Monkey_D_Law 评论了课程: Introduction to Computational Thinking and Data Science

2015-12-29 19:24

这门课是Introduction to Computer Science and Programming Using Python后续课。相比于上一门，作业依旧给力，但是这门课干活不多，课程内容安排有点散。
python部分主要讲了pylab，学好了这个，基本上就可以告别matlab了；后面主要讲了概率统计、图以及机器学习，然后用python实现，略简单，收获不大。

Monkey_D_Law 评论了课程: Scalable Machine Learning

2015-08-19 09:47

这门课作为Introduction to Big Data with Apache Spark的后一门课，惊喜感不大。有个week内容完全重复，后面讲解了一些机器学习的内容，讲的还不错。感觉这两门课完全可以合在一起。

当然了，亮点也不少，比如介绍了numpy，我平时用过不多趁这个机会好好研究了下。LR，Logistic LR，PCA都讲的不错，很系统。作业依旧挺难，设计的很赞。

上完这两门课，确实是很有收获，但是同时也感觉很虚，好像什么收获都没有。可能作业的时候，都专心去解决python小问题了，没有大局观。要把作业的代码完整的啃一遍，然后用到实际，应该会更好。

Monkey_D_Law 评论了课程: Introduction to Computer Science and Programming Using Python

2015-08-19 09:46

之前网易公开课有一样的课，edX开课后，我看评价还不错，所以选了一下。

基本上涵盖了python的基础知识，作业挺难的，上完后有点意犹未尽。期中期末选择题只能提交一次，所以想拿满分还得细心。部分题目真是惜字如金啊，看了几遍都不知道题目要我干嘛。

到现在一共上了三门python入门课，莱斯大学的，密歇根大学的以及这门。如果你想刷个水证，那你就去上密歇根大学的python课；如果想用python做些实际的东西，那你去试试莱斯大学的课；如果你想系统的学习python，推荐这门。

Monkey_D_Law 评论了课程: Java程序设计

2015-08-19 09:45

第一门完成的中文MOOC。

老师讲课带一点口音，竟然觉得还挺可爱的，所以风格虽然中式，但是听起来不枯燥。

课程内容还不错，老师准备的挺充分，虽然看过java入门书，但是上完这课后，感觉收获挺大的，老师总结的挺系统。

这门课最大的硬伤是测试和编程作业，感觉设计的粗糙。测验全是判断题，有点大学期末考试的感觉。编程题目太少，题目要求还很抽象，要求总是寥寥几句。以前是看大片的英文描述看得一知半解，现在是看简短的中文看得一知半解。后果就是，作业的开放性很大，需要自己花些心思去完成，但是感觉作业也不好测试，特别是打分的时候很麻烦。

个人觉得，这门课更像是你看完一本入门书后的总结课，帮你梳理下知识，找到重点。假如是java新手，最好配套本教材看看吧。

PS：第一次看到MOOC上有老师用windows而不是OS X还是觉得怪怪的

Monkey_D_Law 评论了课程: Introduction to Big Data with Apache Spark

2015-07-10 16:11

spark零基础的小白表示，课程很有意思，实例很多，不懂的地方可能要翻翻书。

作业.ipynb文件做的相当用心，图文并茂，还有代码实现，简直完爆市面上spark参考书。

视频量偏少，前两周视频相当给力，小白听的津津有味，后两周视频有点坑爹，多是介绍性知识，快进看完。作业挺难，但是很有收获，对python要求较高，特别是lab3的作业，比较考验python功底，后面几次作业就主要是查API了，最后几天，一天补齐一个lab，这酸爽。。。

PS：逛论坛的时候看到instructor说他们学校的学生，平均做作业的时间是2—4小时，当时觉得很羞愧。也说明，国外学生的训练强度确实大。

Monkey_D_Law 评论了课程: Maps and the Geospatial Revolution

2015-05-16 15:17

老师语速挺快的，还好视频量不大，课程还补充了很多文字讲义，内容和视频差不多，讲义可能能具体一点。
测试都蛮简单，认真过一遍，都能拿满分。最后的final project要花一点心思，发现国外的学生都做的很用心，也很专业。
最后吐槽下课程名字，感觉叫“基于地图的数据可视化”更能切合内容吧。

