全栈数据科学已成为计算机科学领域最热门的行业之一。从传统数学发展到数据工程等概念，这个行业需要广泛的知识和专业知识。它的在线资源、书籍和教程的需求呈指数级增长。对初学者来说，至少可以说，这是压倒性的。大多数时候，初学者要么从python课程开始，要么从机器学习课程开始，或者从一些基础数学课程开始。但很多时候，他们中的很大一部分人不知道从何下手。有这么多的资源可以去，他们中的许多人一直在资源中挣扎。在Udemy、edX、Coursera和YouTube之间移动，浪费了很多时间。

本文的目标不是列出所需的教学大纲，而是列出端到端数据科学领域中每个主题领域的一些突出的在线资源。它将帮助初学者在不浪费宝贵时间的情况下开始他们的数据科学之旅。我已经试着把资源按尽可能多的顺序放下。但根据个人的专业知识和要求，它可能会在很大程度上有所不同。本文的重点只是列出了一些完整和深入的在线课程和教程，这些课程和教程适用于包含全堆栈数据科学的领域。我试着让列表尽可能短，这样它就可以帮助初学者在没有太多选择的情况下开始他们的学习。

下列领域的资源

• 数学— 线性代数, 微积分, Probability, Statistics, and Convex Optimization
• Python编程— Fundamentals, OOP Concepts, Algorithms, Data Structures, and Data Science Applications
• R程序设计— Fundamentals, Data Science, and Web Applications
• Core DS Concepts— 数据库编程, 机器学习, 深度学习, 自然语言处理, 计算机视觉, 强化学习, 数据可视化, 模型部署, and 大数据
• C/C++编程-基础知识、问题解决、OOP概念、算法和数据结构
• Computer Science Fundamentals— Introduction, Algorithms, Data Structures, Discrete 数学, Operating System, Computer Architecture, Database Concepts, Git, and GitHub

数学

线性代数

1. Instructor: Grant Sanderson / Channel: 3Blue1Brown
   Course:Essence of 线性代数
2. Instructor: Prof. Gilbert Strang / MIT OpenCourseWare
   Course:线性代数/Youtube
3. Instructor: Kaare Brandt Petersen & Michael Syskind Pedersen
   Book:Matrix Algebra

微积分

1. Instructor: Grant Sanderson / Channel: 3Blue1Brown
   Course:Essence of 微积分
2. Instructor: Prof. David Jerison / MIT OpenCourseWare
   Course:Single Variable 微积分/YouTube
3. Instructor: Prof. Denis Auroux / MIT OpenCourseWare
   Course:Multi-Variable 微积分/ YouTube

概率统计

1. Instructor: Khan Academy
   课程：概率
2. 讲师：可汗学院
   课程：统计学
3. 讲师：约书亚·斯塔莫
   课程：统计学基础
4. 讲师：John Tsitsiklis教授/麻省理工学院开放式课程
   课程：概率方法
5. 讲师：艾伦·B·唐尼
   书：思考统计

注意：在完成python和统计学的基础知识后使用本书

凸优化（高级概念）

1. Instructor: Prof. Stephen Boyd / Stanford
   Course:Introduction to Convex Optimization

Python编程

Python基本原理

1. Python适合每个人：课程/书籍/网站
2. 学习Python的艰难途径：书
3. 想想Python：书
4. Python编程 by 克里什·奈克:Course
5. 完整的Python训练营：课程

算法与Python的OOP

1. 用Python解决问题和面向对象编程：课程
2. Grokking算法：书籍
3. 用Python自动化无聊的东西：当然
4. 创业公司（高级）社交网络分析

用Python实现数据科学

1. Python数据科学手册
2. Python for Data Science：FreecodeCamp课程
3. 计算思维与数据科学导论：课程
4. Applied 用Python实现数据科学:Course

R程序设计

1. 数据科学研究：书籍
2. Hands-on 机器学习 with R:Book
3. 使用R Shiny的交互式Web应用程序：教程

数据库编程

1. 数据库系统基础
2. SQL vs NoSQL、MySQL vs MongoDB：教程/教程
3. 完整的数据库设计课程：教程
4. 使用MySQL的SQL：课程
5. PostgreSQL：课程
6. 面向每个人的PostgreSQL：课程
7. SQLite与Python：课程
8. 流行数据库：教程

数据可视化

1. Edureka Power BI完整课程：课程
2. Power BI完整课程by Simpilearn：课程
3. Edureka的Tableau完整课程：课程
4. 按Simpilearn列出的完整课程表：课程
5. freecodeCamp.组织的Tableau速成班：课程

机器学习

初学者课程

1. 指导老师：吴恩达
2. 指导老师：Abu Yaser Mustafa
3. 指导老师：克里什·奈克
4. AI简介：AI/Edureka
5. 麻省理工学院的人工智能：课程

