对于刚刚开始数据科学之旅的用户来说，编程语言的种类可能会让他们应接不暇。那么，应该先学习哪种语言呢？本模块将让您了解决定学习哪种语言的标准。您将了解 Python、R、SQL 以及 Java、Scala、C++、JavaScript 和 Julia 等其他常用语言的优势。您将探索如何在数据科学中使用这些语言。您还将访问一些网站，查找有关这些语言的更多信息。

在本模块中，您将学习数据科学中的各种库。此外，你还将了解与 REST 请求和响应相关的 API。 此外，在本模块中，你还将探索数据资产交换（Data Asset eXchange）上的开放数据集。最后，你将学习如何使用机器学习模型来解决问题并浏览模型资产交换中心。

随着数字数据的发展，Jupyter Notebook 允许数据科学家记录他们的数据实验和结果，供他人重复使用。本模块介绍 Jupyter Notebook 和 Jupyter Lab。您将学习如何在笔记本会话中使用不同的内核，并了解基本的 Jupyter 架构。此外，您还将识别 Anaconda Jupyter 环境中的工具。最后，本模块将概述基于云的 Jupyter 环境及其数据科学功能。

R 是一种统计编程语言，是数据处理和操作的强大工具。本模块将首先介绍 R 和 RStudio。您将了解不同的 R 可视化软件包，以及如何使用 plot 函数创建可视化图表。 此外，分布式版本控制系统（DVCS）已成为软件开发中的重要工具，也是社交和协作编码的关键推动因素。虽然有许多分布式版本控制系统，但 Git 是其中最受欢迎的一种。通过本模块的学习，你将掌握使用 Git 和 GitHub 的基本概念和实践技能。首先，你将了解 Git 和 GitHub 的概况，然后创建 GitHub 账户和项目仓库，向其中添加文件，并使用网页界面提交修改。 接下来，你将熟悉涉及分支、拉取请求（PR）和合并的 Git 工作流程。最后，您还将完成一个项目，以应用和展示新掌握的技能。

在本模块中，您将完成一个最终项目，以展示课程中学到的一些技能。此外，还将对您在前几个模块中学到的数据科学家工具包中各种组件和工具的知识进行测试。

Watson Studio 是数据科学社区的协作平台，数据分析师、数据科学家、数据工程师、开发人员和数据管理人员使用它来分析数据和构建模型。在本模块中，您将了解 Watson Studio 和数据即服务的 IBM Cloud Pak。然后，您将在 Watson Studio 中创建一个 IBM Watson Studio 服务和一个项目。创建项目后，您将创建一个 Jupyter 笔记本并加载一个数据文件。你还将探索 Jupyter 笔记本中的不同模板和内核。最后，您将把 Watson Studio 账户连接到 GitHub，并在 GitHub 上发布笔记本。 注意：本部分课程为选修课，并非完成本周课程所提供实验的必修要求。