Road: Become a Data Analyst

Data
Data

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:

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:

  1. 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。
  2. 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。
  3. 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:

  1. 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。
  2. 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!

Chris|數據分析與教育的交界

Written by

數據不只是分析數據 — “Don’t be a Data Analyzer , be a Problem Solver” 歡迎你一同來聊聊,關於數據的那些影響力。

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade