Чему я научился за сотни часов онлайн-обучения

Когда мы говорим об онлайн-курсах, первое, о чем мы думаем, — почему я должен платить? Это контент в Интернете, он должен быть бесплатным! А если бы это было не так, наверняка была бы его плагиатная версия. И обычно вы можете найти это, но в этом и заключается проблема.

Позвольте мне взять пример и попытаться объяснить это, например, ваш мобильный телефон. Вы знаете, что есть дешевые телефоны Android, и вам не нужно каждый раз покупать Google Pixel или Samsung S10, более дешевые тоже справляются со своей задачей, не так хорошо, но в большинстве случаев они выполняют основные функции. Тогда зачем платить больше за незначительную разницу во внешнем виде? Небольшая разница во внешнем виде — это то, что делает ваши фотографии отличными или средними. То же самое можно сказать и об онлайн-курсах. Те, у которых есть ведущие инструкторы и практики, могут помочь вам лучше сосредоточиться на своих навыках, использовать свои способности к обучению, чтобы делать надежные и хорошо спланированные шаги, которые помогут вам быстрее достичь своих целей.

Разницу, я думаю, можно разделить на три широкие категории:

Мышление

Мышление большинства новичков в науке о данных заключается в том, что им нужен быстрый курс, чтобы начать работу, и что они могут постепенно приобретать продвинутые навыки один за другим. Цель состоит в том, чтобы быстро изучить основы, а затем усердно трудиться над продвинутыми концепциями позже.
Этот способ обучения не является правильным, особенно когда вы говорите о чем-то столь сложном и разнообразном, как наука о данных. Основные понятия математики очень важны, и когда мы становимся Data Scientist на 20-дневных курсах YouTube, мы их просматриваем.
Когда мы проводим курс от ведущих институтов, таких как, скажем, Google Cloud на Coursera, Стэнфорд на Coursera или Гарвард на EdX, очень важны структура и огромное внимание, которое они уделяют основам. Прежде чем вы перейдете к темам машинного обучения, они развивают и укрепляют ваши навыки в области вероятностей, исчисления и статистики. Кривая обучения намного более линейна, и вы переходите к следующим темам после овладения предыдущими навыками. Что позже поможет вам лучше понять сложные темы!

Стоимость против. Инвестиции

Мышление большинства энтузиастов науки о данных — будь то студенты, начинающие профессионалы или просто любопытные разработчики — заключается в том, что тратить деньги на изучение нового навыка — это просто затраты, которых следует избегать. В конце концов, люди обычно приобретают навыки и зарабатывают деньги, а не тратят их на обучение, верно?
Мы забываем, что расходы на улучшение своих способностей — это не затраты, а инвестиции в себя! И инвестиции отличаются, потому что вы используете эти деньги на что-то, чтобы получить больше, будь то обучение или деньги.
На сегодняшний день я прошел курсы по статистике, исчислению, данным Наука, большие данные, машинное обучение, облачные технологии и многие другие темы от различных ведущих институтов! 80 % курсов, в которые я инвестировал за последние несколько лет, принесли положительную отдачу от моих инвестиций, остальные 20 % были в некотором роде нейтральными.
Теперь, когда пришло время узнать что-то новое для моего обучения или карьеры, и я наткнулся на курс инструктора или учителя, которому я доверяю и знаю, что он будет полезным, я без колебаний инвестирую в него. Потому что я лучше изучу систематический способ, который поможет мне усвоить концепции, чем спотыкаться в темноте, пытаясь найти правильный путь самостоятельно.

Другое дело Ответственность

Теперь это спорная вещь, но для меня, если я вложил 100 долларов в курс, я знаю, что обязательно заработаю каждый пенни и научусь на нем как можно большему. Но что, если я мотивирован, но у меня есть курс YouTube, состоящий из 20 видеороликов по 3 часа, ну, Netflix для меня на расстоянии одного клика. Многим людям не хватает дисциплины, а не мотивации, поэтому, когда вы вкладываете деньги в обучение навыку, у вас есть дополнительный стимул вернуть эти деньги себе.

Но все ли онлайн-курсы хороши? Нет!
Я также видел много курсов с переменными кривыми обучения, в которых вы тратите слишком много времени на тему, а затем теряете интерес, я бы посоветовал вам всегда создавать программу для себя и выбирать и выберите некоторые темы, которые, как вы знаете, вы должны изучить подробно, а некоторые вы можете просмотреть.

Надеюсь, это поможет вам начать свое обучение в новом году!
Ура!

Другие статьи, которые могут быть интересны:
— Часть этой серии:

Начало работы с Apache Spark — I | Сэм | компьютерная культура | январь 2022 г. | Medium
Начало работы с Apache Spark II | Сэм | компьютерная культура | январь 2022 г. | Medium
«Начало работы с Apache Spark III | Сэм | компьютерная культура | январь 2022 г. | Середина"

Разное: Пингвины Streamlit и Palmer. Нетипичное пьянство на прошлой неделе на Netflix… | Сэм | компьютерная культура | Medium
- «Начало работы со Streamlit. Используйте Streamlit, чтобы объяснить свой EDA и… | Сэм | компьютерная культура | Середина"

Ура и следите за большим количеством такого контента! :)

Теперь вы тоже можете угостить меня кофе, если вам понравился контент!
samunderscore12 создает контент по науке о данных! (buymeacoffee.com)