sẽ quá chuyên sâu cho mục đích của hướng dẫn này. Sử dụng Python. Bốn tuần dài. Nó có 3. Xếp hạng trung bình có trọng số 6 sao trên 15 bài đánh giá. Tùy chọn miễn phí và trả phí có sẵn
- Ra quyết định dựa trên dữ liệu [PwC/Coursera]. Bảo hiểm một phần [thiếu mô hình] với trọng tâm kinh doanh. Giới thiệu nhiều công cụ, bao gồm R, Python, Excel, SAS và Tableau. Bốn tuần dài. Nó có 3. Xếp hạng trung bình có trọng số 5 sao trên 2 đánh giá. Tùy chọn miễn phí và trả phí có sẵn
- Khóa học cấp tốc về Khoa học dữ liệu [Đại học Johns Hopkins/Coursera]. Tổng quan cực kỳ ngắn gọn về toàn bộ quá trình. Quá ngắn cho mục đích của loạt bài này. Hai giờ dài. Nó có 3. Xếp hạng trung bình có trọng số 4 sao trên 19 đánh giá. Tùy chọn miễn phí và trả phí có sẵn
- Hộp công cụ của nhà khoa học dữ liệu [Đại học Johns Hopkins/Coursera]. Tổng quan cực kỳ ngắn gọn về toàn bộ quá trình. Thông tin thêm về khóa học thiết lập cho Chuyên ngành Khoa học Dữ liệu của Đại học Johns Hopkins. Tuyên bố có 4–16 giờ nội dung [một bốn giờ mỗi tuần trong bốn tuần], mặc dù một người đánh giá lưu ý rằng nội dung đó có thể hoàn thành trong hai giờ. Nó có 3. Xếp hạng trung bình có trọng số 22 sao trên 182 đánh giá. Tùy chọn miễn phí và trả phí có sẵn
- Quản lý và trực quan hóa dữ liệu [Đại học Wesleyan/Coursera]. Bảo hiểm một phần quy trình [thiếu mô hình hóa]. Bốn tuần dài. Giá trị sản xuất tốt. Sử dụng Python và SAS. Nó có 2. Xếp hạng trung bình có trọng số 67 sao trên 6 bài đánh giá. Tùy chọn miễn phí và trả phí có sẵn
Các khóa học sau không có đánh giá kể từ tháng 1 năm 2017
- CS109 Khoa học dữ liệu [Đại học Harvard]. Bảo hiểm toàn bộ quá trình ở độ sâu lớn [có lẽ quá sâu cho mục đích của loạt bài này]. Một khóa học đại học đầy đủ 12 tuần. Điều hướng khóa học khó khăn vì khóa học không được thiết kế để sử dụng trực tuyến. Các bài giảng thực tế của Harvard được quay phim. Infographic quy trình khoa học dữ liệu ở trên bắt nguồn từ khóa học này. Sử dụng Python. Không có dữ liệu đánh giá. Miễn phí
- Giới thiệu về Phân tích dữ liệu cho doanh nghiệp [Đại học Colorado Boulder/Coursera]. Bảo hiểm một phần quy trình [thiếu các khía cạnh mô hình hóa và trực quan hóa] tập trung vào kinh doanh. Quy trình khoa học dữ liệu được ngụy trang thành “Chuỗi giá trị thông tin-hành động” trong các bài giảng của họ. Bốn tuần dài. Mô tả một số công cụ, mặc dù chỉ bao gồm SQL ở bất kỳ độ sâu nào. Không có dữ liệu đánh giá. Tùy chọn miễn phí và trả phí có sẵn
- Giới thiệu về Khoa học dữ liệu [Lynda]. Bảo hiểm toàn bộ quy trình, mặc dù độ sâu bảo hiểm hạn chế. Khá ngắn [ba giờ nội dung]. Giới thiệu cả R và Python. Không có dữ liệu đánh giá. Chi phí phụ thuộc vào thuê bao Lynda
Kết thúc nó
Đây là phần thứ ba trong loạt bài gồm sáu phần bao gồm các khóa học trực tuyến tốt nhất để đưa bạn vào lĩnh vực khoa học dữ liệu. Chúng tôi đã đề cập đến lập trình trong thống kê và xác suất trong. Phần còn lại của loạt bài sẽ đề cập đến các năng lực cốt lõi khác của khoa học dữ liệu. trực quan hóa dữ liệu và học máy
Nếu bạn muốn học Khoa học dữ liệu, hãy bắt đầu với một trong những lớp lập trình này
Phần cuối cùng sẽ là bản tóm tắt các bài báo đó, cộng với các khóa học trực tuyến tốt nhất cho các chủ đề chính khác như sắp xếp dữ liệu, cơ sở dữ liệu và thậm chí cả công nghệ phần mềm
Nếu đang tìm danh sách đầy đủ các khóa học trực tuyến về Khoa học dữ liệu, bạn có thể tìm thấy chúng trên trang chủ đề Khoa học dữ liệu và Dữ liệu lớn của Class Central
Nếu bạn thích đọc nó, hãy xem một số tác phẩm khác của Class Central
Dưới đây là 250 khóa học Ivy League mà bạn có thể tham gia trực tuyến miễn phí ngay bây giờ
250 MOOC từ Brown, Columbia, Cornell, Dartmouth, Harvard, Penn, Princeton và Yale.
50 khóa học đại học trực tuyến miễn phí tốt nhất theo dữ liệu
Khi tôi ra mắt Class Central vào tháng 11 năm 2011, có khoảng 18 khóa học trực tuyến miễn phí và gần như tất cả…