لقد صنفت كل دورة مقدمة إلى علوم البيانات على الإنترنت ، بناءً على آلاف نقاط البيانات

قبل عام ، تركت أحد أفضل برامج علوم الكمبيوتر في كندا. بدأت في إنشاء برنامج ماجستير علوم البيانات الخاص بي باستخدام الموارد عبر الإنترنت. أدركت أنه يمكنني تعلم كل ما أحتاجه من خلال edX و Coursera و Udacity بدلاً من ذلك. ويمكنني أن أتعلمه بشكل أسرع وأكثر كفاءة وبجزء بسيط من التكلفة.

أنا على وشك الانتهاء الآن. لقد أخذت العديد من الدورات التدريبية المتعلقة بعلوم البيانات وقمت بمراجعة أجزاء أخرى كثيرة. أعرف الخيارات المتاحة ، وما هي المهارات اللازمة للمتعلمين الذين يستعدون لمحلل البيانات أو دور عالم البيانات. قبل بضعة أشهر ، بدأت في إنشاء دليل قائم على المراجعة يوصي بأفضل الدورات لكل موضوع في علم البيانات.

بالنسبة للدليل الأول في السلسلة ، أوصيت ببعض فئات الترميز لعالم البيانات المبتدئ. ثم كانت فئات الإحصاء والاحتمالات.

الآن في مقدمات علم البيانات.

(لا تقلق إذا لم تكن متأكدًا مما تستلزمه مقدمة دورة علوم البيانات. سأشرح لك قريبًا.)

بالنسبة لهذا الدليل ، قضيت أكثر من 10 ساعات في محاولة تحديد كل مقدمة عبر الإنترنت لدورة علوم البيانات المقدمة اعتبارًا من يناير 2017 ، واستخراج أجزاء أساسية من المعلومات من مناهجهم الدراسية ومراجعاتهم ، وتجميع تقييماتهم. بالنسبة لهذه المهمة ، لم ألتفت إلى أي شيء آخر غير مجتمع Class Central المفتوح المصدر وقاعدة بياناته التي تضم آلاف تقييمات ومراجعات الدورات التدريبية.

منذ عام 2011 ، ظل مؤسس Class Central ، داول شاه ، يراقب الدورات التدريبية عبر الإنترنت عن كثب أكثر من أي شخص آخر في العالم. ساعدني ضوال شخصيًا في تجميع قائمة الموارد هذه.

كيف اخترنا الدورات للنظر فيها

يجب أن تناسب كل دورة ثلاثة معايير:

  1. يجب أن تعلم عملية علم البيانات. المزيد عن ذلك قريبًا.
  2. يجب أن يكون عند الطلب أو يُعرض كل بضعة أشهر.
  3. يجب أن تكون دورة تدريبية تفاعلية عبر الإنترنت ، لذلك لا كتب أو دروس للقراءة فقط . على الرغم من أن هذه طرق قابلة للتطبيق للتعلم ، إلا أن هذا الدليل يركز على الدورات التدريبية.

نعتقد أننا غطينا كل دورة تدريبية بارزة تناسب المعايير المذكورة أعلاه. نظرًا لوجود مئات الدورات على ما يبدو في Udemy ، فقد اخترنا النظر في الدورات التدريبية الأكثر تقييمًا والأعلى تقييمًا فقط. ومع ذلك ، هناك دائمًا احتمال أن نفقد شيئًا ما. لذا يرجى إعلامنا في قسم التعليقات إذا تركنا مسارًا جيدًا.

كيف قمنا بتقييم الدورات

قمنا بتجميع متوسط ​​التقييم وعدد المراجعات من Class Central ومواقع المراجعة الأخرى لحساب متوسط ​​التقييم المرجح لكل دورة. لقد قرأنا المراجعات النصية واستخدمنا هذه التعليقات لاستكمال التقييمات العددية.

لقد قمنا باستدعاء أحكام المنهج الذاتي بناءً على عاملين:

1. تغطية عملية علم البيانات. هل الدورة تتخطى أو تتخطى مواضيع معينة؟ هل تغطي مواضيع معينة بتفاصيل كثيرة جدا؟ راجع القسم التالي لمعرفة ما تستلزمه هذه العملية.

