大多数时候，您实际上并不需要其他MOOC

别误会，我喜欢MOOC。它们非常适合尝试学习新的编程语言（例如Python，Scala）或框架（例如Spark，TensorFlow）或主题（例如统计信息，机器学习）。结构化的学习环境，出色的教学和练习（及解决方案）指导我们以最佳方式学习新概念。

但是大多数时候，我们并不是真的需要它。如果我们已经了解机器学习，那么采用全新的MOOC并不能有效地应用它。编写其他Python教程对编写更好的代码没有帮助。大多数MOOC遵循帕累托原理，并向学生教授达到80％成绩所需的20％。因此，经过第一或第二门课程后，我们的学习逐渐减少。 （另请参见苏珊关于收益递减的观点。）

\ [\ text {来自类似MOOC的收益递减} = 1 + \ frac {1} {2} + \ frac {1} {4} + \ frac {1} {8} + \ frac {1} {16} + \ cdots \ approx 2 \]有时，新的MOOC成为拖延或更糟糕的自我障碍的原因。当您听到自己或其他一些想法时，您就知道这种情况正在发生：

“直到完成这一MOOC专业化工作，我才能开始构建它。”

“我的简历没有被提取，因为我没有Spark＆amp; PyTorch。”

“我对深度学习的研究还不够，所以在面试中我做得不好。”

观看讲座视频不是学习，而是消极的消费。有时，我们相当于将MOOC或阅读技术性书籍的封面作为对材料的学习。但是，当我们尝试在工作中应用技术知识或技能时，我们经常挣扎多少次？孩子们不会通过操作视频学习骑自行车。同样，我们仅靠观看视频就无法学习如何编程或应用技术知识。

大多数好的MOOC或教程都会提供动手实践。但是，动手实践将落在幸福的道路上。我们可以复制粘贴代码，这样就可以使用。这是有道理的，因为有很多内容要讲，而且我们不想花时间进行调试，做准备工作或通过反复试验解决问题。学生将失去耐心，导致结业率下降。

踏上幸福之路，可以轻松完成MOOC之后的MOOC。但是，无论是在工作中还是在个人项目中，当我们尝试应用所学到的知识时，都会变得更加困难。这是因为我们现在走开了幸福的道路。这是一件好事！

走出快乐的道路是我们如何在课堂之外进一步学习。对于我们的数据科学和机器学习领域尤其如此，因为：

现实世界的数据杂乱无章，但是大多数MOOC或YouTube课程都是从干净的结构化数据开始的。

我们需要的大多数技能都是技术性的。因此，动手编码（阅读：调试）对于掌握它们至关重要。

实验是我们领域的基础。我们需要尝试不同的方法，失败，并从MOOC或在线教程中实际学到的东西之外学习。

“我听到了，我忘记了。我看到了，我记得了。我知道，我明白。” –孔子

通过执行现实世界的项目，脏数据，CUDA错误以及所有其他事情，我们走开了幸福的道路。通过项目，我们学习如何定义问题，错误地（正确地）应用算法，google错误消息以及进行迭代直到有效。我们练习机智，勇气和学习方法。这些是促使我们走向卓越的教训。

您只需要了解足够的知识就可以开始。其余的一路走来。在开发您的第一个Python程序之前，我们不需要了解Python生成器。在处理200万行数据之前，我们不需要了解Spark。在训练您的第一个机器学习模型之前，我们不需要了解TensorFlow。

刚开始，让挑战指导您满足下一个学习需求。这样，您可以立即应用所学知识。这样可以增强学习效果，提高保持力并提高满意度。与即时制造类似，只需了解在项目上取得进展所需的一切。技术技能很容易消失，如果我们不运用所学知识，它们就会衰败。

将YAGNI应用于学习。就像我们不需要添加功能一样，我们不需要做每本新的MOOC或阅读每本新的教科书。我们将不会使用或使用的所有信息和知识不知所措。

如何成为事物专家：1反复进行具体项目，并在深度上完成它们，“按需”学习（即不要自下而上地学习）2教/总结您用自己的语言学到的所有东西3仅作自我比较要年轻一点，永远不要别人

