Code and Me
Published in

Code and Me

2018年學習總結

一年的試誤與成長

上半年:資策會時期

確定轉換跑道

自學或實體課程?

簡單盤點

Interactive Representation

  • HTML/CSS網頁開發:◆◆
    這兩樣東西是前端基礎中的基礎,易學易用(美感與排版能到什麼程度另當別論),算是「學習成就感很高」的項目。但除了爬蟲對網頁元素了解實屬必要(但也不用多深),其餘情況重要性不高。
  • JavaScript動態網頁設計:◆
    JavaScript是泛用性極高的語言,但不是前端工程師的話,重要性依舊沒那麼高。
  • 資訊圖表應用(D3.js):◆
  • 小結:前端都不是很重要,除了爬蟲需要,其餘可以隨意。

Database

  • 微軟 SQL Server Transact-SQL 基礎語法:◆◆◆◆◆
  • 微軟 SQL Server 資料庫實作:◆◆◆◆◆
    作為以資料工程師為目標的學習者,SQL是學習三本柱之一。就算不是要當資料工程師,公司絕大部分的資料也都是儲存在SQL,能懂一些語法也是很不錯的。
  • 小結:SQL就是重要,不言而喻。

Data Analytics

  • 網路爬蟲:◆◆◆◆
    自己對網路爬蟲興趣不算高,但在生活上的實用度不錯,比如追縱Uniqlo官網商品價格走勢,熱門程度高,整體而言還是滿值得學習的。
  • 數據挖掘應用案例研討:◆◆◆◆
    又名「資料探勘」也就是「Data Mining」,這堂課毫無疑問會用到很多統計學內容。工具上使用weka,不過老師上課時幾乎一半以上時間在講怎麼操作,但對原理比較少提及,很容易忘記。建議有統計學基礎。
  • R語言:◆ 或◆◆◆◆◆
    重要性端視你要選擇R還是Python作為自己的主力語言,R在分析數據時,明顯比Python更直觀。但基於個人偏好,我還是選擇Python。
  • Python 程式設計:◆◆◆◆◆
  • Python 資料分析:◆◆◆◆◆
    資料科學尤其是機器學習帶起了大量學習Python的風潮,數量驚人且威力強大的套件讓你站在無數巨人的肩膀上,簡潔的語法讓它成為第一個程式語言的首選,入門還是要花一些心思的,但絕對值得!
  • Python 機器學習精要:◆◆◆◆
    機器學習,處於時代風口上的主角,入門門檻較高,需要一定的數學與統計學基礎,要學好就要相當投入才行。
  • 小結:
    這部分正是資料分析的核心,都很重要,無法輕易放棄。不過平心而論,在沒有統計學和數學基礎情況下,要學好機器學習並不容易。

Linux

  • Linux系統基礎:◆◆◆◆◆
    很多職缺其實也不用到Linux,資料工程師則是必備。
  • Linux BASH Shell程式設計:◆◆◆◆
    同上,但入門門檻有點高,主要是語言很符號化,需要對很多「符號」去記憶其內涵,但沒有字面上的意義可以聯想,我覺得比Python難學,需要更多耐性與時間,一樣是資料工程師必備,其餘應該還好。
  • Linux Docker容器式虛擬環境建置:◆◆◆◆
    同上,不過docker需要配合容器內的實際應用才好一併學習。
  • 小結:
    簡單二分法,工作上如果用得到Linux,那這三樣可能都很重要,如果用不到,就都不重要。

Hadoop Ecosystem

  • Hadoop雲端巨量資料處理平台:◆◆
  • Hive巨量資料處理實務:◆
  • Spark雲端程式開發實務:◆◆◆
  • 小結:這三門課講觀念居多,實作較少,時數所限,難有通盤的理解。

Language

  • Java程式設計:◆
    學習物件導向挺有用的,語言較嚴僅但繁雜,程式碼落落長。
  • Java資料庫程式設計與應用:◆
  • 小結:
    建議還是以Python或R優先。

上半年的小結與反省

下半年:自學時期

目標與紀律

機制導向的紀律之道

The Udemy Way

Udemy

筆記

Evernote
Jupyter Notebook

結語

--

--

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store