2. استخدام أدوات علم البيانات المشتركة. هل يتم تدريس الدورة باستخدام لغات البرمجة الشائعة مثل Python و / أو R؟ هذه ليست ضرورية ، ولكنها مفيدة في معظم الحالات ، لذلك يتم إعطاء تفضيل طفيف لهذه الدورات.

ما هي عملية علم البيانات؟

ما هو علم البيانات؟ ماذا يفعل عالم البيانات؟ هذه هي أنواع الأسئلة الأساسية التي يجب أن تجيب عليها مقدمة دورة علوم البيانات. يوضح الرسم البياني التالي من أساتذة جامعة هارفارد جو بليتزشتاين وهانسبير فيستر عملية نموذجية لعلوم البيانات ، والتي ستساعدنا في الإجابة على هذه الأسئلة.

هدفنا من هذه المقدمة لدورة علوم البيانات هو التعرف على عملية علم البيانات. لا نريد تغطية متعمقة للغاية لجوانب محددة من العملية ، ومن هنا جاء الجزء "مقدمة إلى" من العنوان.

لكل جانب ، تشرح الدورة التدريبية المثالية المفاهيم الأساسية في إطار العملية ، وتقدم أدوات مشتركة ، وتوفر بعض الأمثلة (يفضل التدريب العملي).

نحن نبحث فقط عن مقدمة. لذلك لن يشتمل هذا الدليل على تخصصات أو برامج كاملة مثل تخصص علوم البيانات بجامعة جونز هوبكنز في Coursera أو Nanodegree محلل بيانات Udacity. هذه المجموعات من الدورات التدريبية تستعصي على الغرض من هذه السلسلة: للعثور على أفضل الدورات الفردية لكل موضوع لتشمل تعليم علوم البيانات. ستغطي الأدلة الثلاثة الأخيرة في هذه السلسلة من المقالات كل جانب من جوانب عملية علم البيانات بالتفصيل.

مطلوب خبرة أساسية في الترميز والإحصائيات والاحتمالات

تتطلب العديد من الدورات المدرجة أدناه البرمجة الأساسية والإحصاءات وخبرة الاحتمالات. هذا المطلب مفهوم نظرًا لأن المحتوى الجديد متقدم بشكل معقول ، وأن هذه الموضوعات غالبًا ما يكون لها عدة دورات مخصصة لها.

يمكن اكتساب هذه الخبرة من خلال توصياتنا الواردة في أول مقالتين (البرمجة والإحصاءات) في هذا الدليل الوظيفي لعلوم البيانات.

اختيارنا لأفضل مقدمة لدورة علوم البيانات هو ...

  • Data Science AZ ™: تم تضمين تمارين علوم البيانات الواقعية (Kirill Eremenko / Udemy)

يعتبر برنامج Data Science AZ ™ الخاص بـ Kirill Eremenko على Udemy هو الفائز الواضح من حيث اتساع وعمق تغطية عملية علم البيانات للدورات التدريبية التي تزيد عن 20 دورة. لديها متوسط ​​تقييم 4.5 نجوم أكثر من 3.071 مراجعة ، مما يجعلها من بين الدورات التدريبية الأعلى تقييمًا والأكثر مراجعة من تلك التي تم النظر فيها.

إنه يحدد العملية الكاملة ويقدم أمثلة من الحياة الواقعية. في 21 ساعة من المحتوى ، طوله جيد. يحب المراجعون تسليم المعلم وتنظيم المحتوى. يختلف السعر اعتمادًا على خصومات Udemy المتكررة ، لذا قد تتمكن من شراء حق الوصول مقابل 10 دولارات فقط.

على الرغم من أنها لا تحدد مربع "استخدام أدوات علوم البيانات الشائعة" ، إلا أن خيارات الأداة غير Python / R (gretl ، Tableau ، Excel) تُستخدم بشكل فعال في السياق. يذكر Eremenko ما يلي عند شرح خيار gretl (gretl عبارة عن حزمة برامج إحصائية) ، على الرغم من أنها تنطبق على جميع الأدوات التي يستخدمها (منجم التركيز):

في gretl ، سنكون قادرين على القيام بنفس النمذجة تمامًا كما هو الحال في R و Python ولكن لن نضطر إلى البرمجة. هذه هي الصفقة الكبيرة هنا. قد يعرف بعضكم R جيدًا بالفعل ، لكن البعض الآخر قد لا يعرفها على الإطلاق. هدفي هو أن أوضح لك كيفية بناء نموذج قوي ومنحك إطار عمل يمكنك تطبيقه في أي أداة تختارها . ستساعدنا gretl على تجنب الانغماس في الترميز.

