python人工智能入门纳米学位_最近看到udacity的纳米学位很火，号称学完可以找到工作了，这是真的吗？...

2018年二月更新：

刷完了Coursera的Deep Learning Specialization，Coursera吃了大约二十几门Coding、Data Science的硬课（包括传说中的PGM、Stanford算法课等等）Deep Learning Specialization Certificate

发现如今的Coursera也往Udacity的教育模式靠了靠（直接的就是，Jupyter Notebook以及提供完整的框架。）但是想想MOOC的全称是Massive Online Open Course, 我私以为Udacity已经脱离了MOOC的范围了，甚至有点像导师制（而确实，现在也引入了导师）。

但是要告诉你们一个很好玩的事情，你们的Udacity证书，似乎无法认证。。。

比如上面的那个Certificate，你们可以通过这个来查看我的证书情况，逼格瞬间low了下去。。。

在最近（十一月十二日），北京开展了Udacity NanoDegree的毕业典礼，这个逼格是这样的（侵删）豪华版Udacity NanoDegree 证书

让我一个毕业老久的孩子垂涎三尺，瞬间高大上了。。。

如何在Udacity收获更多？请保持主动，做一个问题的提出者而非简单的问题的回答者。Udacity和很多平台一样，包括了大名鼎鼎的硬骨头CS231n，大作业都会给你一个框架，通过提问的方法来给你一个做大项目的方向。而之后大项目也就被拆解成为了回答一个个问题的答题纸——That’s so boring！ 这种的方式来用大项目真的是一种暴殄天物！尤其是在Udacity的数据分析NanoDegree上。我在做的时候会对照着它的评分表来看，是否真的完成了所有必要的操作。而后就是来介绍我个人的“需要”了。需要不是必要，而是我想知道我的思考是否正确。因此我会在大作业上问出一些问题，然后尝试解答。而Reviewer也会十分耐心的帮我把这些东西一件件的解决，然后告诉我思考的方向——诚然，你会在项目上花比别人更多的时间，但是这个时间绝对值得你从看剧、聊天中抽出来，值得你晚上睡觉的时候不得安宁的思考How to do better或者“我究竟错在了哪里？”这个事情和我一些在名校的朋友分享之后，他们说“这一点恰恰也是我日日夜夜煎熬之所在。”如果简单的把一些东西改几个字然后就能完成（即改模板），那么的价值不过是做填空题而已。

如果在Udacity收获更进一步？Talk about this. 剑桥有一个很有趣的事情，因为这里的夜生活其实还是很boring的，如果不喜欢party的话，就不妨和教授约出来，几个人坐在学院的bar里谈笑风生，一聊一下午，一聊一晚上。中间总会冒出很多有意思的思想的交锋，有的时候哪怕一言不发坐在那里，都觉得很有收获，恨不得拿出笔纸记录下来整个谈话（当然没人这么干）。有的时候，你只要问出好的问题，并且你提出你的猜想，约上你的助教，一对一好好的聊一聊（这项福利很经常被人忽视）。你会有一个崭新的认知以及一个“下一步应该怎么做”的未来战略观，为什么从来没有人质疑过，既然国内的孩子没有一个“自己想要什么”的自身规划的观念，那么国外的孩子是怎么有的呢？职业发展也是如此，并不是说我听说了投行很有钱然后我就决定去做投行，或者说现在的“数据分析很赚钱，我就决定去做数据分析”，和别人好好谈一下，也许这才是你真正想要的——而这一点Udacity恰恰是没有意识到自己的优越性，以及其他的平台所不及的。

原答案：

利益相关：Udacity数据分析师毕业、Coursera数据分析专项课程毕业、Andrew Ng的Machine Learning毕业。

第一阶段

在做Udacity的时候我的经历是复杂的，因为一开始是为了申请一个项目，项目需要有项目背书，作为一个纯工科的并且对工科没啥好感的本科生表示——“啥玩意？”