Applied 机器学习 Course with Python

1. 机器学习 A-Z:Course
2. Practical 机器学习 with Python:Course

书籍 for Hands-on 机器学习

1. Hands-on 机器学习 with Scikit-Learn, Keras & TensorFlow:Book
2. 100页ML的书：书
3. 从数据中学习：书籍

深度学习

专业课程

1. 指导老师：吴恩达/YouTube
2. 指导老师：克里什·奈克
3. 指导老师：Yann Le'Cunn
4. 指导教师：麻省理工学院

Applied 深度学习 with Python & TensorFlow

1. 深度学习 A-Z: Hands-On Artificial Neural Networks:Course
2. TensorFlow完整课程freecodeCamp.组织：课程
3. AI TensorFlow开发者专业证书：课程
4. TensorFlow数据与部署：课程

书籍 for Hands-on 深度学习

1. 深度学习 Book:Book
2. Fundamentals of 深度学习:Book

自然语言处理

1. Deeplearning.ai的NLP专业化：课程
2. NLP with 深度学习 by Stanford:Course/YouTube
3. 克里什·奈克的完整NLP：课程

计算机视觉

1. 用于视觉识别的卷积神经网络教程
2. 克里什·奈克的完整简历：课程
3. FreecodeCamp.组织的完整OpenCV：课程

强化学习

1. 强化学习 by DeepMind:Course
2. 强化学习 by Stanford:Course
3. 强化学习 by University of Alberta:Course

Web开发

1. 科里·谢弗的《姜戈教程：课程》
2. 每个人的Django：当然
3. 科里·沙费尔的烧瓶教程：课程
4. Web开发 by 特拉维亚特媒体:Web Link/YouTube
5. Full Stack Web开发 Guide:Tutorial
6. 面向每个人的网页设计：课程
7. 面向每个人的Web应用程序：课程

Git&Github

1. freecodeCamp.组织的速成班：课程
2. Trawrade Media速成班：课程
3. Edureka全程课程：课程
4. Mosh为初学者提供的Git教程：课程
5. Amigoscode提供的Git和Github教程：课程

AWS

1. AWS认证：教程
2. AWS入门教程：课程
3. AWS初学者基础：课程
4. AWS认证云从业者培训：课程
5. AWS认证解决方案架构师-助理培训：课程
6. AWS认证开发人员-助理培训：课程
7. AWS SysOps管理员-助理培训：课程

模型部署

1. 指导老师：克里什·奈克
2. 指导老师：丹尼尔·伯克
3. Live End-to-End 模型部署:Tutorial
4. 模型部署 using Amazon Sagemaker:Tutorial
5. 模型部署 using Azure:Tutorial

大数据

1. Introduction to 大数据 by CrashCourse:Tutorial
2. Introduction to 大数据 by Edureka:Tutorial
3. 大数据 Intro by Simplilearn:Tutorial
4. 大数据 & Hadoop by Edureka:Course
5. Edureka的Apache Spark：课程

求解问题的C/C++程序设计

教程和课程

1. 迈克的完整C教程：课程
2. 凯勒·柯里完整C++教程：课程
3. Suldina Nurak完整的C++教程：课程
4. C++OOPS概念：课程
5. 用C++解决问题与面向对象编程：课程
6. C++中的指针：课程
7. 使用C++的STL语言：课程
8. C/C++数据结构教程

书籍

1. Bjarne Stroustrup的C++编程语言
2. Dennis Ritchie的C编程语言

算法与数据结构

1. 麻省理工学院算法导论：课程
2. 麻省理工学院算法设计与分析教程
3. 麻省理工学院的高级算法：课程
4. 极客的竞争编程指南：Web链接
5. Thomas H.Cormen算法导论

计算机科学基础

1. 计算机科学缺失学期：课程
2. CMU的计算机系统架构：课程
3. 麻省理工学院计算机系统架构课程
4. Neso学院的操作系统：课程
5. UC Berkely操作系统：课程
6. 软件工程基础：课程

I tried to provide specific resources (courses/tutorials/books) that are in-depth, prominent on the web, and have proved to be quite beneficial to a large number of learners in the data science arena. I tried to be as specific as possible and listed those with which I have familiarity. It goes without saying that many great resources have also been left out. As such, this list should not be considered an expert guide by any means. Rather, it picks out some of the highlighted courses to make the learning journey easier for beginners. I will finish off by providing some of the topmost YouTube channels that have tons of learning materials and some pretty good guidance in regards to the subject matter.

数据科学的顶级YouTube频道

1. 克里什·奈克
2. 森德克斯
3. 3Blue1Brown
4. 组织
5. 约书亚·斯塔莫的StatQuest
6. Python程序员
7. 科里·沙费尔
8. 蒂姆的技术
9. 两分钟文件
10. 数据学派
11. 凯勒·柯里
12. 安德烈亚斯·克雷茨
13. 特拉维亚特媒体
14. 斯坦福在线
15. 扬尼奇·基尔彻
16. 极客
17. 编号PHILE
18. AI
19. 霉菌醇
20. 形象化艺术