[問題] 從0開始利用MOOC學DataSciense基礎科目?

[a5317264 (亞)]

小弟經濟系畢自學想要從軟體工程師開始
最好能與本科有點關係所以往DataScience方面發展
在edX上看到許多DS/ML的課程發現大部分要求很扎實的Prerequisite
包括基礎科目和程式語言
大學學的不夠用要全部重新看一遍了
可不可以幫我看一下這樣修有沒有問題

1.Java
(i) https://www.mooc.fi/en/
(ii) 資策會

2.離散數學
(i) MIT 6.042J
(ii) Introduction to Discrete Mathematics for Computer Science - Coursera

3.線性代數
(i) MIT 18.06SC

4.Python&計概
(i) MITx:6.00.1x & 6.00.2x - edX

5.機率與統計
(i) MIT 6.041 機率論
(ii) 6.431x 機率論 + 18.6501x 基礎統計學

6.演算法&資料結構
(i) Algorithms Part I & II Java - Princeton

7.其他
(i) Machine Learning - Andrew Ng
(ii) 14.310Fx + 6.86x

目前從123開始，之後再看456
老實說除了Java以外感覺都超硬的，不過也非常的充實
可以請大大給我一些意見嗎?(也有人說學這些可能一輩子都用不到)

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.251.238.10 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1589300396.A.7D4.html
→ ar851060: 為啥要Java....?
→ sxy67230: Java倒是不用，除非你有想做spring web或Hadoop 跟spark
→ sxy67230: 應用，不然學C/C++比較扎實。另外分散式系統跟資料庫相
→ sxy67230: 關的課在實務業界上可能比較有迫切需要。
→ pochen0: 請問有推薦的C/C++教材嗎? Matlab/python使用者想學C/C++
推 r51303: 非本科系的話學習的順序應該是7,4,5,2,3,6吧
→ r51303: 從123開始有點.... 2,3對非本科系來說真的很硬
→ r51303: 然後java對現在主流的資料科學幾乎沒啥用處
→ r51303: 語言銜接度又不是很高 其它同3樓s大推的內容
→ r51303: 7,4,5,6,2,3應該也行 ML領域線代跟離散對非本科系來說
→ r51303: 慢點學真的無所謂 當然有些人喜歡倒吃甘蔗 看個人喜好
→ r51303: 最好學的順序應該會是這樣
好的 我先看7,4,5
至於c++我再另外尋找教材吧！
java應該還是會學，因為找工作有迫切需要
推 chang1248w: http://www.stat.nthu.edu.tw/~swcheng/Teaching/
推 sxy67230: C++ How to program 或 C++ Primer都算不錯，都算入門
→ sxy67230: 書。我那個年代教授是用第一本，進階就Efficient C++、M
→ sxy67230: ore Efficient C++這兩本算是工程實作的Tips書籍可以買
→ sxy67230: 來收藏
推 st1009: 有個語言叫Python我覺得她很可愛
c++目前看https://www.udemy.com/course/beginning-c-plus-plus-programming/
https://www.learncpp.com/ <-這個網站看起來也不錯而且還有在更新
有空會看
→ Kazimir: 除非你有要拿那個mircomaster 否則14.310Fx可以說是在
→ Kazimir: 浪費時間 我根本就看不下去 6.86x第一run我的感想是很普
→ Kazimir: 通 假設是第一個ML課可以考慮
推 Kazimir: 還有就是雖然6.86是不難 不過python作業就沒那麼簡單惹
→ Kazimir: 我看討論區很多人做到痛不欲生 最好還是先學python再上
好的謝謝 基本上python的課會放在比較後面
因為cs50已經上過了計概了
Java跟c++才剛開始
怕又學python會有衝突
如果真的不適合我再找找別的課程吧
推 world4jason: DS用java比例不高吧 何苦
→ a5317264: 好吧 我會認真考慮直接python
推 st1009: 是說學Python後，C還是要學，java就算了...
推 jameschiou: 提供一個想法 先去Kaggle玩看看 過程中會有很多不懂的
→ jameschiou: 之後再補線代機率ML 會比較知道重點
→ jameschiou: 進階後覺得碰一些平行運算 會比較知道GPU怎麼運作XD
推 TuringNTU: python是必修
推 JK520nsk: 可是之後如果不想用C++刷題的話，不是只剩Java嗎
推 Morphee: 你這些我全都沒看 直接上班 三年後年薪就破200了
→ Morphee: 你是要上班 不是要考研究所
推 tttkkk: 你要學習的方向確實是軟體工程  但只有一部分是資料科學
→ tttkkk: 資料科學不等於軟體工程  路線要想清楚
→ a5317264: 我是看網路上那張地鐵圖 感覺這些基礎的東西很重要才考
→ a5317264: 慮看的
→ salmon12706: https://reurl.cc/Ob8rpR
推 goldflower: 普林斯頓那個演算法課不錯 然後比起andrew的ML我倒覺
→ goldflower: 得看田神的就好 但if 你沒看… don't worry about it
→ goldflower: 我樓上那個一看就知道出來就是調包俠 別鬧了
→ goldflower: 只會model.fit等於啥都不會
→ truehero: 經濟系想本科優先,就先學語言和工具包使用
推 aidansky0989: 我是SQL>Python語法>爬蟲>sklearn>tensorflow>linux
→ aidansky0989: /BI，數學證明看過，用到才翻
→ a27647535: 你先搞清楚要用來幹嘛
這禮拜唸了一些書覺得python應該是很有用的學習統計的工具
基本有方向專心唸python+機率統計
離散數學我看英文很多都叫Mathematics for Computer Science
所以感覺就是很重要的科目
如果我之後唸到哪些數學不足的地方再回去翻書補齊吧
※ 編輯: a5317264 (36.226.237.72 臺灣), 05/22/2020 14:46:38
→ Starcraft2: Java跟c++主要是可以學到一點OOP的概念  我也會把優先
→ Starcraft2: 順序排在python後  http://bit.ly/AIMLMath
→ Starcraft2: Stanford或MIT的課都不錯  https://cs231n.github.io/
→ Starcraft2: 記得跟著寫作業  再來就推薦台大李宏毅了
→ Starcraft2: http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.h
→ Starcraft2: tml  影片跟作業都找得到~  基礎要打好數學部分很重要
推 velaro: 資料結構可以看看uc Berkeley 的CS61B,網路上很多人推薦（
→ velaro: 上完可以直接刷題）對沒有Java 基礎的相對友好
推 velaro: python 的話我自己在上coursera 上rice 開的fundamentals
→ velaro:  of Computing,那門課從基礎開始到資料結構演算法跟大量
→ velaro: 資料simulations 都有包含