感恩節感謝 & 一些學習課程推薦
今天是美國的感恩節， 首先要謝謝各位讀者你們的支持，一開始的分享主要是我的轉職及找工作經驗， 後來逐漸擴展到我的矽谷的所見所聞、矽谷人物專訪、以及我的學習成長的筆記。 從 2012 年開始寫部落格， 2017 年開始分享 Facebook page， 也是累積了許多經驗， 文筆說不上變的很好， 但至少越來越熟練把一個靈感大目標從我的思緒整理、輸出成一篇文章分享出來， 這個過程也認識了許多有趣及厲害的人， 訪問了一些我覺得很酷很強的人，召集了許多熱心的朋友一起做了 “歹晚郎內推互助網絡” 幫助更多人在艱難的時期找工作，我個人也覺得在這個過程中有所提升。 如果你有考慮寫作分享， 或是任何創作， 希望我之前的文章“為什麼我建議你開始寫文章、或是任何形式的內容創作” 也能讓你一起加入開始練習寫作/創作/輸出的行列。
我不時會收到讀者詢問如何到美國科技公司工作，或是如何轉職成軟體工程師、如何學習程式等等的問題。 到美國工作問題我之前的文章: “如何到美國科技公司工作？” 已經把非美國人可以到美國工作的模式列出， 轉職軟體工程師及學習程式很多時候是一起的問題， 很多讀者有興趣轉職，但完全不知道軟體工程師在做什麼， 以及應該如何上手學習。 我給過不少次建議， 今天決定用這個機會公開的分享之前回答讀者的方式。
如果完全沒有學習過程式， 可以先玩玩這個 MIT Media Lab 研發的 Scratch ， Scratch 可以讓你用拖拉的方式把一些程式的邏輯組合起來， 在還不熟悉電腦運作的時候， 可以很直觀的在遊戲中累積你對程式的理解。
如果玩一下 Scratch 後還有興趣， 我推薦可以上哈佛大學的 CS50 (Computer Science 50: Introduction to Computer Science) (https://bit.ly/3fDcBFG)。 這門課是近年來哈佛大學熱門課程排行榜上的常勝軍，教授 David Malan 是個很好的老師， CS50 把電腦科學的基礎用許多生動及詳細的方式傳授出來，上完這門課後對許多電腦科學領域會有好的基本認識，對課程中所用到的不同程式語言也會有個基本的了解。
當然 CS50 畢竟是大學的課程， 有一週一週制式的格式， 作業也是大學的方式， 我近年來蠻喜歡 Udemy 上的課程， 因為每個領域都有很棒的老師， 課程也更彈性及多元， 作業及測驗也比較靈活。 如果你還沒有學習任何程式的經驗， 可以嘗試從學習 Python 或 Javascript 入門， 因為這 2 們語言的特性， 對初學者上手比較容易。 此外 Javascript 是網頁主要使用的程式語言， 而 Python 在資料處理及機器學習都是首選語言， 所以這 2 個語言學習之後未來都有許多應用及職缺的可能。
如果你有興趣學 Python ，可以先學習這個有 115 萬學生上過的課程: 2020 Complete Python Bootcamp From Zero to Hero in Python (https://bit.ly/2KJDfS6)， 了解 Python 語言的基礎及跟著課程建立自己的 app 及遊戲。
Javascript 的話可以看這個有 37 萬學生參與的課程: The Complete JavaScript Course 2020: From Zero to Expert! (https://bit.ly/3fFPcU8) 學習 Javascript 基礎及嘗試建立網頁 app。
如果對資料科學有興趣的， 可以和 34 萬人一起學習 The Data Science Course 2020: Complete Data Science Bootcamp (https://bit.ly/3fD315M)， 了解資料科學中數學、統計、 機器學習及各種有關的知識， 因為也會用到 Python，所以也可以增加自己 Python 語言的技能。
如果你對分析資料有興趣， 這個有 32 萬名學生上過的資料課程 The Complete SQL Bootcamp 2020: Go from Zero to Hero (https://bit.ly/33nXQlj)， 可以學習如何用 SQL 來查找資料庫， 並分析資料。
因為機器學習的火紅， 近年機器學習的課程也是無敵多， Machine Learning A-Z: Hands-On Python & R In Data Science (https://bit.ly/3fGB6lj) 累積有 72 萬學生學習及好評， 可以讓你了解機器學習在做什麼。
而我親愛的老婆也分享過她喜歡的課程， 以下都是她上過且去蕪存菁強力推薦的課程 (也可以參考她的推薦文章)， 她靠著許多線上課程， 沒有再讀一個大學、研究所學位或是參加 bootcamp ， 也成功轉職為軟體工程師， 這些課程我也有上過一些， 覺得這個老師 Andrei Neagoie 的教法也是蠻不錯的， 他的課程都很注重實作， 講解也很清楚， :
