如果您还不熟悉大规模开放在线课程（MOOC），这里简要介绍一下正在重塑现代教育的学习思想。 MOOC是相关的，灵活的并且特定于常见的主题。 更准确地说，它们是在线课程，对所有想要报名的人开放。 注意，这并不一定意味着免费。 稍后再讨论。 他们通常由各自领域的顶尖教授或从业人员教授。 高质量的教育内容已在大学之外提供的事实是这些内容如此庞大的最大原因之一 流行。
优点
首先，为什么程序员，数据科学家，经理，老师或其他人应该花时间来正式完成这些工作？ 换句话说，完成它们的专业或市场价值是什么？ 最明显的是持续学习和学习主题，特别是对于那些离开学术界一段时间的人而言。 但是在现代社会中有很多学习特定主题的方法，这些方法完全可以是点菜 。 举一个简单的例子，某人想要学习一种新的编程语言，也许是R。他们可以简单地拿起书，观看YouTube视频，阅读GitHub存储库或其他多种方法来开始成为统计专家。您可以得出这样的结论：由于该课程的内容是由顶尖大学专业制作的，因此该课程的主要好处是可以从世界上一些最好的学术资源中学习。 虽然在线课程的内容是结构化的，通常是高质量的内容，但仅凭内容不能成为其成功的原因。
- 是什么阻碍了您技能的提高
- 如何像专业人士一样使用Slack
- 辛西娅·塔克·海恩斯（Cynthia Tucker Haynes）：美国现在比以往任何时候都需要TFA的才华横溢的年轻教师
- 我使用HelloTalk的心得｜与母语者的第一次接触
- 关于我！ – Nick Taub –中
我相信完成MOOC证书的真正价值有两个方面。 它设定了一个具体目标，目标是进入门槛低，并且发送有关个人教育态度的信息。 任何领域的真正专业人士都将表现出对持续学习的承诺。 无论个人是刚刚起步还是拥有30年经验，都是如此。 他们将使用多种资源来填补已经通过多种方式过时或过时的学习空白。 但是，事实是，仍然存在时间上的投入和结构，这有助于完成课程或系列课程。
洞穴
我应该“审核”课程还是获得证书？ 许多在线学习网站都允许您免费选修一门课程，作为对课程资料的审核。 在许多情况下，这可能是更可取的，特别是如果您想尝试一下或预览内容几周的话。 但是，如果您希望对工作进行评分，则通常需要注册并付款。 如果您通过此付费计划，大多数站点也会为您提供结业证书。 请注意，经常（但并非总是）获得证书意味着付款。 累积一堆证书可能会或可能不会帮助您实现职业目标，但是我发现它确实以一种非常重要的方式（动机）有所帮助。 通过支付并设定完成目标，您会获得额外的动力来花费专用时间并实际完成。
那么，这些在线课程证书课程是否注定要在编码新兵训练营和针对特定行业的大学课程中脱颖而出 ，成为美国事实上的新型中学教育模式？ 我认为至少在短期内不太可能。 但是，不可否认的是，它们作为与当今快速变化的员工队伍和不断变化的技术环境保持一致的工具的重要性。
我的完整证书和我最喜欢的课程
我过去参加过几门课程，涉及数学，商业主题，教育，计算机科学，数据科学甚至销售等各个主题。 他们中的许多人被当作对我在大学里学到的东西的复习，其他人则是在学习新的东西。 我之所以对其中的几个人投入较少，仅仅是因为我不打算从一开始就学习全部课程。 我上过EdX，Khan和Udacty的课程，但我最喜欢的格式是Coursera。 在线演示的结构最适合我。 因此，我完成的许多证书都是通过Coursera获得的。
到目前为止，我最喜欢的是安德鲁·伍（Andrew Ng）教授的几次机器学习课程。 斯坦福大学经典的机器学习课程和最新的深度学习专业系列课程为基础介绍核心概念提供了良好的基础。 有关专业化系列的详细信息，请参见此处。 我对它们的喜欢是对机器学习基础的平易近人的概述。 吴教授以简洁而相关的方式出色地解释了这些概念。 它绝不是一项全面的研究，而是为您提供了在该领域寻求进一步学习的足够资源。
深度学习课程还提供了一些使用现代机器学习技术的良好练习，这些技巧可以指导您编写自己的实验模型。 您将学习参数初始化，正向传播，反向传播和学习率评估的核心概念。 您将通过小批量，动量和亚当方法探索从基本梯度下降开始的优化模型。 您将研究真实的数据集并训练自己的图像分类系统。 即使需要提高准确率，在较短的时间内拥有自己的工作模型也很棒。 这是学习所需模型的有效方法。
我认为在持续学习中保持一定的热情非常重要。 自学在线课程可能是实现此目的的好方法。 它们不适合所有人，但适合那些喜欢自我学习的人，它们为培养您的专业技能提供了行之有效的格式。
