这门数据科学课程适合哪些人？
它适合需要查看数据看板、委托开展分析或依据数据做决策，并希望提出更好的问题、识别不可靠结论的管理者、营销人员、产品人员、运营负责人和创始人。你只需具备基本的电子表格使用能力，无需其他基础。
这门数据科学课程不适合哪些人？
本课程不适合希望通过全日制学习成为数据科学家的人。核心学习路径无需编程，可选的 Python 和 SQL 编程课也从零开始，但无法替代大学或学院数据科学专业课程或高强度全日制训练营所提供的学习深度、项目积累和导师指导，也不保证就业。本课程同样不适合已经担任数据科学家或工程师、希望接受高级专业培训的人。许多人会结合两种学习方式：在这里打好基础、开始编程，再通过更长期的技术学习掌握胜任工作所需的技能。
各个模块分别会学到什么？
这六个模块贯穿一次真实分析的全过程，从有人提出问题，到作出决策。
1. 将业务问题转化为数据问题
将“销售额为什么下降？”转化为数据能够回答的问题，并明确什么证据会让你改变判断。
2. 数据：来源及其如何造成误导
样本、缺失数据、团队之间不一致的定义，以及为什么最容易获取的数据往往不是所需的数据。
3. 描述性统计
平均数、中位数、离散程度、百分比和比率，以及各自会在什么情况下掩盖实际情况。
4. 可视化
选择能回答问题的图表，并识别因疏忽或有意设计而产生误导的图表。
5. 实验和 A/B 测试
用通俗语言解释对照组、样本量、显著性，以及为什么相关关系不等于因果关系。
6. 与分析师和 AI 协作
撰写分析需求说明、审查结果，并借助 AI 助手探索数据，同时核查其计算。
个性化学习路径如何适应我的个人情况？
入门评估会了解你对百分比、平均值和图表的掌握程度，以及你需要作出哪些决策。营销负责人的示例围绕营销活动测试和转化率展开；运营经理的示例则围绕交付时间和缺陷率展开。如果你已经能熟练解读统计数据，学习路径会较快进入实验和简报部分。
我要练习什么？
你会使用虚构或公开数据集，练习围绕数据工作需要作出的决策。每项任务都会按照可查看的评分标准评分，并反馈哪些方面需要加强，你也可以申请复核任何评分。
任务示例：一家虚构的半成品食材配送公司——绿篮，试用了两周新版欢迎邮件，并报告称，打开邮件的客户再次下单的可能性高出 30%。你需要解释为什么这不能证明邮件有效，并设计一项公平的 A/B 测试。评分标准会检查：你是否指出自我选择问题；是否设定对照组；是否提前选定一项成效指标；是否说明在任何人查看结果之前，测试应持续多久。
完成数据科学课程需要多长时间？
每节课时长为 10 至 15 分钟。整个学习路径的长度取决于入门测评结果和学习频率，因此没有固定的总学时。有统计学背景的人可能会跳过第三模块的大部分内容，而不熟悉数字的人会在开展实验前获得额外练习。
完成后我能获得什么？
最终实践考核要求你评析一份分析报告，并撰写一份改进分析的任务说明。通过后，你将获得受认可的职场人士数据科学基础证书。该证书不属于经认证的资质，也不代表你具备数据科学技术能力。
数据科学课程多少钱？
无需另付课程费：课程已包含在套餐中。个人套餐每月 USD 79，或每年 USD 790。团队套餐最多包含 3 名成员，每月 USD 189，或每年 USD 1,890；每增加一名成员，每月加收 USD 49，或每年加收 USD 490。25 名成员起适用批量定价。包含 7 天免费试用，无需信用卡。