لاحظ أحد المراجعين البارزين ما يلي:

كيريل هو أفضل معلم وجدته على الإنترنت. يستخدم أمثلة من الحياة الواقعية ويشرح المشاكل الشائعة حتى تحصل على فهم أعمق للدورات الدراسية. كما أنه يقدم الكثير من الأفكار حول ما يعنيه أن تكون عالم بيانات من العمل ببيانات غير كافية وصولاً إلى تقديم عملك إلى إدارة الفئة C. أوصي بشدة بهذه الدورة للطلاب المبتدئين لمحللي البيانات المتوسطين!

مقدمة رائعة تركز على لغة بايثون

  • مقدمة في تحليل البيانات (Udacity)

تعد مقدمة Udacity لتحليل البيانات عرضًا جديدًا نسبيًا وهو جزء من برنامج Nanodegree الشهير لمحلل البيانات من Udacity. يغطي عملية علم البيانات بشكل واضح ومتماسك باستخدام Python ، على الرغم من أنها تفتقر قليلاً في جانب النمذجة. المخطط الزمني المقدر هو 36 ساعة (ست ساعات في الأسبوع على مدى ستة أسابيع) ، على الرغم من أنها أقصر في تجربتي. لديه متوسط ​​تقييم 5 نجوم على مراجعتين. انه مجانا.

تم إنتاج مقاطع الفيديو بشكل جيد والمدرب (كارولين باكاي) واضح وأنيق. تفرض الكثير من اختبارات البرمجة المفاهيم التي تم تعلمها في مقاطع الفيديو. سيترك الطلاب الدورة التدريبية واثقين من مهاراتهم الجديدة و / أو المحسنة في NumPy و Pandas (هذه مكتبات Python شائعة). يمكن أن يكون المشروع النهائي - الذي تم تقييمه ومراجعته في Nanodegree ولكن ليس في الدورة الفردية المجانية - إضافة رائعة إلى الحافظة

عرض رائع بدون بيانات مراجعة

  • أساسيات علوم البيانات (جامعة البيانات الكبيرة)

أساسيات علوم البيانات عبارة عن سلسلة من أربع دورات مقدمة من جامعة البيانات الضخمة التابعة لشركة IBM. وهي تشمل دورات بعنوان Data Science 101 ، ومنهجية علوم البيانات ، والتدريب العملي على علوم البيانات باستخدام أدوات مفتوحة المصدر ، و R 101.

يغطي عملية علم البيانات الكاملة ويقدم Python و R والعديد من الأدوات مفتوحة المصدر الأخرى. الدورات لها قيمة إنتاجية هائلة. يتم تقدير 13-18 ساعة من الجهد ، اعتمادًا على ما إذا كنت قد أخذت دورة "R 101" في النهاية ، وهو ليس ضروريًا لغرض هذا الدليل. لسوء الحظ ، لا يحتوي على بيانات مراجعة على مواقع المراجعة الرئيسية التي استخدمناها لهذا التحليل ، لذلك لا يمكننا التوصية به على الخيارين أعلاه حتى الآن. انه مجانا.

المنافسة

حصل اختيارنا الأول على متوسط ​​تقييم مرجح يبلغ 4.5 من أصل 5 نجوم وأكثر من 3068 تقييمًا. لنلقِ نظرة على البدائل الأخرى ، مرتبة حسب التصنيف التنازلي. ستجد أدناه العديد من الدورات التدريبية التي تركز على R ، إذا تم تعيينك على مقدمة بهذه اللغة.

