原文：
www.kdnuggets.com/2022/09/best-data-science-bootcamp-degree-online-course.html
| 类型 | 成本 | 时长 | 学习方式 |
|---|---|---|---|
| 数据科学训练营 | $13,500 | 通常 12-16 周 | 指导 |
| 数据科学学位 | $32,000-$200,000 | 两到四年 | 指导 |
| 数据科学在线课程 | $0-$50 | 从几天到几周 | 自学 |
1. Google 网络安全证书 - 快速进入网络安全领域。
2. Google 数据分析专业证书 - 提升你的数据分析能力
3. Google IT 支持专业证书 - 支持你的组织的 IT
世界上有大量的信息供任何想学习数据科学的人使用。困难在于选择合适的格式。你是选择数据科学训练营？还是争取获得学位？或者尝试在线课程呢？
答案归结为：这要看情况。取决于你有多少时间和金钱，你是否喜欢自学，以及你是否有任何关于数据科学的先前知识。你想成为自由职业者吗？数据科学只是一个爱好吗？你想进入数据科学工作吗？
数据科学训练营通常持续 3-6 个月。这是一个对数据科学的深入训练。一些训练营仅覆盖一种语言，而其他的则包括所有基础知识。虽然有兼职选项，但你应该预计每周至少要花费大约 40 小时在此上面。
数据科学学位是一个更全面、更慢、更昂贵的选项。你可以选择从认证大学获得两年或四年的学位，虽然现在大多数人选择像 EdX 或 Coursera 这样的平台从大学提供的课程中学习。
在线课程是最灵活的选项。有大量不同的选择，从初学者到高级，从 Ruby 到 Python 到 Perl，视频课程、基于小组的课程、免费到几千美元，以及你能想象到的各种学习方式。
即使你想在最后获得一份工作，任何选择都能奏效。大多数雇主不太在意你的资质，他们想要证明你能做你所说的事。
让我们详细分析这三种选择：优缺点、成本，以及最终你可以期望从中获得什么。
数据科学训练营通常由一个组织以整批学生的形式同时进行。他们大约在十年前开始变得受欢迎，如今你可以找到几乎任何类型的数据科学学习训练营。
数据科学训练营最大的好处——也是最大的缺点，不过我们稍后会讨论——就是其极高的强度。
想要完全沉浸在学习环境中，直到你可以吃、睡、呼吸代码？训练营是你的正确选择。这是大量的工作，但很有回报。这些训练营会像全职工作一样花费时间，还加上作业。它是快速学习的好方法。
训练营是一种系统化的学习体验。它就像是强化版的大学教育。你会有讲座、办公时间、作业，甚至职业指导课程。它们是完整的套餐。许多训练营甚至在结束时提供工作保证，因为他们对自己教授可就业技能的能力非常有信心。
由于这些训练营是按小组进行的，它们保持了很高的灵活性。与大学不同，大学在融入新语言和技术时变化缓慢，而训练营会教授最前沿的技术，这有助于你在求职时具有竞争力。
数据科学训练营的缺点，正如我之前提到的，类似于优点。它很密集。你会花费大量金钱。2020 年，数据科学训练营的平均费用约为 13,500 美元。
除了金钱，你还会花费大量的另一种宝贵资源：时间。许多训练营要求每周工作 40 小时，还不包括完成作业和做家庭作业所需的时间。如果你有工作，除非你的老板非常理解，否则这不是你可以轻松应对的事情。
简而言之？它是不灵活的——如果它不适合你的情况，你也无能为力。
另一个优点也转变成了缺点：由于训练营的重点是就业能力，而不是教授数据科学，许多训练营跳过了数据科学的基础知识。大多数训练营不会教授你很多数据科学所需的基本数学和统计学知识。
当然，你将能够像巫师一样编写代码，但你将缺乏可能变得重要的关键知识。此外，如果缺乏基础知识，以后很难扩展你的知识。你可能能记住 Python 语法，但如果你不理解双尾 T 检验是什么，你可能会遇到困难。面试中总有可能会被问到这种问题——雇主不仅希望你能写出代码，还希望知道你是否理解它。如果你不能证明这一点，你可能会发现自己找不到工作。
数据科学学位是指你在大学里花费几年时间学习如何从事数据科学。对于本文来说，我不会包括 Coursera 或 EdX 的选项，因为这些属于数据科学在线课程。我说的是选择专业、住在宿舍以及坐在讲座厅里学习数据科学学位的情况。
