使用datacamp一年体验分享【ds方向】

新人继续来分享，想了想可以说说前一阵子结束的一年的datacamp的subscription。去年搞活动的时候半价定了datacamp的一年会员，今年没再续了，在一年里完成了两个track，还算值回了钱吧。

【个人背景】
在小公司做ds，主要工作内容是de/mle，去年想进一步加强de和ml的技能，看到datacamp在打折，就定了一年的会员。之前使用过，但是觉得不打折的话价格还是有点贵，就没有长时间使用过。我常用 Python，SQL等。

【datacamp的形式】
视频教学，每个课程4个章节，每个章节若干视频课配合交互式学习，基本就是用视频里教的内容实现一遍别的context的代码。喜欢datacamp的人可能也是喜欢这一点，可以自己上手写代码，而不是停留在理论阶段。
datacamp还有project和quiz功能，没有怎么使用过，project开始过一点点，觉得质量还可以。

【de track】
之前从来没有接触过de，所以想通过这个track全面接触下de的技术栈。这个track也比较新，后来课程也有更新，所以你看到我的图片里有old的标注。
de也真的很广泛，课程的话涉及de的基本概念，python基本，shell，bash，database，sql，pyspark，mongodb，也真的很广了。
当然广的同时就无法深入，这个我后面会再多说一点，我觉得这也是datacamp课的共同特点吧。

【ml scientist track】
想要巩固下ml的知识，基本涵盖了和ml相关的算法 （classification，clustering，NeuralNets），基础知识，比如做特征工程，做validation，调参等；还讲了一点深度学习的nlp和cv的应用。
同样，不深，重应用，可以有个大致的了解。

【体验-好的地方】
1. 适合入门，当对于整个track不了解的时候，技术都没怎么学过的时候，每个课程相当于让你知道这个领域是干嘛的，快速有个大致的了解。
2. 交互式的话可以迅速上手写代码，实现课程中讲的内容，不用担心配置环境等，比如pyspark，manogodb，scala，airflow 平时不用，也没有安装过。
3. 对于我来说，付费内容会督促自己学习，最后有个东西完成的证书也可以激励自己继续努力（我知道对找工作没什么用）
4. 有一些课程还挺有趣的，除了两个track，我还收藏了一些自己比较感兴趣的课，有时间会去完成，当然也只是入门作用。
5. 类别真的很多，你能想到的可能上面都有课，ab testing啦，tabaleu，bi，python，sql都不用说了。

【吐槽时间】
1. 新的UI太丑了，不喜欢绿色和灰色的UI，具体也说不上来，还是喜欢以前的淡蓝色。
2. 真的很浅，学完可能只是知道了大概，当然这个也是datacamp的特点可能。引进门，深入学习，还是要靠别的资源。
3. 课程质量参差不齐，有些老师还挺厉害的，比如Dan Becker，但是有一些就不知道是什么背景的老师，在linkedin上也找不到相关的经历，有一些课程也感觉只是凑数的。
4. 看完视频后的习题过于简单，考察的可能还是记忆力，不如把slides都下载下来然后复制黏贴上去；有时候甚至不用靠理解，直接考逻辑，就可以完成练习，这就导致我后来越来越为了完成任务而去做，而不是真正去应用一个代码。
   当然这一点是我自己的锅，另一方面，我觉得ds相关的练习的背景都给的有点突兀，没有循序渐进，为了练这个代码而练这个代码。而且我后来发现消耗学习币就可以直接看答案，为了省时间，我会直接跳过练习。
5. 视频有时候挺冗余的，现在在用educative学习算法，就还挺接受纯看文字的学习方式；关键有些视频质量真的不高啊，废话比较多还不如直接上代码。
6. 好像没有发现问问题的地方，可能也是我没有使用正确。
7.有时候session会断掉，提交不了答案，影响使用体验。

【为什么没有续】
前一阵子又有60%的折扣，差点又想续订，还好忍住了。一方面原因是自己在转engineering，还是想多刷题，多学习cs知识，不太需要datacamp了；另一方面上面列出的吐槽都让我觉得不值得去花这个钱，可能也是了解个大概后，想要深入学习一个领域。
而且我一直告诉自己不是什么打折就一定要去买的，不买就直接打折100%了。。。
时间和金钱都要花在roi最高的地方。