  • Python for Data Science and Machine Learning Bootcamp (Jose Portilla / Udemy): تغطية كاملة للعملية مع تركيز كثيف على الأدوات (Python). أقل عملية مدفوعة وأكثر من مقدمة مفصلة للغاية لبايثون. دورة مذهلة ، وإن لم تكن مثالية لنطاق هذا الدليل. يمكن أن تتضاعف ، مثل دورة Jose's R أدناه ، كمقدمة إلى Python / R ومقدمات لعلوم البيانات. 21.5 ساعة من المحتوى. لديها متوسط ​​تقييم 4.7 نجوم أكثر من 1،644 تقييمًا. تختلف التكلفة اعتمادًا على خصومات Udemy ، وهي متكررة.
  • المعسكر التدريبي لعلوم البيانات والتعلم الآلي مع R (Jose Portilla / Udemy): تغطية كاملة للعملية مع تركيز كثيف على الأدوات (R). أقل اعتمادًا على العمليات وأكثر من مقدمة تفصيلية جدًا لـ R. يمكن أن تتضاعف ، مثل دورة Python لخوسيه أعلاه ، كمقدمة إلى Python / R ومقدمات لعلوم البيانات. 18 ساعة من المحتوى. لديها متوسط ​​تقييم 4.6 نجوم على 847 مراجعة. تختلف التكلفة اعتمادًا على خصومات Udemy ، وهي متكررة.
  • علم البيانات والتعلم الآلي باستخدام Python - عملي! (فرانك كين / Udemy): تغطية عملية جزئية. يركز على الإحصاء والتعلم الآلي. طول لائق (تسع ساعات من المحتوى). يستخدم بايثون. لديها متوسط ​​التقييم 4.5 نجوم أكثر من 3،104 مراجعة. تختلف التكلفة اعتمادًا على خصومات Udemy ، وهي متكررة.
  • مقدمة في علم البيانات (Data Hawk Tech / Udemy): تغطية كاملة للعملية ، على الرغم من عمق التغطية المحدود. قصير جدًا (ثلاث ساعات من المحتوى). يغطي بإيجاز كلاً من R و Python. لديها متوسط ​​تقييم 4.4 نجوم على 62 مراجعة. تختلف التكلفة اعتمادًا على خصومات Udemy ، وهي متكررة.
  • علم البيانات التطبيقية: مقدمة (جامعة سيراكيوز / التعليم المفتوح من بلاك بورد): تغطية كاملة للعملية ، وإن لم يتم نشرها بالتساوي. يركز بشدة على الإحصائيات الأساسية و R. تم تطبيقه بشكل كبير وليس تركيزًا كافيًا على العملية لغرض هذا الدليل. تجربة الدورة التدريبية عبر الإنترنت تشعر بأنها مفككة. لديها متوسط ​​تقييم 4.33 نجوم على مدى 6 مراجعات. مجانا.
  • مقدمة في علم البيانات (Nina Zumel & John Mount / Udemy): تغطية عملية جزئية فقط ، على الرغم من العمق الجيد في جوانب إعداد البيانات والنمذجة. طول موافق (ست ساعات من المحتوى). يستخدم R. لديه متوسط ​​تقييم 4.3 نجوم على 101 تقييم. تختلف التكلفة اعتمادًا على خصومات Udemy ، وهي متكررة.
  • علم البيانات التطبيقية باستخدام لغة Python (V2 Maestros / Udemy): تغطية كاملة للعملية مع عمق تغطية جيد لكل جانب من جوانب العملية. طول لائق (8.5 ساعة من المحتوى). يستخدم بايثون. لديها متوسط ​​تقييم 4.3 نجوم على 92 مراجعة. تختلف التكلفة اعتمادًا على خصومات Udemy ، وهي متكررة.
  • هل تريد أن تصبح عالم بيانات؟ (V2 Maestros / Udemy): تغطية كاملة للعملية ، رغم محدودية عمق التغطية. قصير جدًا (3 ساعات من المحتوى). تغطية محدودة للأداة. لديها متوسط ​​تقييم 4.3 نجوم على 790 تقييمًا. تختلف التكلفة اعتمادًا على خصومات Udemy ، وهي متكررة.
  • البيانات إلى البصيرة: مقدمة لتحليل البيانات (جامعة أوكلاند / FutureLearn): اتساع نطاق التغطية غير واضح. ادعاءات للتركيز على استكشاف البيانات واكتشافها وتصورها. لا تقدم عند الطلب. 24 ساعة من المحتوى (ثلاث ساعات في الأسبوع على مدى ثمانية أسابيع). لديها متوسط ​​تقييم 4 نجوم على 2 مراجعات. مجانا مع الشهادة المدفوعة المتاحة.
