2

52nlp 2013-11-09 19:26 2 票支持; 0 票反对

轮次：
Udacity的课程是自主节奏的，随用随上，可快可慢，做完所有的测验达到一定的分数比例就可以拿证书，比较自由，没有Coursera或者edX上课程轮次或者小学期的概念。

背景：
虽然本科是数学系的，但是当年概率和统计学得有点迷糊，以应付考试为主。读研和工作后虽然时不时的用到一些知识点，也以临时报佛教为主，虽知统计学很重要，但是没有整体的统计学感觉。趁着MOOC这股热潮，先后回顾和学习了Udacity的统计学入门课程ST101：Introduction to Statistics和可汗学院的可汗老师概率和统计学课程：Probability and Statistics，两门课程都属于预热型的入门课程。

内容：
这门课程出自San Jose State University（圣何塞州立大学），课程貌似还提供学校认可的证书学习方式（付费），虽然Udacity主页上列着三位主讲老师，但是真正主讲的是最后一位美女老师Katie Kormanik，课程讲得非常不错。课程主要分为6大模块，16节课程，包括统计学方法介绍，频率分布，数据可视化，正态分布，中心极限定理，统计推断，假设检验，t-检验，相关，回归和卡方检验等，基本覆盖了统计学的主要内容。

作业：
Udaicty的课程以短视频为主，这门课程也以短视频为主，多在一分钟左右，超过分钟以上的视频都不多，并且80%左右的视频都配有相应的视频练习，同时每节课程之后安排有一节作业多个练习来回顾之前学习的内容，同时还有期中和期末考试练习，练习的量也很大。很喜欢Udacity这种短视频+大量练习驱动的学习形式，对于学习的知识点很容易通过练习和作业来强化认知，我认为这才是MOOC的未来。

这门课程的作业主要是通过Google Doc上的Excel和Python完成的，前者是老师教授的方法，并且很多作业的数据她都放在了google doc上，所以用着用着也就习惯了。以前不太喜欢用Excel，这一次真正感受到Excel还是很有用的；后者是自己用来做一些作业时用的，有时候比较偷懒，就写一个python小函数来算答案。

社区：
有时候一些没有看得太明白的问题或者做错了的题会去看一下相应的问答，问答社区里的回答很不错，帮我解惑了很多疑惑的地方。

感受：
学习完这门统计学课程之后感觉自己对统计真正有些感觉了，以前在工作中用到假设检验，卡方测试以及P值的时候，都很糊涂，现在清楚很多，并且学会了通过查t分布表，F分布表，卡方分布表来解决实际问题，同时也学会了用老师提供的一个网站http://www.graphpad.com/来在线计算P值等统计数据，感觉很实用。接下来，我还会继续找一些更深入的统计学课程来学习，感觉统计学也越来越有意思了。

0

大猫爪和小猫爪 2013-07-31 06:21 0 票支持; 0 票反对

总的来说还不错哦，理清了很多本科的时候忘记的内容。学完这个，可以再去读一本统计的入门书籍。