-Andrej Karpathy（@karpathy）2020年11月7日

明确地说，我并不是说我们应该停止探索和学习新事物。我是说我们应该倾向于更加专注。

在学习新领域，主题或技能时，请采用童趣般的探索性思维方式。不用担心我们所学的实用性。但是，如果我们的意图是精通，我们应该采取专注的思维方式，并通过动手项目，错误和反馈来学习。

当我建议做一个个人项目而不是另一个MOOC，Kaggle或继续教育时，我常常会受到挫折。以下是一些对话的进行方式：

“我的时间非常紧张，没有时间进行个人项目。 MOOC是自包含的，每周仅需要2-4个小时”

是的，MOOC花费大量时间投入，可以快速掌握主题。但是，一旦超过一定的知识和理解门槛，您将需要动手练习来进一步学习。 AFAIK，项目是实现此目标的最佳方法。

”我过去曾尝试做一个个人项目。但是我犯了很多错误，不得不去谷歌搜索很多东西，除非我做更多的MOOC，否则我不准备为它们做好准备。”

出现错误并搜索帮助是完全正常的！甚至创建那些MOOC的讲师也这样做。我们就是通过尝试，失败和克服来学习的。

这就是为什么您需要做一个个人项目。您遇到的困难是学习曲线，没有学习曲线就没有学习。

MOOC的感觉很容易，因为其教程和作业的结构遵循幸福的道路。但这意味着您有意避免自己在现实世界中会遇到的繁琐问题，这与个人项目不同。

也许。尽管如此，公司对教育资格的重视程度也有所降低，即使是技术职位也是如此。招聘人员和招聘经理也变得更加开放。最后，从招聘经理的角度来看，真正重要的是您是否可以完成工作，而不是证书。

招聘人员说，我将接受技术技能和知识测试。因此，我需要做更多的技术性MOOC。”

在某种程度上，MOOC和YouTube视频会有所帮助，特别是对于那些测试您的知识（阅读：记忆）或要求您知道窍门的问题（例如，leetcode类型的问题）。

但是，对于大多数采访而言，您可能会获得更多模糊的任务，例如设计数据管道，将机器学习API白板化或对基本的k最近邻或决策树进行编码。这些可以评估您设计和开发可维护系统，仔细考虑案例并根据反馈进行调整的能力。项目中的动手实践将对此类面试有所帮助

从您感兴趣的东西开始。如果您对它本质上不感兴趣，则可能会很难完成。

争取在12周的周末内（最好是6-8周）可以完成一些工作。再也不会显得很紧急了（您会失去动力）。

“我熟悉网页抓取/红宝石/ excel，我的个人项目能做到这一点吗？”

尽管如此，如果您正在做一个个人项目来学习，您可能会想故意选择一些新的和陌生的东西。或者，如果您正在做一个个人项目来构建您的投资组合（并找到一份工作），那么您将需要查看工作要求以确保能够满足他们的要求。

回顾一下您所涵盖的课程和材料。我敢肯定，您会发现一些有趣的东西，并且希望对其进行深入研究。

这也是对您是否对一门学科感兴趣的很好测试。如果您无法想到自己感兴趣的个人项目，那么您是否真的想将其用于职业？ （答案可能是肯定的，由于各种原因，例如薪酬，声望等）

不。我唯一的建议是开始一个个人项目，并了解完成该项目所需要的一切。

在2021年，您无需学习MOOC或观看其他YouTube机器学习播放列表，而可以边做边学。

学习编程语言？构建一个应用程序，任何应用程序。在线共享并获取反馈。迭代并添加新功能。学习一种新的机器学习技术？找到一些新颖的数据并将其应用。了解失败的地方，成功的地方以及如何适应不同的数据集。通过在线写作或聚会分享您的发现。

我认为我们应该减少MOOC：•大多数时候我们不需要它•观看MOOC视频不是学习•MOOC是拖延或更糟糕的自我障碍的原因，相反， 幸福的道路并采用即时学习👇https://t.co/w8qAd639HM -尤金（@eugeneyan）2021年1月26日 分享： 浏览相关标签：[]