  • اتجاه علم البيانات (Microsoft / edX): تغطية عملية جزئية (تفتقر إلى جانب النمذجة). يستخدم برنامج Excel ، وهو أمر منطقي نظرًا لأنه دورة تدريبية تحمل علامة Microsoft التجارية. من 12 إلى 24 ساعة من المحتوى (ساعتان إلى أربع ساعات في الأسبوع على مدى ستة أسابيع). لديها متوسط ​​تقييم 3.95 نجوم أكثر من 40 مراجعة. مجانًا مع شهادة معتمدة متاحة مقابل 25 دولارًا.
  • أساسيات علوم البيانات (Microsoft / edX): تغطية كاملة للعملية مع عمق تغطية جيد لكل جانب. يغطي R و Python و Azure ML (نظام أساسي للتعلم الآلي من Microsoft). عدة تقييمات بنجمة واحدة تشير إلى اختيار الأداة (Azure ML) وسوء أداء المعلم. 18-24 ساعة من المحتوى (ثلاث إلى أربع ساعات في الأسبوع على مدى ستة أسابيع). لديها متوسط ​​تقييم 3.81 نجوم على 67 تقييمًا. مجانًا مع شهادة معتمدة متاحة مقابل 49 دولارًا.
  • علم البيانات التطبيقي مع R (V2 Maestros / Udemy): رفيق R لدورة Python في V2 Maestros أعلاه. تغطية كاملة للعملية مع عمق تغطية جيد لكل جانب من جوانب العملية. طول لائق (11 ساعة من المحتوى). يستخدم R. لديه متوسط ​​تقييم 3.8 نجوم أكثر من 212 تقييمًا. تختلف التكلفة اعتمادًا على خصومات Udemy ، وهي متكررة.
  • مقدمة في Data Science (Udacity): تغطية جزئية للعملية ، على الرغم من العمق الجيد للموضوعات التي يتم تناولها. يفتقر إلى جانب الاستكشاف ، على الرغم من أن Udacity لديها دورة كاملة ورائعة في تحليل البيانات الاستكشافية (EDA). تدعي أنها تستغرق 48 ساعة (ست ساعات في الأسبوع على مدى ثمانية أسابيع) ، لكنها أقصر في تجربتي. تعتقد بعض المراجعات أن الإعداد للمحتوى المتقدم غير موجود. يشعر بعدم التنظيم. يستخدم بايثون. لديها متوسط ​​تقييم 3.61 نجوم على 18 تقييمًا. مجانا.
  • مقدمة في علوم البيانات في Python (جامعة ميتشيغان / كورسيرا): تغطية عملية جزئية. لا توجد نمذجة وتصوير ، على الرغم من أن الدورتين رقم 2 و 3 في علوم البيانات التطبيقية مع تخصص بايثون تغطي هذه الجوانب. سيكون أخذ جميع الدورات الثلاث متعمقًا جدًا لغرض هذه الأدلة. يستخدم بايثون. مدتها أربعة أسابيع. لديها متوسط ​​تقييم 3.6 نجوم على 15 تقييمًا. الخيارات المجانية والمدفوعة متاحة.
  • اتخاذ القرار المستند إلى البيانات (PwC / Coursera): تغطية جزئية (تفتقر إلى النمذجة) مع التركيز على الأعمال. يقدم العديد من الأدوات ، بما في ذلك R و Python و Excel و SAS و Tableau. مدتها أربعة أسابيع. لديها متوسط ​​تقييم 3.5 نجوم على 2 مراجعات. الخيارات المجانية والمدفوعة متاحة.
  • دورة مكثفة في علوم البيانات (جامعة جونز هوبكنز / كورسيرا): نظرة عامة موجزة للغاية عن العملية الكاملة. موجز للغاية لغرض هذه السلسلة. طول ساعتين. لديها متوسط ​​تقييم 3.4 نجوم أكثر من 19 مراجعة. الخيارات المجانية والمدفوعة متاحة.
  • صندوق أدوات عالم البيانات (جامعة جونز هوبكنز / كورسيرا): نظرة عامة موجزة للغاية عن العملية الكاملة. المزيد من الدورة التدريبية الإعدادية لتخصص علوم البيانات بجامعة جونز هوبكنز. الادعاءات بالحصول على محتوى من 4 إلى 16 ساعة (من ساعة إلى أربع ساعات في الأسبوع على مدار أربعة أسابيع) ، على الرغم من ملاحظة أحد المراجعين أنه يمكن إكماله في غضون ساعتين لديها متوسط ​​تقييم 3.22 نجوم أكثر من 182 مراجعة. الخيارات المجانية والمدفوعة متاحة.
  • إدارة البيانات والتصور (جامعة ويسليان / كورسيرا): تغطية عملية جزئية (تفتقر إلى النمذجة). مدتها أربعة أسابيع. قيمة إنتاج جيدة. يستخدم Python و SAS. لديها متوسط ​​تقييم 2.67 نجمة على مدى 6 مراجعات. الخيارات المجانية والمدفوعة متاحة.

