Road: Become a Data Analyst
Nov 1 · 3 min read

這一篇文章,主要是用來記錄我在學習數據分析的路上,想要學習的、想要成長的點點滴滴,以及激勵自己與其他同樣想要學習的伙伴們。
推薦課程:
線上課程:
- Excel to MySQL: Analytic Techniques for Business Specialization | Coursera
- Data Analyst with Python | DataCamp
- Python for Everybody Specialization
- [自學課程]成為python數據分析達人的第一課
網路資源:
#這個部分會帶後續繼續補充
目前正在進行的學習進度:
1. Data Visualization and Communication with Tableau:
目前正在上 Coursera 上的 上到目前為止的感覺是內容挺全面的,很值得瞭解如何從實際的數據來分析並詮釋數據。
2. Data Analyst with Python | DataCamp:
綜觀來說,DataCamp 對於沒有程式基礎的初學者提供了很好的學習環境,該網站主要有三個優點:
- 互動式的學習:能夠即時獲得輸入作業的反饋,能繼續堅持下去的成就感都來自於此。
- Track 學習路線:提供學習者按部就班的學習路徑,搭配許多的練習能夠在短時間內大致瞭解該語言與套件的使用方式(注意,是大致上的功能),能夠很好的基礎入門 Data Analyst 的基本技術。
- 實際的 Project:這也是最吸引我想要繼續使用 DataCamp 的原因,他的專案提供了實際的數據與說明,能避免一開始從 Kaggle 上挑戰的那種茫然,也能大致瞭解分析的基本思考流程。
但一個學習方式不可能都只有優點,因此就要來說說 DataCamp 的缺點啦!它最主要的問題有兩個:
- 重複的習題過多:很多習題在一開始認識該語法時能快速上手,但在內容較簡單的狀態下,很容易就會感到無聊。
- 過多的引導:在 DataCamp 裡面的習題通常都會有像「___」的底線,加上每行要輸入 Code 的位置旁也有 hashtag,說明該行程式碼要寫出什麼功能,久而久之就會依賴說明而忘記思考「為什麼」要這樣寫,以及「什麼時候」可以這樣寫。
在學習的過程中,我其實深刻的感受到這是一條很長遠的路,也不是單純修幾堂課就能學會並融會貫通;但我相信自學的概念,不僅僅是利用網路上擁有的資源,更多的是要想辦法自己去尋找資源,去達到目標。
如果你很用心的看完這篇未完成的文章,希望你也能繼續學習並堅持下去,成為一個你想要成為的人,相互勉勵之。
如果你在學習的路上感到孤單或想要有人陪伴,都歡迎留言聊聊,甚至可以一起切磋進修!
