作者pachinko (pac)
看板Python
標題Re: [問題] 如何有系統的用MOOC學python
時間Tue Jun 27 22:04:40 2017
哈嘍你好，
我正在付費上課 Udacity 另一個 "Data Analyst" nanodegree, 可能是比 ML
nanodegree 容易一點，但比較全面。
這有一篇 review:
https://medium.com/@davidventuri/review-udacity-data-analyst-nanodegree-1e16ae2b6d12
全面是指：前面也有前輩提過的 "data cleaning" 部分、statistics 觀念、data
visualization.
這些都不一定是用 python, 但都蠻重要的。
Sebastian Thrun & Katie Malone 的那個 Intro to Machine Learning 的課我覺得還不
錯，算是手把手了，如果你已經開始了，就繼續上完吧。
至於怎樣才算「用Mooc自學成功」…
之前四月我上了 Coursera Andrew Ng 的課，做完作業、付費、拿到證書。
Prof. Ng 的課比較難，每一章的作業我都痛苦寫很久。我有一邊參考 Thrun & Malone
的課，一邊 google quora 上搜尋某些觀念，
像是 google search: svm intuition quora 等等。
拿到 coursera 證書之後我去丟履歷找初階 data engineer 工作，有家創業公司給我工
作機會。
這個面試當中完全沒有考 "python 語言的實做"，而是問一些觀念「如果我們今天要用
machine learning 解決某問題、做某產品，那你會如何做？」
但是工作本身當然是要寫 python 程式，而且不止 python, 而是 data analyst
nanodegree 裡面那些東西都要做。
關於 MOOC 課程評價，以下兩個網站可以參考：
https://www.class-central.com/search?q=machine+learning
https://www.coursetalk.com/search?q=machine+learning
如果用 python 做網站，而不是做 data 方面，那可能遲早會面對到 testing, TDD 這件
事情。
網頁寫出來之後更多時間是在維護，這本書講這個：
http://www.obeythetestinggoat.com/pages/book.html#toc
我之前工作了四、五年之後才接觸到 TDD, 然後感慨原來之前自己寫的程式是那麼不穩固
又難以維護。
你寫到一句："有點擔心python沒學好就跳坑會亂"，我個人是覺得不用太擔心這個，因為
本來就很難定義「學好」。
光是學好一個特定語言，是不夠的，本來就會因為你想做出來的成品不同，而必須摸到其
他一堆知識。
所以可能很多人都是 python, HTML, javascript, testing, AWS 都要摸一些。
※ 引述《Herodote (Herodote)》之銘言：
: 主要是想用MOOC有系統性的學完python，之後完成Udacity的Machine learning的
: Narodegree
: 版上爬文學python是說要以完成project為主
: 但感覺自己還缺一些概念，而且也不知道到底要先完成什麼project好
: 也不知道如果要實做能做出展示給別人看的project要到什麼程度
: 以及是否有那種手把手的影片帶?
: 不知道有沒有用Mooc自學成功的?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.250.63.102
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Python/M.1498572287.A.51F.html
1F：推 Herodote: 感謝回復，但想問您會付費的動機是?因為他似乎一個月只 06/27 22:23
2F：→ Herodote: 兩次助教可諮詢。 06/27 22:23
3F：推 Herodote: 然後Andrew Ng的不是用python來演練，不知道會不會很難@ 06/27 22:25
4F：推 HenryLiKing: Intro to Machine Learning 這堂的好是那個點呀？ 06/27 22:51
5F：→ HenryLiKing: 小弟我正在看(免費的) 06/27 22:51
6F：→ HenryLiKing: 但是覺得好像沒有講很深耶，算是講很多用法沒有講原 06/27 22:51
7F：→ HenryLiKing: 理(不過我覺得他們教的很用心~!) 06/27 22:51
8F：推 Herodote: 我也在看上面那堂，以學習的角度先把基礎打好比較好 06/27 23:07
9F：→ Herodote: 但之後我就不知道要看林軒田還是Andrew Ng好了? 06/27 23:07
10F：推 hung0724: Andrew 的我覺得比較好吸收一點 06/27 23:44
11F：→ bobju: Andrew Ng的課還不錯, 不過授課過程小錯誤頗多, forum裏面 06/28 00:42
12F：→ bobju: 洋洋灑灑挑出一堆. 不過這些不妨礙課程中所要傳達的內容. 06/28 00:43
13F：→ bobju: 它的作業要用一種叫做octave(或是MATLAB)的語言交付. 沒有 06/28 00:46
14F：→ bobju: 很難, 而且作業當中有不少提示引導你把主要部份寫出來即可 06/28 00:46
15F：→ bobju: , 解決問題的框架是已經先弄好. 06/28 00:47
16F：→ bobju: 至於上課的先導知識就是大一微積分、線性代數, 也不需要練 06/28 00:50
17F：→ bobju: 到很強的程度, 一般程度就行了. 06/28 00:50
18F：推 Herodote: 好奇林的難度高是講得比較深?還是教的比較不好(默。) 06/28 03:47
19F：→ pups003: 回樓上，作業略難 06/28 05:01
20F：推 hung0724: 課程中撒了一堆公式跟推導，比較難吸收一點 06/28 11:26
付費的動機是想要給自己一點壓力，真的去全部完成。 :)
其實在技術上也可以「先把課程看完，準備好要寫 project 的時候再開始付費」，
davidventuri 那篇 review 了。
我是覺得沒差那幾個月的學費，既然有在看人家 video 就是有在用服務，我就付錢。
Thrun & Malone 的 "Intro to Machine Learning" 好的點是講得真的很簡單。
我統計跟機率太差了，要從最簡單入門來減少挫折感。
※ 編輯: pachinko (111.250.62.185), 06/28/2017 14:32:16