感恩節感謝 & 一些學習課程推薦
今天是美國的感恩節， 首先要謝謝各位讀者你們的支持，一開始的分享主要是我的轉職及找工作經驗， 後來逐漸擴展到我的矽谷的所見所聞、矽谷人物專訪、以及我的學習成長的筆記。 從 2012 年開始寫部落格， 2017 年開始分享 Facebook page， 也是累積了許多經驗， 文筆說不上變的很好， 但至少越來越熟練把一個靈感大目標從我的思緒整理、輸出成一篇文章分享出來， 這個過程也認識了許多有趣及厲害的人， 訪問了一些我覺得很酷很強的人，召集了許多熱心的朋友一起做了 “歹晚郎內推互助網絡” 幫助更多人在艱難的時期找工作，我個人也覺得在這個過程中有所提升。 如果你有考慮寫作分享， 或是任何創作， 希望我之前的文章“為什麼我建議你開始寫文章、或是任何形式的內容創作” 也能讓你一起加入開始練習寫作/創作/輸出的行列。
我不時會收到讀者詢問如何到美國科技公司工作，或是如何轉職成軟體工程師、如何學習程式等等的問題。 到美國工作問題我之前的文章: “如何到美國科技公司工作？” 已經把非美國人可以到美國工作的模式列出， 轉職軟體工程師及學習程式很多時候是一起的問題， 很多讀者有興趣轉職，但完全不知道軟體工程師在做什麼， 以及應該如何上手學習。 我給過不少次建議， 今天決定用這個機會公開的分享之前回答讀者的方式。
如果完全沒有學習過程式， 可以先玩玩這個 MIT Media Lab 研發的 Scratch ， Scratch 可以讓你用拖拉的方式把一些程式的邏輯組合起來， 在還不熟悉電腦運作的時候， 可以很直觀的在遊戲中累積你對程式的理解。
如果玩一下 Scratch 後還有興趣， 我推薦可以上哈佛大學的 CS50 (Computer Science 50: Introduction to Computer Science) (https://bit.ly/3fDcBFG)。 這門課是近年來哈佛大學熱門課程排行榜上的常勝軍，教授 David Malan 是個很好的老師， CS50 把電腦科學的基礎用許多生動及詳細的方式傳授出來，上完這門課後對許多電腦科學領域會有好的基本認識，對課程中所用到的不同程式語言也會有個基本的了解。
當然 CS50 畢竟是大學的課程， 有一週一週制式的格式， 作業也是大學的方式， 我近年來蠻喜歡 Udemy 上的課程， 因為每個領域都有很棒的老師， 課程也更彈性及多元， 作業及測驗也比較靈活。 如果你還沒有學習任何程式的經驗， 可以嘗試從學習 Python 或 Javascript 入門， 因為這 2 們語言的特性， 對初學者上手比較容易。 此外 Javascript 是網頁主要使用的程式語言， 而 Python 在資料處理及機器學習都是首選語言， 所以這 2 個語言學習之後未來都有許多應用及職缺的可能。
如果你有興趣學 Python ，可以先學習這個有 115 萬學生上過的課程: 2020 Complete Python Bootcamp From Zero to Hero in Python (https://bit.ly/2KJDfS6)， 了解 Python 語言的基礎及跟著課程建立自己的 app 及遊戲。
Javascript 的話可以看這個有 37 萬學生參與的課程: The Complete JavaScript Course 2020: From Zero to Expert! (https://bit.ly/3fFPcU8) 學習 Javascript 基礎及嘗試建立網頁 app。
如果對資料科學有興趣的， 可以和 34 萬人一起學習 The Data Science Course 2020: Complete Data Science Bootcamp (https://bit.ly/3fD315M)， 了解資料科學中數學、統計、 機器學習及各種有關的知識， 因為也會用到 Python，所以也可以增加自己 Python 語言的技能。
如果你對分析資料有興趣， 這個有 32 萬名學生上過的資料課程 The Complete SQL Bootcamp 2020: Go from Zero to Hero (https://bit.ly/33nXQlj)， 可以學習如何用 SQL 來查找資料庫， 並分析資料。
因為機器學習的火紅， 近年機器學習的課程也是無敵多， Machine Learning A-Z: Hands-On Python & R In Data Science (https://bit.ly/3fGB6lj) 累積有 72 萬學生學習及好評， 可以讓你了解機器學習在做什麼。
而我親愛的老婆也分享過她喜歡的課程， 以下都是她上過且去蕪存菁強力推薦的課程 (也可以參考她的推薦文章)， 她靠著許多線上課程， 沒有再讀一個大學、研究所學位或是參加 bootcamp ， 也成功轉職為軟體工程師， 這些課程我也有上過一些， 覺得這個老師 Andrei Neagoie 的教法也是蠻不錯的， 他的課程都很注重實作， 講解也很清楚， :
The Complete Web Developer in 2020: Zero to Mastery (https://bit.ly/3fDcwSq)
Master the Coding Interview: Data Structures + Algorithms (https://bit.ly/3fD7q8V)
The Complete Junior to Senior Web Developer Roadmap (2020) (https://bit.ly/39jeK8s)
Complete Python Developer in 2020: Zero to Mastery (https://bit.ly/37ARPS4) （這篇是她上這門課的詳細心得）
Complete Machine Learning and Data Science: Zero to Mastery (https://bit.ly/2WDBk57) (機器學習及資料科學)
許多 Udemy 的課程都是有 30 天 Money back guarantee ， 代表如果你上一下子，覺得老師教的不好， 內容不喜歡， 都是可以要求退費的。 Black Friday 如果你還沒決定要買什麼， 買課程充實自我會是個不錯的決定！歐， 對了， 如果你剛好在美國，要買 Udemy 課程， 可以搭配使用 cash back 網站， 像 Rakuten 最近 Udemy 有 10% 的 cash back， 如果你還沒有用過， 可以使用我的推薦連結註冊， 還可以得到 $40 的註冊獎勵呢 (http://bit.ly/2SeLuXL)！有一些 American Express 信用卡還有 Udemy 買 $20 退 $5 的 offer ， 也記得下訂前查看一下！
以上許多課程， 就算不是軟體工程師的初學者也可以得到許多新科技及方法， 我在 Udemy 買了許多課程， 也時常利用時間學習我感興趣的領域。 最後再次感謝大家一直以來的支持， 祝福大家都有個充實、健康、平安的感恩節， 2020 年最後自我學習提升， 為未來做更好的準備！
部落格原文及相關連結：
https://brianhsublog.blogspot.com/2020/11/ThanksgivingAndCourseList.html
python機器學習心得 在 [心得] 自學AI心得- 看板Python - 批踢踢實業坊 的推薦與評價
各位前輩好
小弟自從一年前開始在本版和DataScience版出沒
漸漸從完全0程式語言基礎，到可以訓練model
受到版上許多人的指引和建議
以下整理這一年多來使用覺得適合初學者的自學資源：
（網誌版本包含連結：https://x60606.pixnet.net/blog/post/300451728）
※什麼人適合讀這篇文章?
