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。