The Complete Web Developer in 2020: Zero to Mastery (https://bit.ly/3fDcwSq)
Master the Coding Interview: Data Structures + Algorithms (https://bit.ly/3fD7q8V)
The Complete Junior to Senior Web Developer Roadmap (2020) (https://bit.ly/39jeK8s)
Complete Python Developer in 2020: Zero to Mastery (https://bit.ly/37ARPS4) （這篇是她上這門課的詳細心得）
Complete Machine Learning and Data Science: Zero to Mastery (https://bit.ly/2WDBk57) (機器學習及資料科學)
許多 Udemy 的課程都是有 30 天 Money back guarantee ， 代表如果你上一下子，覺得老師教的不好， 內容不喜歡， 都是可以要求退費的。 Black Friday 如果你還沒決定要買什麼， 買課程充實自我會是個不錯的決定！歐， 對了， 如果你剛好在美國，要買 Udemy 課程， 可以搭配使用 cash back 網站， 像 Rakuten 最近 Udemy 有 10% 的 cash back， 如果你還沒有用過， 可以使用我的推薦連結註冊， 還可以得到 $40 的註冊獎勵呢 (http://bit.ly/2SeLuXL)！有一些 American Express 信用卡還有 Udemy 買 $20 退 $5 的 offer ， 也記得下訂前查看一下！
以上許多課程， 就算不是軟體工程師的初學者也可以得到許多新科技及方法， 我在 Udemy 買了許多課程， 也時常利用時間學習我感興趣的領域。 最後再次感謝大家一直以來的支持， 祝福大家都有個充實、健康、平安的感恩節， 2020 年最後自我學習提升， 為未來做更好的準備！
部落格原文及相關連結：
https://brianhsublog.blogspot.com/2020/11/ThanksgivingAndCourseList.html
data science課程推薦 在 [分享] Coursera的Data Science課程- 看板R_Language 的推薦與評價
我想分享一下我的上課心得，
但其實不太知道發哪裡好，
我想R板的成員應該屬於比較新潮的使用者，
或許會對Data Science或是Big Data之類的議題較有興趣，
就PO在這邊了，如果不行的話再請告訴我我自刪。
Data Science算是一個嶄新的領域，
定義可能有許多種，不過整體而言用以下這句話概括應該還行:
資料的獲取、整理、儲存以及分析。
在傳統的領域上，我會覺得比較像是Programming & 統計學的一種綜合體，
當然也要包含資料所要運用領域的知識。
因為相當新，所以其實不像統計學有大量有系統性的整理教材，
之前在Coursera上看到一門新的課程，
"Introduction to Data Science"，目前已經完結，不過應該還可以上去看。
課程當初的大綱大概是:
1. Data Science的來源、運用領域、展望。
2. SQL、MapReduce、Hadoop、NoSQL的介紹。
3. Machine Learning概論:
一些基礎的監督\非監督學習法: 迴歸、k-means、隨機森林、SVM等等。
4. 數據可視化。
5. Graph Analytics、Text Analytics (其實我不太懂這是什麼)
課程一共8周，當初的規劃好像是要寫四次作業，
用Python兩次、SQL一次、R一次。
-----------------美好的願景分隔線---------------------
之前自己學過一點Python跟R，
對於兩者在Data Science上的運用，大概的印象是:
Python可以幹些髒活，處理raw data，
R則在接下來的統計分析跟可視化上面很有用。
第一次作業的確就是運用Python去撈取twitter的資料，
然後將抓下來的raw data汲取資訊，
分析包含的字詞啦、hash-tag的熱門度啦等等，
這算是我在這門課程收穫最大的部分，
一來是撈資料來分析很好玩，二來是邊學邊做Python很有趣。
然後我覺得這就是我收穫最多的部分了。
先講課程編排:
上面講的大綱並沒有完整的執行，Text Analytics根本沒上。
數據可視化的部分非常的泛泛，聊了什麼顏色啊、形狀啊哪個比較吸引人之類的，
我本來期待在可視化的部分可以用R的套件來點實作發揮，
不過沒有，講了一堆人在看東西怎樣怎樣的理論就沒了。
機器學習的部分則是太趕，顯得空泛。
先講了基本的統計分析，但我覺得太多沒必要的內容.....
