ডেটা সায়েন্স শেখার জন্য প্রাথমিকভাবে শিক্ষার্থীদের মনে কিছু প্রশ্ন থাকে। অনেকের মধ্যে, বেশ কয়েকটি সাধারণ প্রশ্ন হ'ল -

"আমি কীভাবে ডেটা সায়েন্স জন্য পরিসংখ্যান শিখব?"

"ডেটা সায়েন্সে excellency এর জন্য আমার স্ট্যাটিস্টিক্সের কোন বিষয়/কোর্সগুলি শিখতে বা জানতে হবে?"

"ডেটা সায়েন্স শিখার জন্য আমার পরিসংখ্যানের কোন ধারণাগুলি/বিষয়গুলি জানতে হবে?"

 সম্ভাবনা এবং পরিসংখ্যান হ'ল ডেটা সায়েন্স এবং মেশিন লার্নিং শেখার ভিত্তি স্তম্ভ কারণ তথ্য বিজ্ঞানীদের বেশিরভাগই সম্পর্কিত হয় যেমন অর্থনীতি, কম্পিউটার সায়েন্স, ফলিত গণিত বা পরিসংখ্যান সম্পর্কিত ক্ষেত্রগুলির মধ্যে থেকে।

এখানে আমরা কিছু কোর্সের নাম দিচ্ছি, যেগুলি আপনাকে ডেটা সায়েন্স এবং পরিসংখ্যানের বিভিন্ন বিষয় সম্পর্কে ধারনা দিবে। কোর্সউলি ফ্রিতে করতে পারবেন, কিন্তু সার্টিফিকেট নিতে টাকা লাগবে। আমাদের এখন উদ্দেশ্য হলো, আমারা কিভাবে শিখতে পারি। তাই সার্টিফিকেট মূল উদ্দেশ্য নয়। 

পরিসংখ্যান এবং ডেটা সায়েন্স এর অনলাইন কোর্সগুলির মধ্যে দশটি সেরা কোর্স লিংক নিচে দেয়া হলো।

1. Data Analysis and Statistical Inference

• Link: https://www.coursera.org/course/statistics
• Course Provider:  Duke University / Coursera
• Duration: 10 weeks
• Background needed: Basic math, no programming experience required.

2. Intro to Statistics

• Link: https://www.class-central.com/mooc/361/udacity-intro-to-statistics
• Course Provider:  Stanford University / Udacity
• Duration: 8 weeks
• Background needed: Introductory course, no experience required.

3. Statistical Learning

• Link: https://lagunita.stanford.edu/courses/HumanitiesandScience/StatLearning/Winter2015/about
• Course Provider:  Stanford University
• Duration: 10 weeks
• Background needed: Basic knowledge of statistics, linear algebra, and computing.

4. Introduction to R

• Link: https://www.mooc-list.com/course/introduction-r-leada?static=true
• Course Provider: Leada
• Duration: Self Paced
• Background needed: Introductory course, no experience required.

5. Statistics: The Science of Decisions

• Link:  https://www.udacity.com/course/st095
• Course Provider: San Jose State University / Udacity
• Duration: Self Paced; approximately 4 months
• Background needed: Basic understanding of proportions (fractions, decimals, and percentages), negative numbers, basic algebra (solving equations), and exponents and square roots.

6. Introduction to Probability Theory

• Link: https://www.mooc-list.com/course/introduction-probability-theory-saylororg?static=true
• Course Provider: saylor.org
• Duration: Self Paced
• Background needed: Completed courses in single-variable and multi-variable calculus, linear algebra, and differential equations, or equivalents.

7. Statistical Thinking for Data Science and Analytics

• Link: https://www.edx.org/course/statistical-thinking-data-science-columbiax-ds101x
• Course Provider: Columbia University / EDX
• Duration: 5 weeks
• Background needed: Introductory course, no experience required.

8. Foundations of Data Analysis – Part 1: Statistics Using R

• Link: https://www.edx.org/course/foundations-data-analysis-part-1-utaustinx-ut-7-10x
• Course Provider: the University of Texas at Austin / EDX
• Duration: 6 weeks
• Background needed: Introductory course, no experience required.

9. Learning from Data

• Link: https://work.caltech.edu/telecourse.html
• Course Provider:  Caltech
• Duration: Self Paced
• Background needed: Introductory course, no experience required.

10. The Caltech-JPL Summer School on Big Data Analytics

• Link: https://www.coursera.org/course/bigdataschool
• Course Provider: Caltech-JPL / Coursera
• Duration: 2 weeks
• Background needed: Good programming skills in at least one language, some knowledge of statistics, some experience with scientific data analysis. Suited for upper-level undergraduate and graduate students, postdocs, or other researchers in science and technology fields.

Image credit: https://stepupanalytics.com/statistics-for-data-science/