給國企系學弟妹的Python初階自學手冊

緣起

今年疫情期間受到國企系系學會的邀請跨海擔任為期一年的第五屆「IB Day」電商／資料分析組的導師，和之前的同學一起組隊，將透過十四堂課程規劃，帶著12位學弟妹探索在電商、商業分析、使用者研究的職涯。雖然有霸饅頭擔任過導師的經驗，但一次要帶這麼多人，而且背景跟我一樣是國企系出身，且程式語言技巧也沒有受過專業培訓的小朋友們，我自己也不是說Python 多強，也沒有太多的時間可以逐步訓練他們Python的硬實力，因此在第一堂課程裡，我就開宗明義和學弟妹們說，他們必須在一定的時間內自學Python到一定的水平。我也提供了一些網路課程讓他們可以盡快上手。

這篇文章就會簡單的分享一下在這幾個資源裡面，學弟妹怎麼樣可以用將近兩個月的時間，挑選不同資源裡面對的區塊，在最短的時間裡面，對於Python這個語言有一個衝刺期的了解。

當然，這種短期衝刺和相對補習班式的學習方式不是適用於每一個人，這篇文章也是以我自己過往學習的歷程，專門整理給這十二個學弟妹看的，因為我們只有十四堂課的時間(基本上由我授課的時數大概一半左右)，我必須透過分享這些自學資源鼓勵他們把這基本的分析工具掌握，好讓我有更多的時間可以分享資料分析、電商平台分析架構的課程，如果你是想要更完整、有邏輯的自學，這篇文章應該不會是適合你閱讀的，就可以點擊上頁離開啦！

Photo by Hitesh Choudhary on Unsplash

資源

這個Crush Course List包含了兩個網路課程、兩本書；會以網路課程為主、書籍為輔，跟著以下的課程進度走，相信可以在一至兩個月內對於Python這個語言在資料分析領域中的應用有基礎的理解，而且可以培養一些實際編程的經驗，書則是我在讀研究所時，我們老師的指定讀物，對於一些時候卡關，想要比較有完整介紹時，一本工具書在手，會是一個很好的援引。

網路資源

1. Udemy: Complete Python Developer in 2021: Zero to Mastery (簡稱UD)

Complete Python Developer in 2021: Zero to Mastery

2. Data Camp Career Trek: Data Scientist with Python (簡稱DA)

Learn R, Python & Data Science Online

書籍

1. Starting Out with Python

2. Python for Data Analysis

進度規劃

接下來就會以條列式的方式，標註這兩堂網路課程應該怎麼看和哪些章節可以看、哪些章節可以先略過。

第一周

1. (UD) Introduction (8min)
2. (UD) Python Introduction (43min)
3. (UD) Developer Environment (1hr 7min)
4. (UD) Python Basics (3hr 36min)
5. (DA) Introduction to Python (3hr)

第二周

1. (UD) Python Basics II (3hr 27min)
2. (UD) Advanced Python: Functional Programming (1hr 10min)
3. (UD) Modules in Python (1hr 51min)
4. (UD) File I/O (35min)

第三周

1. (UD) Machine Learning + Data Science (2hr 2min)
2. (DA) Intermediate Python (3hr)
3. (DA) Data Manipulation with Pandas (3hr)
4. (DA) Join Data with Pandas (3hr)

第四周

1. (DA) Python Data Science Toolbox Part 1 (3hr)
2. (DA) Python Data Science Toolbox Part 2 (4hr)
3. (DA) Introduction to Importing Data in Python (3hr)

第五周

1. (DA) Cleaning Data in Python (4hr)
2. (DA) Writing Function in Python (4hr)
3. (DA) Introduction to Data Visualization with Matplotlib (4hr)

第六周

1. (DA) Exploratory Data Analysis in Python (4hr)
2. (DA) Statistical Thinking in Python (Part 1) (4hr)
3. (DA) Statistical Thinking in Python (Part 2) (4hr)

第七周

1. (DA) Supervised Learning with scikit-learn (4hr)
2. (DA) Unsupervised Learning in Python (4hr)
3. (DA) Case study: School Budgeting with ML in Python (4hr)

第八周

1. (DA) Cluster Analysis in Python (4hr)

小結

以上大概是我以比較密集的方式排列的進度，學弟妹可以自己斟酌時間與進度，但相信大概走完2/3的課程，應該對於接下來IB Day的最後專案，以此累積的Python實力應該是綽綽有餘的！之後我也會隨時跟學弟妹更新進度，並且了解這個時程是否是合理。畢竟是第一次帶這樣的mentorship program，或許太樂觀了點，但相信國企系的學弟妹都選了我這個組別，應該就是希望能學到一些東西，而把自學的能力培養起來，對於未來商業分析的路途絕對是利多於弊的！