数据科学学位课程与数据科学训练营形成了完美的对比。它几乎是完全相反的。数据科学学位的最佳部分是你能够全面、深入理解数据科学。而且不仅仅是数据科学——你还会学习到密码学。你将理解算法背后的数学原理。你会知道如何进行统计分析。此外，虽然大多数雇主并不需要数据科学学位，但有这个学位也不会有什么坏处！
你将接触到更多的主题，因为学位课程不像训练营那样范围狭窄。而且，你还会获得更多的软技能。训练营试图以最快的速度灌输尽可能多的可就业信息。数据科学学位课程也教会你如何学习。
最后，你将接受严格的测试。学位要求你通过考试——这就是文凭的价值所在，因为它证明你掌握了足够的知识以在考试中得分。这个考试将准确显示你的强项和弱项，这有助于你进一步巩固知识。
缺点与数据科学训练营非常相似，只是更糟糕：如果你觉得训练营花费$13.5k 很贵，那么你可能不愿意知道数据科学学位更为昂贵。除了教育费用外，你还要支付两到四年的住宿和膳食费。公立大学的学位——最便宜的选择——如果你住在校外，每年的费用大约为$14.9k。如果选择在私立非营利大学的校园内，最昂贵的选择每年的费用为$54.4k。
还有时间因素的问题，你需要花费两到四年的时间。虽然这是优质的教育，但你会用自己生命中的数年时间来获得它。
最后，虽然学位课程侧重于基础方面，但它们缺乏实际就业方面的内容。目标是教会你知识，而不是雇佣你。这意味着你在数据科学的基础知识上会有更扎实的理解，但也可能在就业优势方面不如其他选择。
数据科学在线课程是第三种选择。它无疑是最灵活和实惠的。正如我之前提到的，你可以选择任何数据科学主题的在线课程。这也是需要最多内部自律的选项。
数据科学在线课程的主要好处在于你如何利用它。你可以找到在 YouTube 上运行的惊人的免费数据科学在线课程。你还可以获得谷歌认证。如果你想熟练掌握Ruby on Rails，有课程可以选择。如果你更愿意学习密码学，也可以朝这个方向发展。如果你想为像 FAANG 这样的特定大公司做准备，有一个平台“StrataScratch”可以帮助你为面试做好准备。
这里的另一个优点也是一个缺点：它是自定进度的。如果你在工作，还要照顾两个孩子，那么训练营或学位可能不适合你。在线课程会是一个更好的解决方案。它更容易融入你现有的生活方式。
在线课程通常也更便宜。因为它既不会试图在接下来的 12 周内让你找到工作，也不会尝试教你所有的数据科学知识，所以它通常更实惠。
数据科学在线课程的缺点？
如上所述，它是自定进度的。如果你想学习数据科学，你必须自己掌控进度——没有人会牵着你的手。
找到一个全面的课程也更难。虽然你可以通过一点谷歌搜索来创建自己的数据科学课程，但你必须自己整理信息，而不是将信息一 spoon-fed。再者，你总有可能遗漏某些内容。
你可能会面临动力不足的问题，因为社区支持较少（虽然一些在线课程正在通过 Discord 和社区活动来解决这个问题）。无论是训练营还是学位课程都会提供同行和陪伴。而在课程中，你是孤身一人。
最终，你会错过学位所提供的基础知识和训练营给予的就业技巧。
说哪个选项最好是不可能的，因为这完全取决于你的情况。在许多情况下，使用组合方案是最好的。例如，毕业后，你可能想通过课程或训练营来提升你的知识。
这里是一个快速回顾，帮助你做出自己的决定：
数据科学训练营：大约$13,500，三个月，侧重就业且强度大。
数据科学学位：介于$32,000-$200,000 之间，两到四年，基础知识，强度大。
数据科学课程：许多免费选项，还有许多便宜的选项，大约$100 或更少。这些课程可能需要一周或几个月完成，涵盖从就业相关话题到基础知识的内容。大多数课程为自定进度和自我激励。
Nate Rosidi 是一名数据科学家，从事产品策略工作。他还是一位兼职教授，教授分析课程，并且是 StrataScratch 的创始人，这是一个帮助数据科学家通过顶级公司真实面试问题准备面试的平台。你可以通过 Twitter: StrataScratch 或 LinkedIn 与他联系。