Dataquest是一个很好的起点。它将帮助您弥合从仅仅学习到作为数据分析师、数据工程师或数据科学家实际编码的差距。与大多数在线课程不同，它没有视频，它们提供了一个交互式编码和学习环境，可以很容易地学习处理实际数据和问题所需的实用技术。

Dataquest 最好的部分是他们的指导项目，这些项目是您学习的每个主题的一部分。如果你想最终获得一份数据分析师、科学家或工程师的工作，你将需要一个项目组合来展示你所知道的，而 Dataquest 可以帮助你完成整个过程。

fast.ai是另一个学习机器学习，尤其是深度学习的好地方，完全免费。他们使用自上而下的方法进行教学，让您立即处理自己的项目和数据。

要成为一名一般称职的数据科学家，您需要具备三个方面的知识：

1. 统计/数学知识

2. 编程 / CS 技能

3. 领域知识

我认为学习和课程在 1) 中有所帮助，在 2) 中有所帮助，但在 3 中根本没有。如果你对 1/2 有足够的信心可以解决一些现实生活中的案例，那么最好开始做项目（Kaggle ，您自己的项目等）。

否则，您应该专注于以面向目标的方式结合 1 和 2 的应用课程。我非常偏爱 Kaggle 微课程，因为它们体积小、实用且速度快，但你需要一些基础来做这些。

首先，恭喜您开始了成为数据工程师/分析师的旅程。在我看来，如何成为一名数据分析师并没有明确的道路。

应用数据科学与 Python 课程很棒，但我会敦促您开始研究任何领域（NLP、CV）的问题陈述并参加比赛，您将学习如何可视化数据和使用大量数据集，这是关键成为数据工程师/分析师的要求。在这个过程中，您无论如何都会了解您需要学习和应用来解决问题陈述的内容。

请记住，这将是一个漫长的旅程，所以继续忙碌吧！