课程
基于背景，主要选择 Coursera 和 Udacity 作为知识输入，Edx 还没接触。
Coursera
- Stanford Machine Learning | Coursera 用时一星期
这是我机器学习入门课程，从这门网课学到了很多的基本概念，算法。 - UW Machine Learning | Coursera 一个Week用时一天 9:00-24:00（复习巩固时间另算）
过笔试，面试要求之一，ML算法推导。
这是我目前在上的网课进度：3/4，原本这门课有6部分，Capstone演示很精彩，不知道什么原因裁成了4部分，这门课会教你怎么用一个模型，以及怎么搭建这个模型，包括推导。 - Stanford CS229
过笔试，面试要求之一，ML算法推导。
目前在上的课程。由于精力有限，进度很慢。 - Stanford Algorithms | Coursera 一个Week用时一天 9:00-24:00（复习巩固时间另算）
过笔试要求之一，CS算法。
前三门我上完了，挺费心的，很多编程作业都需要再优化一下，学完这个算是算法入门了吧，2018秋招笔试题大部分都会有思路，规定时间内做不出来是因为熟练度的问题 - Data Mining | Coursera 一个Week用时一天 9:00-24:00（复习巩固时间另算）
职位方向之一，数据挖掘。
我只上完了前两门课，原因有二：时间原因，编程作业有问题（环境配置问题）。
第一门课对于想找数据分析工作的帮助会很大，这里不详说。
第二门会讲基本概念以及应用，可惜编程的环境配置有问题。如果要从事数据挖掘就继续学下去。 - Deep Learning | Coursera 一个Week用时半天
职位方向之一，DL。
我目前在上的课程，讲的很基础，有些是对Stanford Machine Learning | Coursera的拓展延伸 - CS231n
职位方向之一，DL。
目前在上的课程。由于精力有限，进度很慢。只是把CNN那一部分看完了。 - Fundamentals of Computing | Coursera
职位要求：精通python。
下周开课，查缺补漏，向精通python努力 - 程序设计与算法 | Coursera
职位要求：精通C/C++。
下周开课，向熟练C/C++努力
Udacity
- Machine Learning Engineer Nanodegree | Udacity 用时1个月，目前Capstone
简历项目经历撰写。
主要偏应用，实践。
包括监督学习，非监督学习，强化学习，深度学习。
项目不难，但是课程量很大，知识点很多。 - Deep Learning
职位方向之一，DL。
对初学者不太友好，没有 MLND 中的DL讲的细致。 - How to Use Git and GitHub 完成
技能要求之一，Git and Github。
讲的很全，由于我一直独立编程，所以我大部分都没有用到。 - Intro to Computer Science 完成
职位要求：精通python。
学完这门课应该算是了解python，时间紧的朋友建议放弃这门课。
这门课课程量很大，通过python讲CS，进而引入爬虫。
学完这门课，我改写了一个小程序专门爬Udacity课程目录，从而方便写我的博客。 - Programming Foundations with Python 完成，用时1-2天
职位要求：精通python。
学完这门课应该算是入门python。强烈推荐
函数，用类，写类。