. 具有高中數學程度的人（其實也只要會矩陣和向量就可以了）
. 完全沒有程式語言基礎的人
. 有心想自學AI的人，並用於工作領域的人
. 恰好有3-6個月的空閒時間，希望多學一種語言的人
※學習時間大約要多久？
心無旁鶩的全心學習的話，大約一個月可以上手python程式語言
再大約3-6個月可以操作AI機器學習。
之後依應用領域不同自行挑選工具學習。
※第一階段
初學Python 程式語言
推薦書單：
《精通 Python：運用簡單的套件進行現代運算》Introducing Python
作者：Bill Lubanovic
從安裝下載python 及其相關套件開始教起
用語詼諧幽默，比喻生動有趣
不要被中文標題嚇到了，其實它只是introduce而已。
使用方式：
將內容範例程式碼逐步打過，養成眼到手到的習慣，兩周左右便可撰寫基礎程式碼。
從第一章開始閱讀，練習到第六章即可。
第一個難關：環境建立
初學者最常遇到的困難就是在自己的電腦上安裝編譯軟體，
由於Mac, Windows, Linux各種作業系統安裝方式不盡相同，
時常會遇到書上沒有教的窘境。
因此初學者我推薦上面這本書。
小撇步:
之後如果覺得安裝各種套件很麻煩，可以直接下載Anaconda，
使用Jupyter notebook 撰寫，自動包含所有常用機器學習套件。
※第二階段：
熟練Python並了解各種演算法之間的時間複雜度、空間複雜度差異。
推薦學習資源:
Leetcode 網站題庫
使用方法:
挑選自己有興趣的題目寫，也可以選擇難度為「簡單」的題目練習。
大約寫5-10題即可，1-2周即可完成本階段。
完成題目之後可以到討論區看其他專業工程師如何解決同樣的問題，如何更簡單明瞭、運
算更快速。
用最短的時間在資工系最硬必修──「資料結構」、「演算法設計」初窺門道。
並藉此複習上一階段沒有熟練的指令碼。
第二個難關：忘記學過的指令碼
所以需要靠刷leetcode練習複習。同一個題目能夠看到別人用不一樣的方法解決，知道自
己的不足。
※第三階段：
機器學習基礎知識
學習資源：
網路課程：林軒田教授、李宏毅教授
林軒田教授的課程比較學術生硬，投影片精美，講解詳盡有邏輯，數學成分較多，非常適
合對原理有興趣的你。(基礎課程請按此) (進階課程請按此)
李宏毅教授的課程風趣幽默，上課步調比較隨興輕鬆，適合喜歡結合生活應用的你。(ML
lecture 請按此)
使用方法：
兩位台大教授都有將課程影片上傳至youtube，可以挑選一位從頭到尾看完。
太過於理論或數學推導的部分可以兩倍速帶過。
安排一天3小時，綜合做筆記時間，大約4-6周左右可以掌握AI機器學習所有名詞的意義，
以及數學上的邏輯、生活中的應用。
第三個難關：對機器學習原理感到迷惘或卻步
別擔心！請記得，機器學習是數學家和資料科學家經年累月發展出來的深奧學門，一般人
不需要了解全部的詳細原理，像是您學習開車但是不需要知道所有的機械結構，只要掌握
與操作有關的重點，並知道重要名詞之間的關聯即可，目標是下一階段的實作！
※第四階段
機器學習程式碼操作
書單推薦：Tensorflow + Keras 深度學習人工智慧實務應用
網路資源：AI 百日馬拉松 (不是免費的，一個人報名費約2000元左右)
我自己有報名第二屆，值得推薦的地方是他會每天給你一點程式碼
也會提供教學講義網站和重要資源的連結
學期間有助教隨時解答
不過我自己覺得，對非科班出生的人而言，原理和教學圖解部分太少
有時候中文語句也不是很通順，還有許多改進空間
因此上面三個階段完成的人來看會比較不吃力
未來應用若有很好的資源會再補充！
歡迎提供更多資源建議，謝謝！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 58.114.177.47 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1565422919.A.548.html
... <看更多>