【Udacity】” Programming for Data Science with Python” and “Data Analyst” Nanodegree完課心得｜30歲up學程式行不行 5
經過三個月的努力，拿到了 Udacity 「Programming for Data Science with Python」及「Data Analyst Nanodegree Program」兩張證書。在 Udacity 的分類中，他有一個 Data Science 的學院，點進去裡面你就可以看到如下圖，他有針對不同角色提供相關的課程路線。 Udacity for Teams
使用此連結完成 Udacity 註冊，還可額外獲得首月25% off！
在10月時我先完成「Programming for Data Science with Python」並且拿到證書，當時就滿猶豫要先選 Data Analyst 的路線先學，還是要直接走 Data Engineer 的學習路線。因為他們在 Step 2 學的東西並不相同。後續考量到在 Step 1 已經有先透過 SQL 及 Python 做一些資料分析的應用。所以就先選擇 Data Analyst 的 Nanodegree，想說這樣比較有連貫性，後續再去學習資料庫的相關應用。
付費課程感想
上篇「【Udacity】Introduction to Python Programming完課心得」有提到，由於程式語言大多數的資源都是以英文為主，所以還是想要試著透過「英語」來學習，在上過 Udacity 的免費課程後，上網看了滿多他付費課程的評價。當下其實很猶豫到底是要用 Udacity？ Udemy？ Coursera？ freeCodeCamp？等哪一個平台。
其中最讓我猶豫的點是有人提到付費課程在免費課程裡面都找得到。剛好他在10月轉成訂閱制方式（以月費為主，所有課程皆可以學習），所以我就想抱著頂多被騙一個月的費用，先試試這個平台，不行再轉去其他平台上課。
付費後我立刻去比對免費跟付費的差異。其中有三個地方差異最大，也是我覺得付費課程比免費課程高很多價值的地方。
1. 課程內容豐富度(下圖左邊為免費課程，右邊為付費課程
首先我們可以看到免費及付費課程在相似的內容上面就有課程內容豐富度的差別，在付費課程（右圖）可以發現多了 Numpy、Pandas 等。當然這兩個可能也會在其他免費課程找到。
但相同課程裡面，付費課程的詳細度是有區別的。可能相同內容就會有不同的師資來講解得更深入、內容篇幅也更長。內嵌在裡面讓你演練的程式也不同。付費的會使用 Jupyter Notebook，他的彈性比較高，同時還可以讓你把自己寫的內容存成 html 格式，方便後續 review。免費的部分就只能在當下的頁面使用，方便性差很多。
2. Real-world 專案
要能順利拿到證書，就要通過他所有的 Project 專案。而這些專案所使用的內容都是真實世界中所存在的案例。所以你在做專案時，就會開始去熟悉了解你所學習的東西如何應用在真實案例上。
例如在 Data Analyst 的 「Investigate a Dataset」專案中，他就提供了三個資料庫讓你選擇去做分析，包含 TMDb movie data、No-show appointments、FBI Gun Data。
因為要做資料分析，首先你要先確認哪個資料庫是你有興趣的，以及針對這些資料庫你會想提出什麼問題去做分析，這就包含到你對這些資料庫專業背景的了解。各行各業都會有自己的 Key Insight，所以一開始看到這些資料庫時，搞不好根本都不知道要問什麼問題去做分析。
這也會讓你了解到你學習這些技能只是知道如何去應用他，真正最難的地方還是在於你自身的思考及知識。在應用技能之前，要有好的資料敏感度及知識量，才能知道自己到底要透過這些資料庫去做什麼。
這也是我在接觸不同背景資料庫時，除了學習寫程式外最大的收穫。
3. 真實 Mentor 幫你 Review
這是 Udacity 遠遠超越其他平台最大價值所在。你的所有專案都會是相關產業工作的專家幫你 review，就像你在工作時會有人 review code ㄧ樣。他不僅僅只是檢查，還會給很多建議以及相關的 reference，多到我覺得我根本看不完…
一開始不熟悉時，覺得有人幫檢查整個壓力很大，深怕自己一直過不了。但後來想想才發現，不管過不過得了，只要每被檢查一次就賺翻了。因為他們是很認真的幫你檢查，給你建議，所以透過這方式你就可以真的知道問題所在。
等於只要每被提醒一次，你就可以知道哪邊可以做得更好。而且代表你在做專案時可以盡量的去嘗試，不是只有自己摸索，然後不知道對或錯。我覺得這真的很棒，也踏實許多。
當初在查 Udacity 評價時，看到不少人說作業批改很慢。但至少我完成的這六個項目上，都沒發生過類似狀況。大多數都在幾小時內就完成，有的還比我想的還快。像我 12/31 跟 1/1 都還有提交作業時，也都是兩個小時左右就得到回覆，真的很厲害！
通過 Data Analyst 的路線後，接下來會好好思考要先往 Data engineer 的路線走，還是要往 Data Scientist 的課程路線。甚至目前因為也有做網頁的需求，所以也可能會嘗試去學習 Frontend 及 Backend 的相關技能與知識。
總覺得上課時覺得頭痛，但結束課程後，面對後續的選擇也是一個頭兩個大，並沒有比較簡單😂人生就是作出無數的選擇，因為沒有對或錯，你永遠不知道你選擇的路線會帶你通往什麼方向。往好處想，至少自己有在前進？
2024才剛剛開始，也滿期待今年會走出什麼樣的路。感謝閱讀到這邊的你，不知道新的一年你又有什麼樣的計畫呢？歡迎留言或到 IG 分享跟我說喔！
我們下集待續！
喔對了，忘記說了！
到現在除了程式語言相關知識的進步外，英文聽力、閱讀及寫作能力也進步不少！畢竟是全英文教材，至少要聽得懂、看得懂才能知道要怎麼做。另外由於是資料分析，所以大量的英文寫作是必不可少的，我自己都很訝異在需要寫英文時，不論對錯我至少可以先以英文寫出來再去潤飾修正，而且又有專人檢查作業，我也通過了，代表外國人看得懂！這也是另一大好處？🤣
使用此連結完成 Udacity 註冊，還可額外獲得首月25% off！
我終於開始學習寫程式了！
現在還在蜜月期，所以還算是滿快樂的，但在 ALPHA Camp的一篇文章「學習教練團隊，如何透過數據優化學生學習成果 ?」有提到，學習語言很快就會碰到混亂跟絕望期。當我遇到時，希望我能堅強持續地走下去，之後會如何我們拭目以待！
如有任何想法或遇到什麼問題也歡迎在下面留言，若有時間也歡迎幫我拍滿50下或多多分享～
Be-A-Learner 分享所見、所學
成就更好自己，同時帶動他人一同成長
