数据科学的发展推动了各行各业，包括智能科技、企业运营、金融机构和医疗中心等，对海量数据（PB 级）的有效利用。数据科学的基石在于数学和统计学。因此，掌握数据科学中的统计学知识，对于成为一名成功的数据科学家至关重要。
本文将为你呈现一系列精选的视频资源和在线课程，这些资源以简洁明了的方式，助你轻松入门数据科学统计学。继续阅读，让你的数据科学之旅迈出坚实的第一步。
为何要学习数据科学的统计学？
网站和应用程序每时每刻都在产生海量数据。然而，这些原始数据本身并不具备意义，除非我们能从中发现模式。统计学正是帮助我们从数据中提取模式和洞见的关键工具。
数据科学家在获得庞大的数据集后，首先会运用描述性统计来将调查或观测结果转化为有意义的解读。
随后，他们会利用推论统计，分析整体数据集中的一部分样本，从而将这些发现推广到数据集的来源，例如一个国家的人口情况。
因此，学习统计学对于解决数据科学中的关键问题至关重要，例如：
- 理解任何数据集或调查数据的核心特征
- 制定产品开发策略的方法
- 设定并量化性能指标
- 预测项目预期或常见的结果
- 筛选有效数据并剔除噪声
统计学在数据科学中的重要性
数据清洗
统计方法是验证数据是否按照既定调查计划收集的关键工具。它还帮助数据科学家识别并清除数据中的噪声、错误数据、不相关数据和重复数据。经过清洗的数据，才能作为机器学习程序的有效输入。
数据分析
在数据分析过程中，我们需要运用均值、中位数、众数、方差和分布等统计指标。此外，统计学还有助于预测数据模型中的特定结果。
统计学是理解数据、改进数据模型以及解释数据集特定数值的关键。
分类方法
逻辑回归是数据科学家常用的方法之一。他们运用该统计函数，基于数据模型中发现的模式来预测定性响应。
聚类
聚类分析是一种重要的统计技术，可以帮助数据科学家对人群进行区分。例如，数据科学家可以运用聚类分析来区分不同年龄段的客户，并进行精准的广告投放，从而降低成本并提高转化率。
接下来，我们将介绍一些学习数据科学统计学的基础资源。
免费课程和视频资源
以下是一些在 YouTube 上提供的免费课程。此外，你还将发现一些提供优质免费学习内容的知名在线教育平台。
Great Learning
通过观看 Great Learning 在 YouTube 上的视频课程，了解数据科学中统计学的必要性。这个长达 7 小时 12 分钟的视频详细阐述了数据科学统计学的各个重要方面。
例如，该课程解释了机器学习和统计学之间的关系、数据集的类型、相关性、概率论、二项分布等概念。
速成班
YouTube 频道 CrashCourse 的《CrashCourse 统计数据》是数据科学爱好者学习统计学的绝佳资源。该频道共提供 44 个视频，深入讲解数据科学和机器学习中常用的统计功能。
建议按照视频的顺序观看，以便系统地学习。观看时，可以准备纸笔，练习视频中讲解的统计问题。
免费代码营
想了解大学级别的数据科学统计学课程是怎样的吗？ 观看 Free Code Camp 在 YouTube 上提供的统计学课程视频。
认真完成该课程后，你将掌握收集、总结、组织和解释数据的技能。此外，你还可以有效地汇总大型数据集。
可汗学院
可汗学院的 YouTube 视频是另一个学习统计学的优质资源。
该频道提供了关于统计学各个主题的视频讲座列表，共有 67 个免费视频讲座可供随时观看。
马林的统计数据
Marin 在 YouTube 频道 MarinStatsLectures-R Programming & Statistics 上，提供了一系列关于数据科学统计学的详尽讲座。
该频道有 50 个讲座视频，涵盖了研究设计、分布、Z 分数等基本统计概念。
365 数据科学
365 Data Science 在 YouTube 上提供的统计学入门视频，涵盖了数据科学家所需的各种统计功能。
偏度、方差、测量水平、数值变量等都是该讲座重点涵盖的统计主题。
统计任务
观看 StatQuest 提供的关于机器学习的免费 YouTube 讲座，通过并排应用统计函数来学习机器学习。
此播放列表包含 84 个视频讲座，涵盖了偏差、方差、多元回归和逻辑回归等统计概念。
优达学城
从免费资源开始学习新技能是明智之举。 这有助于你了解技能的内涵以及掌握该技能所需的付出。 你可以利用优达学城的课程来学习数据科学统计学。
你将学习到数据科学中所需的统计概念，例如：
- 概率
- 估计
- 发现数据间的关系
- 回归分析
- 推论
- 正态分布和异常值
该课程面向所有人开放，具备基本的代数知识将有助于你完成练习任务。
贝叶斯统计简介：Udemy
贝叶斯统计是一种探索假设概率的统计推断方法。数据科学家会以多种方式运用该方法。你可以通过观看 Udemy 上的这门课程免费学习整个概念。
你将在 4 个简短的章节（包含 14 个讲座）中学习贝叶斯统计。完成课程大约需要 1 小时 18 分钟。你也可以随时复习课程，以便加深理解。
统计学导论：Coursera
这是斯坦福大学在 Coursera 上提供的课程，由该大学的教员授课。该免费课程为自定进度学习材料，你可以根据自己的时间安排调整截止日期。
主要课程内容包括：
- 数据探索的描述性统计
- 数据的收集与抽样
- 概率论
- 二项分布
- 回归分析
完成所有课程大约需要 15 个小时。最后，你将获得一份结课证书。
统计和概率：可汗学院
想免费学习数据科学的统计和概率吗？你一定要试试可汗学院的游戏化学习内容。课程内容涵盖了数据科学中概率和统计学的基础知识。
本课程共包含 16 个章节。最后，还有课程挑战来检验你对所学知识的掌握程度。此外，该课程通过视频讲座提供内容。因此，这是一门适合在职人士的自定进度课程。
使用 Python 进行数据科学统计：Coursera
IBM 在 Coursera 上提供了这门课程。这是一门高度客观的课程，旨在学习数据科学统计学的基础原理。值得关注的课程主题包括：
- 数据收集
- 数据汇总的描述性统计
- 数据的可视化和展示
- 概率分布
- 假设检验
- 方差分析（ANOVA）
- 相关性和回归分析
预计完成课程所需时间为 14 小时。由于该课程是完全在线自学的，在职人士也不必担心。
机器学习专业数学：Coursera
数学是机器学习、人工智能和数据科学的基石。通过注册 Coursera 的这门课程，你可以精准地了解成为上述领域专业人士所需的知识。
该课程由伦敦帝国理工学院通过领先的在线课程平台 Coursera 提供。这是一个由四位资深讲师授课的包含 3 个培训课程的专题课程。每周投入 4 小时，你可以在 4 个月内完成培训。
付费在线课程
如果你还在寻找涵盖整个学科的详尽学习内容，这里有一些付费学习资源供你参考：
数据科学和数据分析的统计和数学：Udemy
如果你希望学习概率论和统计学，以便在商业分析和数据科学中应用，那么你一定要看看 Udemy 的这门课程。其中值得关注的课程包括：
- 均方根偏差 (RMSE)
- 平均绝对误差 (MAE)
- 假设检验
- 零假设显著性检验或 p 值
- I 类和 II 类错误
- 描述性统计
- 概率论
- 多元线性回归
这是一个自定进度的在线培训课程，包含 91 个讲座，共分为 9 个部分。预计课程总时长为 11 小时 24 分钟。
成为概率与统计大师：Udemy
仅仅学习理论是不够的，你还需要通过练习例题来检验自己的掌握程度。 因此，你可以看看 Udemy 的这门课程，获取一些想法和例题。一些关键的课程主题包括：
- 基本数据可视化工具，如饼图、条形图、维恩图、散点图、直方图等
- 运用 Z 分数、标准差、正态分布、方差和均值等工具对数据进行统计分布
- 回归分析
- 数据抽样
- 假设检验
该课程由 10 个部分和 141 个视频讲座组成。每个部分末尾都有练习测试，课程结束时还有期末考试。
Python 统计基础知识：DataCamp
Python 是数据科学领域的重要编程语言。因此，你需要学习如何使用 Python 实现统计分析。DataCamp 的这门技能课程可以帮你从 Python 的角度学习统计学。精彩的课程内容包括：
- 汇总统计和概率
- 统计模型，如逻辑回归和线性回归
- 数据抽样技术
- 通过执行假设检验从海量数据中得出结论
整个技能训练营由 5 门课程组成，每门课程时长为 4 小时。因此，完成该技能训练营需要 20 小时。
R 统计基础知识：DataCamp
DataCamp 的另一个技能训练营可以帮你使用 R 语言学习数据科学的统计学。R 是用于数据可视化和统计计算的最流行编程语言。关键技能训练营主题包括：
- R 语言统计学入门
- R 语言回归分析入门
- R 语言数据抽样
- R 语言中级回归分析
- R 语言假设检验
该技能训练营的 5 门课程每门时长为 4 小时，总共需要 20 小时完成。
来自亚马逊的书籍
数据科学基础数学：亚马逊
这本书是一个很好的资源，其中涵盖了所有必需的数学主题，如线性代数、微积分、概率以及统计学。本书解释并展示了神经网络、线性回归和逻辑回归在数据科学项目中的应用。
你还将学习如何通过应用假设检验和描述性统计，从海量数据中推导出统计显著性，并理解 p 值的含义。本书提供 Kindle 电子书版本和实体平装版。
数据科学家实用统计：亚马逊
通过这本亚马逊书籍，你可以轻松学习数据科学的实用统计知识，以及如何使用 Python 和 R 语言进行实施。作者清晰地阐述了数据科学家需要哪些统计知识，以及哪些不需要。
本书将涵盖随机抽样、回归分析、分类技术和机器学习方法等关键的统计概念。你可以选择平装版、线圈装订版或 Kindle 数字版。
裸体统计：亚马逊
本书讲解了数据科学中不可或缺的统计工具。你将获得对回归分析、相关性、推论等统计概念的简明易懂的解释。
为了满足不同学习者的需求，亚马逊提供了 Kindle、精装、MP3 CD、平装和有声读物等多种格式。
结论
如果你是一位中级或高级数据科学家，你一定已经了解统计学在数据科学中的重要性。应届毕业生可以参考本文中介绍的学习资源。
了解数据科学中需要哪些统计知识后，你就可以投入时间学习这些内容。通过探索上述任何或所有资源，你都可以获得宝贵的知识，从而成为一名优秀的数据科学家。
你可能也会对机器学习模型的强化学习感兴趣。