也写个自己的学习过程和计划-共勉

看到很多同学说自己没coding基础，不知从何学起，想到自己也是零基础到现在编程能编编，数据分析能做做，可以一个人做老师规定的两个人+的project，也是靠不断摸索总结。

K姐写的学习记录已经是很完善了，我就写一下自己这半年以来的学习心得，希望能给零基础的朋友们点帮助。

Java方面基本就是跟随着W大的学习清单：

1.有两门课可选：Udacity的Intro to Programming in Java, Stanford的CS106A Programming Methodology. 如果时间比较充裕我觉得可以看后者，因为这门课太经典了，认真完成每次project，水平提高很快，缺点是project有点难度，一节课50分钟28节课，费时，所以时间比较少可以看Udacity的那门，我觉得是Udacity上比较好的一门了，老师和助教一起上课，编程练习设置得也很合理。

2.随后可以看Head First Java，我觉得这本书还是不错的，我没做后面的题目，但书大部分内容都看完了，有帮助。

3.Coursera的Algorithms，内容基本涵盖了常用的算法和数据结构，作业也很不错，第二周的作业中有linkedlist，在这之前我把UCB61B的data structure上了25课，我比较推荐这门课，前18课讲的是java基础，这老师讲的太清楚了，对于搞清java基础帮助甚大，但是也比较耗时，我觉得前18课还是有必要认真听一下的，同时也有教了linkedlist。

4. 目前在刷CC150，我觉得这本书的确还是越早刷越好，上面这些已经学过的同学，在来美国之前就已经可以刷题了，百利而无害。

Python:

1. 语法相当简单，入门的话可以去Codecademy，一会儿就能上手，时间比较多的话可以上Udacity CS101，python入门，同时会给你个网络爬虫的概念，稍微教你编一下网络爬虫。

您好！
本帖隐藏的内容需要积分高于 133 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 133 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

要会抓数据，这方面基本都是别人教我的，Harvard的data science课也有教，youtube，博客，都有相当多的教学，我觉得这部分就看各大博客然后自己练习即可。至于正则表达式，http://deerchao.net/tutorials/regex/regex.htm，beautifulsoup也是google下多看看多用用就熟练了。

R:

1. 如果直接上手compute for data analysis，我觉得会比较困难。一开始可以先看code school的Try R，很基础很简单。

2. coursera的Compute for data analysis和data analysis都教R，后者是教一个完整的做数据分析的过程，面铺的很宽，depth不够。coursera上现在有门Data analysis and statistical inference，也会入门R，并且教统计基础，我觉得如果distribution，ttest，p value等很基本的东西都不记得了同学可以跟一下。

3. JHU 4月份开系列课程，目测应该不会很难，深度肯定也一般，最后会有一个Capstone Project，不知道是不是要付钱才能做，但整个系列课程都是free的，既然如此何不好好利用学习呢。

Machine Learning:

1.Statistical Learning的课很基础，我觉得对于入门很好，虽说SL和ML还是有点区别的，（我能感觉到但还是说不出来= =）。一开始讲了linear regression, logistic regression, 随后讲了resampling method：用来control trade-off between bias and variance，接着有回归树和分类树，boosting，支持向量机，最后以unsupervised learning结尾，标准的ML的讲课顺序，涵盖了常规的基本内容。

您好！
本帖隐藏的内容需要积分高于 133 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 133 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

6. 书的话有两本，一本叫机器学习实战，还有一本叫Machine Learning from Hackers，我觉得Machine Learning也是实践出真知的，这两本书我个人觉得会有很大的帮助。

其他：

Hadoop: Udacity系列课会有介绍，还有就是上次某个大神分享的Cloudera课件，有人试过吗= =，我没法用，谁看过的话希望能教我一下。

数据库：可以去w3school上学，也可以跟coursera的intro to database.

最后说说自学的一些感想。

我觉得学习过程中很大的问题就是，对于某些概念，你google了，问了同学，结果你还是看不懂听不明白，这个时候完全不要纠结，你一直纠结某个初级内容，无疑是小学一年级你在纠结1+1等于几，你一年级成绩不好，你却说，不，我要留级把一年级的课学得精通再到二年级，我劝你还是一路学下去，因为就算你一路成绩很差，到了六年级你也只能考60分，但是这个时候1年级的题你一定能考满分。我要表达的就是，很多学习过程中的细节，你不断地去纠结，就浪费了大量时间，很可能到最后你还是没明白这个问题是怎么回事，不如放在一边继续向前，你加足马力，等到你已经向前很多了，自然而然就会明白当初的问题是怎么回事了。当然这种还是要靠自己度量和把握。

还有就是面不要铺得很宽，这样很累，我觉得可以先精通一样，然后再慢慢往旁边展开。

我也只是个很初级的learner，所以如有说错的地方请不要太过抠细节哈。

meggie1111 发表于 2014-10-28 05:58
赞lz学习计划，激励我好好学习呀！！
里面有些课我也陆陆续续有上过，问题就学了又忘。我觉得要多做projec ...