后来误打误撞的进入了Udacity。

公正的说，Udacity的NanoDegree很贵很贵很贵，即使返了一半我还是花了一千来多。Coursera其实学到的差不多。甚至我觉得Coursera的会更好一点，主要就在于读。

而Udacity的NanoDegree真正锋利的地方不在他的课程有多么牛逼，而是项目的Review！

Coursera有比较丰富的阅读的资料，而比如在数据分析的机器学习入门这个项目中，在做项目的时候会突然懵逼不知道要怎么做。而且我这死脑子在他教这些东西的时候，我总有一个冲动就是“这tm是怎么来的？”，然后自己一个个去搜概念！！！然后才懂。不过可能是我是一个死脑筋吧？？？早先的时候一口气做了一半，后来因为要出国然后实在忙的没空了就放下了。后来在国外的时候，做一些基本的数据操作（主要是Pandas还有一些NoSQL的使用），从这个角度出发，Udacity确实还是挺好的，至少能够让我无缝衔接进了项目。十分的Practical。

但是这又如何呢？我曾经花了很多的时间来进行这方面的学习，而身边一起做事的人就看了一遍官方的Tutorial马上也就都会了。也包括sklearn的使用（机器学习入门的时候学习的），看了一会儿文档马上就写出来了，全过程行云流水。

那么我这样一个个搜概念，看文档看懵逼的人要和这样的变态来竞争？还上岗？

所以在苦逼的环境里不断地逼自己追上他们，这一段时间我完全的脱离了所谓的Udacity的学习。

第二阶段

由于心疼钱，想要返现一半，于是乎又十分的不要脸的花钱买了一个月，这个时候我是以一个完成了基本的代码的训练的人的身份来进行Udacity的项目的，结果是：

这尼玛为什么这么简单？？？

我可以说如果你学了Udacity的纳米学位然后你找到工作了——和Udacity的纳米学位的学习项目没有半毛钱关系，而是你本来就很优秀！

最后的一个A/B Test的项目几乎行云流水的看了一下统计学的书，然后我是连视频都没看完，就把这玩意给秒掉了。

综合了第一阶段（没有什么背景的小白）和第二阶段（接受过比较系统的编程训练），我可以说，Udacity的项目只适合有一丢丢经验，那个所谓的一丢丢经验指的是理工科一定要学的比如C语言或者VB的课给学完。Udacity的项目建立在这个基础上来学，可能才会有一点作用。但是如果你真的想靠Udacity的东西来找工作——那么你一定是大牛学校背景+ACM/数模美赛大佬的才行。

但是回顾一下，所谓的学习，难道不就是努力的在跨出舒适区的地方不断挣扎吗？

而Udacity，我还是非常的感激它的。

它让我知道自己的定位在哪里，以及未来的路在哪里。我知道了有一个东西叫Kaggle，我身边的人压根就不知道！我知道了想深入学习Machine Learning要看一些什么东西，在哪里看。我知道了数据科学要深入的话要怎么做，知道了整个工作的流程是怎样的。而这些才是Udacity真正给我带来的意义，可以说是指出了人生努力的方向和办法。你要说，这个东西算啥？我想做Machine Learning的话，我可以去图书馆借一本书啊，然后读啊，再按书里的项目来做一下啊。而问题就在于最后所谓的“做一下啊”，如果你是一个完全不相关的背景，而身边的人也跟你差不多，那你怎么知道你做的是好的呢？这就是学习过程中一个非常重要的东西——反馈。

所以我说，Udacity最具价值的地方，其实是Reviewer用心给的详细的Review。

但是你把开始当作了结尾，那你是把自己当傻子还是把别人当傻子？

不过，你拿着Udacity的项目经历去找找实习的话，其实也应该是可以的，毕竟只要项目是真的自己做的，然后在做的时候稍微用点心，这就完全足够了。

Udacity的创始人特龙教授说，教育的价值就在就业，如果没有就业，那么教育本身就是不合格的。因此Udacity才有向Industry倾斜的结果。而工作上，事实就是，可以的。