Monkey_D_Law 评论了课程: Programming for Everybody

2014-09-03 19:39

说实话，有点被课程简介忽悠了，当时以为是和数据处理相关的，加上有本配套教材，适合系统的学习python。。后来发现实在是太简单了。很基础很基础，基础到我觉得老师有点啰嗦了。讲function那章时，老师强调一个知识点N遍了，然后自己咕噜了一句：”I probably said that a few too many times。当时笑喷。
每周大概看视频完成作业一小时，看配套的教材一小时。很轻松。而且作业都非常简单，我记得最长的代码也就20来行。这里推荐下配套的教材，非常不错。。总而言之，你要是第一次接触编程，特别是从来没写过程序的，这门课还是蛮不错的。

Monkey_D_Law 评论了课程: Linux System Administration Essentials

2014-08-31 17:07

视频量太少，完全不像是网络公开课的样子，主要是阅读材料，还都是英文的。学到第三章的section2，看满屏的英文，实在看不下去了，就跑去做期末题，发现还蛮简单。个人觉得，上这课还不如好好把鸟哥的书看一下。起码语言上没障碍。

Monkey_D_Law 评论了课程: The Data Scientist’s Toolbox

2014-07-09 15:18

略水的一门课，持续时间虽然有四周，但是工作量明显一天能搞定。老师语速比较快，课也讲的一般般，感觉例子要么偏少，要么废话略多。

这课是Data Science Specialization的第一门课，希望后续课程能给力一点。

Monkey_D_Law 评论了课程: Introduction to Guitar

2014-06-28 16:05

如果说市面上一般的吉他书教你练招式，那这门课则是教你练内功，没有划弦击弦等招式，更多的从乐理上让你学习了解吉他，让你知道节拍器的重要性，给你讲和弦的由来。

所以这门课最适合那些接触过吉他，但是始终徘徊在扫弦阶段的同学，也推荐第一次接触吉他的朋友。

至于作业嘛，很简单，以前业余练过吉他的上这门课，每周最多花2小时就OK

比较遗憾的是，MOOC上没有后续课程了，桑感~

Monkey_D_Law 评论了课程: Machine Learning

2014-06-06 20:05

之前在网易公开课上看过Andrew Ng老师的机器学习，满黑板的公式推导让人看的一头雾水，这个coursera的机器学习课虽然也是Andrew Ng老师带的，但是省去了许多数学细节问题，非常适合入门，不过有微积分，线代，概率，matlab基础的话，就更好了

当然了，机器学习也没有那么简单，主要是老师讲的太好了，而且编程题都有pdf文件的指导，零基础的也可以很好的完成。

Monkey_D_Law 评论了课程: An Introduction to Interactive Programming in Python

2014-06-04 17:29

真的是非常好的一门编程入门课，一共四个老师，Joe Warren老师的语速比较快，感觉是个智商非常高的老师，也非常的幽默。Scott Rixner老师非常和蔼可亲，感觉也是出镜率最高的老师，John Greiner老师语速奇慢无比，还有个好像是华人老师，但是就出现过两次。

week0到week4的编程作业都蛮简单，从week5开始，作业难度开始变大了，但是模版和难点提示都有，所以只要认真看看编程作业的Mini-project development process，应该不是问题

StatLearning: Statistical Learning (Stanford Online) 3 个评论 关注

开始时间: 04/22/2022 持续时间: 未知

主页: https://class.stanford.edu/courses/HumanitiesScience/StatLearning/Winter2014/about

简介: This is an introductory-level course in supervised learning, with a focus on regression and classification methods. The syllabus includes: linear and polynomial regression, logistic regression and linear discriminant analysis; cross-validation and the bootstrap, model selection and regularization methods (ridge and lasso); nonlinear models, splines and generalized additive models; tree-based methods, random forests and boosting; support-vector machines. Some unsupervised learning methods are discussed: principal components and clustering (k-means and hierarchical).

Introduction to Recommender Systems (CourseraArchive) 3 个评论 关注

开始时间: 04/22/2022 持续时间: Unknown

主页: https://www.coursera.org/course/recsys

简介: This course introduces the concepts, applications, algorithms, programming, and design of recommender systems--software systems that recommend products or information, often based on extensive personalization. Learn how web merchants such as Amazon.com personalize product suggestions and how to apply the same techniques in your own systems!

Natural Language Processing (CourseraArchive) 3 个评论 关注

开始时间: 04/22/2022 持续时间: Unknown

主页: https://www.coursera.org/course/nlp

简介: In this class, you will learn fundamental algorithms and mathematical models for processing natural language, and how these can be used to solve practical problems.