你好！
表示之前你的文章“说说我的跳槽坎坷路，求offer”我有看过，并且收藏了。。。
作为一个还在找工作的**，说说自己的感受和愚见。。。
因为我来美帝前没学过一门CS的课，所以之前一年都在学习各方面的知识拓展CS的面，然后其实忘了差不多了是非常正常的事情，但是我笔记一般记得很好，所以就算忘了，如果哪里有需要(比如做project；或者在学校上课上到某部分发现以前上过，拿出笔记来看看，这样上课可以跟老师互动；或者找工作面试会考，却忘记了，拿出来温习)。
所以我觉得我上这些公开课的目的是让我对方方面面有个很好的入门和了解并且得到一些练习，比如机器学习课，如果没上过那个公开课，那连什么是机器学习，什么是监督学习，神经网络是什么，会发现这种词汇听都没听过，等到遇到了，发现根本无从下手不知道去哪儿学。但是如果之前有学过，就算忘光了，但你知道有这么个东西存在：神经网络，是机器学习的算法的一种，记得是有很多的Neurons，但具体怎么操作怎么写代码有什么好处都忘记了，这个时候再拿出笔记或者网上查查看，脑海里立马会有不错的回溯。如果之前都没学过，一看到神经网络这个词，靠，这是什么，google一下，靠，机器学习，这又是什么，为什么除了神经网络还有这么多乱七八糟的东西，什么是支持向量机，什么是逻辑回归，什么是主成分分析，完了，啥都不懂，我是不是要去学一下机器学习？到头来还得学。
所以我想表达的是，也不用完全考虑把学过的东西去应用起来，等到真的在实际工作中碰到问题，再有的放矢地去把之前有点忘记的东西拾起来。也就是碰到了再回去学，而不是学好就能用上。毕竟工作上能运用到的只占我们会的东西的10%-30%。。。
最近各种忧伤。。。刷leetcode找SDE的工作于data scientist渐行渐远。。。还请大侠能指教一下找工作。。。不求薪水，但求找到。。。

nibuxing 发表于 2014-10-28 07:23
你好！
表示之前你的文章“说说我的跳槽坎坷路，求offer”我有看过，并且收藏了。。。
作为一个还在找 ...

记笔记确实是个好方法。高中毕业有就没好好记过了，重拾技能。
leetcode我觉得刷起来还学到挺多的，比如之前听不理解recursive 算法的，做了几个binary tree的就恍然大悟了。之前找工作也是稀里糊涂的找了个要我的就去了。当时为了面google的statistician把各种test和统计的一些概念做了些整理，应该是我当时准备最认真的一次，但是还是悲剧了，原因是基础知识不够扎实，没法活学活用。
倒是工作后慢慢发现自己喜欢并且在短期内比较能实现的position是个什么样的。以前找工作除了想去弯曲完全没有工作性质的目标。
不过我也是太急于求成，所以目前面的情况都不是很理想。打算静下心来像lz学习，认真笔记总结知识点。

我觉得内推还是很有用的，然后就是缘分也是很重要的。

好苗！   

好贴！

另外强烈推荐udacity刚刚开的新课intro to ds
极端的实用
你提到的纠结概念问题我也遇到过，很多在这门课里面解释了。

赞！！总结的好！！

Machine learning强烈推荐CMU Tom Mitchell编的教材。虽然一些内容已经过时了，但是讲得挺深入浅出的。别的课都是被逼的读reading，能不读就不读，这本是老师讲到哪我就把书看到哪，感觉帮助很大。毕竟Machine learning重在算法，还是要多看加深理解。

另外，你现在就开始刷题感觉如何？我总感觉自己学的不够，直接刷题不够系统。
再另外，你怎么会有这么多时间的

anonym 发表于 2014-2-20 19:29
另外，你现在就开始刷题感觉如何？我总感觉自己学的不够，直接刷题不够系统。
再另外，你怎么会有这么多时 ...

我也同感自己学得不够，直接刷题不系统，总想着多学点再说。
可是暑期实习不等人啊 -。-

小K 发表于 2014-2-21 04:33
好贴！

另外强烈推荐udacity刚刚开的新课intro to ds

恩，Udacity的几门课一直没时间跟，打算等暑假和JHU系列一起跟。

anonym 发表于 2014-2-21 08:29
另外，你现在就开始刷题感觉如何？我总感觉自己学的不够，直接刷题不够系统。
再另外，你怎么会有这么多时 ...

我觉得可以直接刷，像2 3章我觉得都不难吧，你都跟完Algorithms了我觉得可以开始了！
然后就是我学校课不是很多，平时时间比较充裕一点。那份清单有很多我还没完成呢。
还有就是，每天洗菜烧饭吃饭洗碗就用一个小时（三菜），吃饭五分钟内解决，不睡懒觉，车上看书，课前编程，洗澡练功，坚持锻炼。自从来了美国，所有做事的速度都加快了。不过脑子经常运作的慢，硬伤。

Kimurate 发表于 2014-2-21 04:30
好苗！

多谢！刷题刷题！