會講花時間講統計基本，應該就是假設學的人沒有很紮實的基礎，
花時間去扯Publication Bias、Meta-analysis這種通常是學了一些才回頭要看的東西，
我認為沒什麼必要，然後講Benford's Law或是貝式統計概念，
的確是很炫啦，但跟課程銜接不上吧。
因為同時間我有在上一樣是Coursera上Machine Learning的課，
同樣的範圍ML那邊可能用了五周，還蠻詳細的說明了演算法寫法跟例子，
這邊只有用兩三周，顯得就囫圇吞棗，
也沒有實作等等，就只是講個概念而已。
我本來沒有學過SQL之類的工具，SQL的部分有一個作業，
等於也就是讓我們學會一些SQL的語法基礎跟概念，這邊還行。
MapReduce也有一次作業，這個我就沒有做了，講解概念的部分則是有點收穫。
然後R的那次作業也神隱了。
這堂課本來就不是要讓我們去深入Data Science的每一個工具，
而是讓我們變成"進階的初學者"，每一個概念跟工具都稍微會懂一些，
有興趣再自己去鑽。－－如果以這樣的出發點來說，
我會覺得課程的編排廣而不深沒有關係，
能夠清晰的理解工具的概念跟背後的思考方法也是一種助益。
只是老師Bill Howe作不到這點。
同樣的課程大綱，不應該像上述的那樣有些地方太快太帶過，
有些地方又花時間講無謂的東西。
他的講課很沉悶，很容易自己講一講停住、不知道要說什麼，
或者是胡言亂語一陣之後又說喔這個不是重點我們回來吧，
投影片常常字超級多，但有時其實是不講也不會怎樣的東西。
相對的上Machine Learning的老師就很清晰，
雖然是華人但英文很容易聽懂(比Howe好聽)，
上課節奏也掌握得很好、不冷場、有重點，
可以感受到每一個課程元素之間的鏈結。
當然Data Science本來就是相對多主題的學問，
但是可以讓我每次都想快轉也其實不容易......。
聽起來很像抱怨，不過我想我的意見不會沒有道理，
這門課還是有其用處:
推薦給:
1. 根本不知道Data Science、Machine Learning是什麼的人，
在痛苦地聽完8周課之後你真的會變成"進階的初學者"
2. 需要訓練定力跟英文聽力的人。
不推薦給:
1. 本來就大概知道Data Science這個領域在幹嘛，
想要來學點實用工具的人。 (我大概就屬於這種)
我們需要的是訂閱一下R-bloggers跟Data Science 101，
https://www.r-bloggers.com/
https://datascience101.wordpress.com/
看看演算法要怎麼運用、怎麼處理資料跟作數據可視化，
都有example code就自己做做看，順便關心一下這領域有啥新東西。
2. 已經在某個領域中精進(ML、統計、programming.....)想要多方面涉獵的人，
對你而言跳著有興趣的課程看就夠了，
但我覺得搜尋那些關鍵字(NoSQL、Hadoop之類的)看看網路上的介紹，
或去找本好書來看應該效率會比較高。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 123.192.239.26
... <看更多>