الدورات التالية ليس لها مراجعات اعتبارًا من يناير 2017.

  • CS109 Data Science (جامعة هارفارد): تغطية كاملة للعملية بعمق كبير (ربما تكون متعمقة للغاية لغرض هذه السلسلة). دورة جامعية كاملة مدتها 12 أسبوعًا. يعد التنقل في الدورة التدريبية أمرًا صعبًا نظرًا لأن الدورة التدريبية ليست مصممة للاستخدام عبر الإنترنت. يتم تصوير محاضرات هارفارد الفعلية. ينشأ مخطط معلومات عملية علم البيانات أعلاه من هذه الدورة التدريبية. يستخدم بايثون. لا توجد بيانات مراجعة. مجانا.
  • مقدمة في تحليلات البيانات للأعمال (جامعة كولورادو بولدر / كورسيرا): تغطية عملية جزئية (تفتقر إلى جوانب النمذجة والتصور) مع التركيز على الأعمال. تتنكر عملية علم البيانات على أنها "سلسلة قيمة عمل المعلومات" في محاضراتهم. مدتها أربعة أسابيع. يصف العديد من الأدوات ، على الرغم من أنه يغطي فقط SQL بأي عمق. لا توجد بيانات مراجعة. الخيارات المجانية والمدفوعة متاحة.
  • مقدمة في علم البيانات (ليندا): تغطية كاملة للعملية ، رغم محدودية عمق التغطية. قصير جدًا (ثلاث ساعات من المحتوى). يقدم كلاً من R و Python. لا توجد بيانات مراجعة. تعتمد التكلفة على اشتراك Lynda.

قم بتغليفه

هذا هو الجزء الثالث من سلسلة من ست قطع تغطي أفضل الدورات التدريبية عبر الإنترنت لإطلاق نفسك في مجال علم البيانات. تناولنا البرمجة في المقالة الأولى والإحصاءات والاحتمالات في المقالة الثانية. سيغطي الجزء المتبقي من السلسلة الكفاءات الأساسية الأخرى في علم البيانات: تصور البيانات والتعلم الآلي.

إذا كنت ترغب في تعلم علوم البيانات ، فابدأ بأحد فصول البرمجة هذه

إذا كنت ترغب في تعلم علوم البيانات ، فخذ بعضًا من فصول الإحصاء هذه

سيكون الجزء الأخير ملخصًا لتلك المقالات ، بالإضافة إلى أفضل الدورات التدريبية عبر الإنترنت لموضوعات رئيسية أخرى مثل مشاحنات البيانات وقواعد البيانات وحتى هندسة البرمجيات.

إذا كنت تبحث عن قائمة كاملة بدورات علوم البيانات عبر الإنترنت ، فيمكنك العثور عليها في صفحة موضوع علوم البيانات والبيانات الضخمة في Class Central.

إذا كنت قد استمتعت بقراءة هذا ، فتحقق من بعض القطع الأخرى في Class Central:

فيما يلي 250 دورة Ivy League التي يمكنك الالتحاق بها عبر الإنترنت مجانًا الآن

250 MOOCs من براون ، كولومبيا ، كورنيل ، دارتموث ، هارفارد ، بن ، برينستون ، وييل.

أفضل 50 دورة جامعية مجانية على الإنترنت وفقًا للبيانات

عندما أطلقت Class Central في تشرين الثاني (نوفمبر) 2011 ، كان هناك حوالي 18 دورة تدريبية مجانية عبر الإنترنت تقريبًا ، وجميع ...

إذا كانت لديك اقتراحات لدورات فاتتني ، فأعلمني بذلك في الردود!

إذا وجدت هذا مفيدًا ، فانقر فوق؟ لذلك سيرى المزيد من الناس هنا على ميديوم

هذه نسخة مختصرة من مقالتي الأصلية المنشورة على Class Central ، حيث قمت بتضمين المزيد من أوصاف الدورات والمناهج الدراسية ومراجعات متعددة.