刷完了吴恩达和Udacity的课,我有些话想说...-优达学城Udacity
导语: 在刷完Coursera的Andrew Ng的Machine Learning以及目前已经出的Deep Learning的课,以及号称最有味道的Stanford的算法课以及概率图模型,对比Udacity,谈谈网课体验。
作者/爱好猫咪与古典音乐的Limber
编辑/ 空海
先放结论:平均水平比较高以及有人情味儿的Udacity,水平良莠不齐但补充材料魅力无穷可惜态度冰冷的Coursera。
Coursera
首先来谈谈“你大爷还是你大爷”的Coursera河熙罗。
我完成了Coursera的很多课程,包括了Andrew的网红课。Andrew的超高人气确实没话说以力成圣,我也不得不承认他真的是一个好老师。为了有可比性,我用一天时间完成了Coursera的《Introduction to Data Science in Python》。这门课是一门很不错的课,一些Python的Data Science的操作确实覆盖的非常好,可以说很对得起数据科学导论这个标题了。
但是我在反思的时候,发现它其实对新手并不是那么友好,至少不是真正的“面向小白”。我一个数据分析老司机听起来是酣畅淋漓,然而似乎他们对Coursera上的学生有两种假设,第一种就是你是天才学霸型(我周围总有这群晚上没事就刷课的博士们),什么概念一说就懂,正面上coding assignment毫无压力。
对于他们而言,网课不过就是消遣和一条Facebook的推送。不少课的起点可以说是低到地底,但是不久之后就画风一转,让人一脸懵逼。如果对于一些手不勤快不多撸代码的人,后期会手忙脚乱雪蛟。然而Coursera做了一个很好的事情,就是云端的Notebook。我可以不用配置任何环境,直接在他的Notebook上操作。Discussion Form也其实很满意,Feedback也很快。再加上Andrew的声名在外,我对Coursera的印象一直很好——直到我看了Data Mining的课。老师是大名鼎鼎的Jiawei Han(多数人也是因为是他讲而来),然而临沂老徐。。。
就是不理你。一副“我是你爹”的感觉,遇到这样的情况真的很痛苦。
Coursera所得
1.一种持续向前的努力能力
人的成长是从直面痛苦开始的,也是谢谢了Coursera的“我是你爹”的奇葩体验,让我不得不自己一个人往前走。而后渐渐就释然了,反而在学习生活的时候也带有了很重的独立性。从成熟的角度来看,确实做到了,但是这并不一定是一件好事。
2.DDL是第一生产力
其实DDL才是你亲爹。
3.深厚的基础积累
Coursera的课程给了我不是很浮躁的一个学习,就比如在Deep Learning时的Optimizer的问题,不知有多少人将Optimizer当作了Black Box来用。我在学校带队的时候,一个学弟的 Weekly Report是完成一个Neural Networks,我问他为什么在这个地方用Adam,他给我的回答是“大家都是这样的”,果然,他也成为了浮躁的一员。
因为Coursera让你要一个人独自往前走,但是孤独也是个世外桃源,没有了浮躁的得过且过的态度。
Udacity
总体评价:暖心。
不好意思,Udacity不是MOOC。夏一可
我其实很早的时候就开始了数据分析的课程,原因其实是为了一个学校的小项目,作为一个苦逼的大工科的学生,虽然操得一手好C++,MATLAB骚起来也是有胆子挑战一下Coursera的当家花旦——号称Coursera难度担当的概率图模型的Coding Assignments(在这里强烈反对Coursera团队的With Honor十分随意摁在Certificate上的行为),但是真的要我做一点别的,我可能还是一脸懵逼。
其实很多的同学在拿了算法赛的奖牌后蓦然回首,发现除了用代码做数学题做ACM题以外啥也不会,看着身边一些人网站啊app啊做的溜得飞起,羡慕以外还是羡慕(其实后者更简单些),而新手其实完成自己的网站啊、app啊,成就感是爆满的好吗!
而其中最最最令我满意的就是,无论你有什么问题,你可以直接发邮件问Udacity。我有吐槽过D3JS贼恶心,也有吐槽过MongoDB贼难装。Feedback都会很快、很有礼貌的解决你所有的问题。感觉就像学校的督学,心情不好了找督学扯扯淡,心情好了也找督学扯扯淡,扯了不一定会怎样,但是会安心,同时你也能继续往前走。
Udacity的最大的亮点是Project,或者叫大作业。对我来说是一个很好的learning by doing的case。我只要把所有的project完成,就好了。它真的价值在于Project本身,告诉我了完成这些东西我需要什么知识,于是我就直接去看这些相关的材料就好了。而为了完成这个项目,我其实看了相当多的材料,而也就是Udacity的学习让我养成了一种十分自主的学习习惯,这其实对我来说是一个十分宝贵的习惯。这让我对待我的作业的时候,有一种仪式感以及把任务完成到极致的追求。
Udacity的课也是我在剑桥读书时的一股不小的助力。有次在上算法交易课火网互联,老师扯了一大堆,然后说“We would like to introduce Python language.”,然后我就在课间和老师大谈量化交易。
凭借着在The Element of Statistical Learning读到的硬干货以及机器学习课程上教的一些操作,提出的方案让老师眼前一亮,在第二天早上有课的情况下,晚上用Quantopian(某知名框架)狂肝,硬是把我的idea实现了,凌晨再发给老师。大作业这种东西就像固态硬盘,你没拥有过之前,觉得它可有可无,在你体验过它的好之后,你会爱上它。而Udacity的项目是真的让人无可挑剔,或者说,它本来就是大作业的本质吧。
Udacity所得
1.全局分析问题,不纠结细节
Udacity的课绕过了一些次要的东西,就创始人Thurn教授所言,把宝贵的精力真正的聚焦于思考上,而非是刻板的细节上。Udacity治好了我苦扣细节的老毛病以及忽略整体的战略观和整体性的思考,而非拘泥于一个function该怎么写。自顶而下的来掌握一个项目,而后控制它。
2.Be Proactive
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林志鑫,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)梦见大火烧山,那么的价值不过是做填空题而已。
那么如果你想收获更多呢?
Talk about this!
在英国的时候,教授时不时晚上约学生来College 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御夫手册 ,约上你的TA,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韦飞燕,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“数据分析很赚钱神童庄有恭,我就决定去做数据分析”,和人好好谈一下,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。
总结
帅气的作者
最后,上了这么多课,我自己也想有一点自己的总结。我想问问自己,到底什么才是好的网课?——容易让你进入心流,让你不能自拔。如果拆开来看,就是一个好的难度梯度。而我心中其实对“好的难度梯度”还是有一个清晰的定义的——我知道我下一步应该做什么铁血骠骑,我知道我将会面对怎样的难题,并且我知道通过怎样的具体的操作完成它,完成之后我能够清晰的知道完成这个难题/任务所能够给我带来怎样的价值凌科。——而面向项目的学习,能够提供给我这整条路线摘星怪是谁。
愿你付出甘之如饴,所得归与欢喜。
喜欢这篇文章庞小杰?别忘了分享到朋友圈哦!
快点扫我~
长按上面二维码,关注优达学城(Udacity)订阅号,回复关键字【学习资料】,获取来自硅谷的,包括【前端开发技能清单】、【大数据求职指南】、【机器学习求职指南】、【Tableau学习PDF】等一系列独家豪华学习资料,让你不落人后!
Udacity,来自硅谷的**课程,掌握深度学习、无人车开发、VR等核心黑科技。中文字幕、学习小组、直播答疑、一对一辅导,让你领先一大步!免费预览课程戳:阅读全文↓