【最后想说】
还是很感谢datacamp吧，学了总比没学好。但是同时我也在思考，有时候不能太看重形式上的完成，而得问问自己到底有没有学进去，学懂了多少，能用多少。这个意义上说，我觉得datacamp是远远不够的。上一门课，不如自己从头做一个project，每一个环节都去扣，也比看完视频，复制粘贴代码有用吧。
datacamp只是让我打开门，看看门后有什么，真的要走的远，还是要靠系统的学习。
四五年前还在本科的时候用R上了一点datacamp的课，那时候还是个无人问津的网站，现在看到它越来越大也挺高兴的。

新人求米！谢谢大家。


我用了将近2年，DA做了2年半的时候开始用的。现在上完了2个半career track，杂七杂八60来节课吧。
DC除了楼主说的“引进门”这一点，最大的好处我觉得是查漏补缺。我最开始做DS的时候，一切靠自学，没有系统性学习过任何技术上的东西，技能是通过工作内容掌握的。DC有些课补全边边角角的知识点特别好，但我也苦于很多课过于基础。当我上完基础课之后，intermediate以上的课就打开了新世界的大门，30%都是查漏补缺变成了70%都是新的function。
另外我间断过很多次，就发现以前学的代码会遗忘，所以从第二个track开始我就用R notebook和Jupyter notebook记笔记。简单的课会被略过，但是全新的知识点会花很多时间。这导致完成一节课的时间翻倍，3小时上课，3小时梳理课程精华和记笔记。但是复习效果奇好，差不多一个notebook复习10分钟，就能重新吸收知识点。
这么积少成多之后，我开始发现DC内容直接运用在提升工作效率上的频次大幅提高。我用着用着，满脑子都是Steve Jobs说的connecting dots。
最终的目的都是使自己的技能树更蓬勃，使用更熟练，效率更高，代码更漂亮，逻辑更优化。那成功完成学习这件事儿，就比学习更好的、更深的内容，要重要。对我来说，DC比其他资源要容易坚持得多，比如Coursera这种heavy load，或者w3schools这种documentation。DC粗浅又笨拙，但对于我这种沉不下心的人来说，积少成多，远远好于在Coursera上开始无数次，却往往各种原因没有顺利坚持3个月。

qinshimingyue 发表于 2020-12-22 11:16:45
谢谢分享你的经历。我很同意你的方法，我后来也开始把学到的代码记下来，然后希望可以自己之后再复习，就像你说的，真的很费时间，时间一多，就想值不值得花这个世界去，没有很好的坚持下去。请问dc上你有什么推荐

我上到中期的时候，每上完一节课，就按content和difficulty来给课程打分，1分到5分。5分content是内容很好的，6分是妈呀我好喜欢特别好的。1分diff是特别简单以至于浪费时间的，我上的大部分都是3分或以下diff，就是可以靠逻辑完成练习。

不过咱俩可能不太一样，我是业界用R和SQL，学Python的时候比较新，所以R、SQL打分觉得偏简单，Python的课上什么都觉得在学新东西hhhhh。举几个🌰：
【R】
1. 老版data visualization with ggolot2 (part 2) - content 6, diff 1
2. 老版supervised learning in R: classification - content 6, diff 2
3. Unsupervised learning in R - content 6, diff 3
【Python】
1. Data types for DS in Python - content 6, diff 5
2. Regular expression in Python - content 6, diff 3

我自己的感受，所有上过的课content目前最低分3，大多4。越高级的课质量相对越好，初级课浪费时间。R/SQL课diff目前最高3，Python最高5，大部分1。个人感受hhhh

Fake/Random 发表于 2020-12-22 16:32
我用了将近2年，DA做了2年半的时候开始用的。现在上完了2个半career track，杂七杂八60来节课吧。
DC除了楼 ...

谢谢分享你的经历。我很同意你的方法，我后来也开始把学到的代码记下来，然后希望可以自己之后再复习，就像你说的，真的很费时间，时间一多，就想值不值得花这个世界去，没有很好的坚持下去。请问dc上你有什么推荐的课吗？

我竟然连自己的附件也看不了，太惨了。。。

lz上的 datacamp网址是啥

kkkxiong1 发表于 2020-12-22 11:18
lz上的 datacamp网址是啥

就是datacamp.com 哈哈

附件看不了 哈哈

里面可以学习写进简历的项目呢？

幽默王子 发表于 2020-12-30 02:42
附件看不了 哈哈

就是一个进展的图片，不重要