想說在離開上一個工作之後，利用這段休息時間來充實一下自己，剛好在《Hito 大聯盟》的聽眾社團裡有人推薦 Coursera 這門課程，當時正好從美國回來，因為防疫在家自主健康管理，於是決定從 3 月底開始付費上課，連續 10 週的線上課程，到今天 6 月 4 日結束。想說記錄一下，可能對有興趣想嘗試的朋友們有些幫助。
對了，付費 USD 49 有電子證書（有一個永久連結可以保持效力），課程本身是免費的。付費是為了逼自己認真修完。
距離上次完成線上課程已經是 6 年以前，當時是修 edX 的賽伯計量學 101 (Sabermetrics 101: Introduction to Baseball Analytics)，也是一門需要棒球知識和 SQL 基本語法的課程。記得那時候是在咖啡廳 3 天拼完 6 週的課程，還好大學有修過統計和工作上有用到一些 SQL，所以才能快速拼完課程。
（random thoughts：疫情前線上課程產業好像快掛了，直到大家被關在家又開始熱了起來）
《Math behind Moneyball》這門課是休士頓大學商學院開的，由 Wayne Winston 教授上課，課程難度被平台歸類在「適合初學者」（但我覺得並不適合）。課程是在 2015 年錄製的，這幾年沒有再更新過。
完全線上課程，隨時都可以開課。
全英文授課，但有英文字幕和逐字稿可以看，所以英文閱讀能力 ok，就不會有太大的問題。
課程建議完成時數是 47 小時，但我可能花了至少 80 小時。
這門課適合對於棒球、美式足球以及籃球有基本知識的人，裡面有一些術語和比賽規則需要事先了解，才有辦法解題（例如：棒球比賽二壘有人，打一支全壘打可以得兩分）。
課程內容
包含基礎的統計學，像是平均數、標準差、線性迴歸、常態分佈、機率、假設檢定等等，我在大學有修過統計學，雖然忘得差不多了，不過上課一聽還是可以進入狀況。但如果對於完全沒有修過統計學的人可能會有點吃力。
還有許多之前統計學沒學過的（或是學過就忘記的），像是 Kelly Growth、Poisson 分佈、蒙地卡羅模擬等等技巧，來解決職業運動的實務問題。
像是「假設一個打席只有二壘安打、全壘打、三振三種結果，發生機率分別為 20%、10%、70%，平均一局會得多少分？」，直覺可能會用期望值來算，但也可以用模擬（simulation）來解題。
或是簡單的賽局理論，像是美式足球跑陣或傳球的期望得分值。你知道進攻方的前進碼數期望值是多少嗎？
也有教著名的賽柏計量學畢氏定理原理、職業運動賭播是如何開盤讓分、棒球 WAR 值、棒球防守數據 UZR 和籃球 +/- 值等等，這些一般大學統計學不會教的應用層面。
授課方式
Winston 教授主要以 Excel 做為解題工具，我還因此買了一年 Mac 用的 Excel 才能配合課程考試。課堂中會使用很多 Excel 函數以及內建功能，像是用 Solver 和 Goal Seeker 來解題。這是我在上課之前沒有預期到的收穫，透過完成課堂考試練習 Excel 中一些進階的技巧。
我自己有程式背景，對於一些處理字串比對和邏輯條件判斷的情況，會反射性地想要用程式碼解決，但課程用的工具是 Excel，說實話讓我不太適應，解題時通常卡在如何使用工具，而不是解題的邏輯。不過慢慢地把 Excel 一些好用的功能學起來之後，也是滿有成就感的，而不是像之前只會拿來做加減乘除四則運算而已。
而課程完全是以 Excel 做為講解工具，沒有投影片，教授也沒有露臉（但他會咳嗽和喝水，所以確認是真實人類），偶爾會有一些網頁操作（例如 Basketball-Reference.com）。
這樣的講解方式我覺得很不友善，Winston 教授腦中的邏輯無法一目瞭然，必須反覆地回放影片才能抓住重要細節。往往看完第一次影片只能看到許多 Excel 操作，不容易抓到重點。
後來我發現，可以照著教授提供上課的 Excel 教材，邊看影片邊操作，學起來比較不會漏掉步驟和細節。
小考
總共有 40 題小考，每週每題都要答完才算修完課程；再加上最後的期末考，10 題答對 6 題就可以，全部都單選。
小考和期末考每 8 小時可以答 3 次，一直到課程結束。如果是單選題，基本上你一定用猜的也可以對（不鼓勵偷吃步），其餘的就是要正確答對才能過。
一直到課程第 9 週，我才發現原來每週的死線（due date）其實僅供參考用，並不是真的硬死線，只有課程本身最後有一個硬死線，在之前完成都可以。但我還是很乖地按照課程「預期」的進度，每週都把小考寫完，避免了在硬死線趕課的重蹈覆轍。
至於參考作業和延伸閱讀，想說在有限時間盡快完成課程，我就跳過，直接 mark as completed。
缺點
我另外修完過 Coursera 的三門課程：《Human-Computer Interaction》、《The Global Business of Sports》和《Sports and Society》，每堂課都有作業或是小考，其中《Human-Computer Interaction》還是需要同儕互評的，非常有趣，可以看到來自不同國家、不同文化的同學思考方式。這三門課程的討論區都能看到老師與同學互動，討論問題，能從討論區學到一些東西。
而《Math behind Moneyball》的小考大多要解決的是統計的計算問題，一旦遇到資料處理有誤、答案格式不清（例如是百分比還是以小數點為格式）或是 Excel 使用卡關時，真的會答不出來。而且答錯時也沒有提示，只告訴你答錯了。
偏偏課程的討論區非常不活絡，教授完全放生，也沒有助教，為數不多的求救放了好幾年也沒有人回應，討論區宛如一座死城，更別說其他交流了。
卡關的時候真的只能不停地試誤，挫折感很大。
我在《Hito 大聯盟》討論區有找到幾位同好一起修課，不過最後只有一位同學一起修，好在有他可以在卡關的時候詢問一下，不然可能一題答不出來就放棄擺爛了（因為必須 40 題都得答對才能修畢）。
差不多就這樣了，修完 10 週的課程讓我超廢的無業人生留下點紀錄，還算是逼自己學了一些東西。雖然進入初老階段，學過的東西可能很快就還給老師，但至少知道有哪些方法可以用，再回來看影片還是可以省下無頭蒼蠅摸索的時間。
簡單來說，對於運動數據分析有興趣的，這大概是你在網路上能找到最好的課程了，只要你願意投資時間，一定會有收穫的，而且開始會對網路上半調子數據分析有不同看法。
有任何問題歡迎留言，我會回覆或是補充在文章中。
