廣告贊助

一位學生的自學故事

 

我有一位學生

去年大學企管系快畢業時

進入一家醫療儀器新創公司擔任資料分析師

負責發展預測模型

(一開始先擔任助理,幾個月後,因為分析能力很強,

該公司的資料分析便由他來負責)

 

我問他

他所需要的大部分技能

企管系並沒有教

倒底他是如何學會的?

 

他與我分享自己自學的經驗

提到

當他知道有這個職務的機會時

先透過網路了解這類型職務的工作說明書與工作規範

之後

他將自己未來的職涯定位成「資料科學家」

 

接著,透過尋找類似以下的網頁

 

人人都可成為資料科學大師!一整年的網路自學清單就在這了

https://buzzorange.com/techorange/2016/02/02/plan-to-be-a-data-scientist-in-new-year/

 

如何自學資料科學?21個優質課程資源幫你入門

http://www.readhouse.net/articles/213230982/

 

再透過與師長們訪談

列出在自學上應有的方向

 

他告訴我

在程式學習上

他要精通Rpython

在數學知識上

他要懂得統計機率、隨機過程(馬可夫鏈)、微積分、離散數學、線性代數

 

有了方向

接下來就是尋找自學的來源

 

該學生與我分享

下班後

他花了許多時間與金錢

拼命上Udemy等線上付費的課程

(許多非常好的課程,優惠價300-450元新台幣)

內容包括

Udemy_Machine Learning A-Z™

Udemy_Data Science and Machine Learning Bootcamp with R

Udemy_Python for Data Science and Machine Learning Bootcamp

Udemy_線性迴歸

Udemy_邏輯思迴歸

Udemy_深度學習

Udemy_CNN圖像化應用

Udemy_非監督式學習

Udemy_RNN語意應用

Udemy_NLP

...

(為了看這些課程,與練習這些技術,他真的睡的很少)

 

後來

新創公司結束營業

他重新思考自己的未來

發現在專業能力上

還有很大的進步空間

所以

他決定報考統研所碩士班

以及未來繼續報考資工所博士班

 

離職後

他選擇到台大旁聽機器學習、深度學習以及大數據分析等課程

同時

也為未來甄試研究所做準備

 

我問他

除了這些較正式的課程外

他還透過哪些方式

進行自學

 

他興奮地回答很多

首先是國內外相關社群平台(FB)的資訊

無論是國內的Python Taiwan、或是國外的R bloggers

還有台灣資料科學年會

會不定時舉辦許多講座

 

另外

該學生還爆推一個網站Kaggle

Kaggle裡面有許多資料集(Datasets)可供練習

還有許多比賽(competitions)幾乎都有Kernels

(也就是這些資料科學家們比賽的codes)

只要能將這些世界級資料科學家的kernels看懂

並充分利用他們的codes

就能解決現實中許多資料科學家所面臨的問題

 

最後

該學生說

上課再多

沒有實做

還是不會

 

所以

一開始他會免費協助朋友長輩進行資料分析

一方面練兵

二方面建立人情

後來

當他技術越來越好之後

這些朋友與長輩們也開始付費給他

請他執行專案

甚至到了今年3

學校老師還請他回學校支援授課

教學相長

一舉數得

 

從開始自學資料科學到現在

剛好過了一年(期間上班上了8-9個月)

他說

這一年真的睡的很少

但收穫真的很大

一年前的自己

完全無法想像自己會有這樣的成長

 

以上學生自學的故事

與大家分享

 

加油!

 

Peter

文章標籤
創作者介紹

張承管理學

Peter 發表在 痞客邦 PIXNET 留言(0) 人氣()