我是冰比冰水冰：
**
**
由于平日工作比较忙，利用碎片化时间，断断续续，学完了猴子Python训练营。
那接下来，我会按照《学习新技能，就在关键的前20小时》中的四个原则，来复盘本次Python训练营课程的学习，这里面的得失经验，希望能对正在学习的小伙伴有所帮助。
1.感受
整套训练营体验下来，给我的感受就是，训练营课程做得非常通俗易懂，从数据分析的知识体系里，把很多核心的知识抽离了出来。让我可以完成一份能够作为项目经验的分析报告，是没有问题的。
就像课程中提过的TED《学习新技能，就在关键的前20小时》中讲的一样，有限的时间内，虽然成为一个尤克里里的演奏家可能性不大，但是支持完成一场演奏表演是没问题的。
同样在每个章节中，课程也提供了进阶学习的方向。如果没有学习过课程里的基础Python知识和统计知识，我感觉自己去阅读统计学相关的书籍会很艰难。
在学习完课程后，我再去看之前看不懂的书，会发现基础的部分其实猴子老师已经用通俗易懂的方式，让我们掌握了。
有了一定基础后再去做进阶学习，整个的学习难度曲线会平缓不少。
2.首要的技能优先练习
通览整个训练营课程的安排，一句话总结就是：如何使用Python进行数据分析。
第一章课程主要是教我们安装Python数据分析的环境，相当于是准备阶段。
在这个阶段的学习中，比较有难度的是Anaconda的安装，要注意版本。我自己体验下来，如果安装出问题，卸载的时候会比较复杂，容易出现删不干净文件的情况。
如果真遇到了这样的情况，在训练营社群里提问就可以了，反正有1v1答疑服务，老师会快速帮助你解决问题。
Jupyter Notebook这个分析工具使用起来其实还挺方便的，但是可能会有一些常见的小问题，这个猴子老师在常见问题里有总结，大家参考解决就好。
第二章课程主要教了Python的基本语法。猴子总结了快速学会Python的四个关键点：数据、条件判断、循环、函数。
这部分的知识建议多练习。整门课程中Python是数据分析的工具，这个工具用得好不好，熟不熟，决定着后面的几章课程里，自己能不能独立写项目。
第三章课程教了两个数据分析必须掌握的包：Numpy和Pandas。实际上感觉，从这章开始，才进入到数据分析的领域。
我觉得这章在学习新的包的同时，也是对第二章Python基础语法的融会贯通。
在我自己学习的时候，由于第二章过渡很快，在练习上不太够，所以到了第三章学习时，想要活学活用就比较有难度。
第四章课程主要是相关分析，并且完成一个泰坦尼克号的数据分析项目。
相关分析是一个在实际工作中非常有用的分析方法，我自己在做运营工作时，有很多场景需要进行相关分析，比如某个运营动作对转化率的影响。
所以掌握好这个分析方法，对大家日常工作会非常有帮助。同时，泰坦尼克号项目也让我们在机器学习上有了一点点涉猎。
在项目经验里，这种算是加分项了。这里分享一个亲身经历，我在做运营时，公司的数据分析师做了一个高意向用户的算法推荐，后面来找我进行沟通优化。
由于当时我刚学完了相关性分析，虽然对具体算法还不熟悉，但是大致上的分类原理我是理解了的。在这部分工作时，我站在业务角度上，给数据分析师提出了有建设性的意见。
第五章课程Python可视化回归分析，这部分重点掌握可视化包Matplotlib。
如果追求效率的话，Markdown语法也要好好掌握。通过Jupyter Notebook可以写出一份很不错的数据分析报告。
当然在实际体验的时候，还建议大家简单记一下Jupyter Notebook的快捷键，比如命令模式ESC，单元转入markdown状态M，运行代码并新建单元Alt+Enter。在编写数据分析报告的时候，需要在code和markdown状态切换，如果用鼠标的话，还是有些麻烦。
第六章的推论统计分析和第七章的假设检验可以看成进阶关系。
第六章更多的是统计学的推论统计分析知识，包括各种概率分布、置信区间、A/B测试等。重点掌握对于Python的实现方法就好。
第七章是把统计学知识用来做数据分析的A/B测试应用，同样需要理论基础扎实后，方便联系实际。
另外A/B测试也算实际业务场景中非常有用的测试方法。在很多时候，运营也会做ABtest，但是他们对于效果显著与否，只会简单比较，缺乏数据分析思维。
所以能定性、定量对ABtest做分析，这个非常重要，建议大家重点掌握。
3.掌握足够多的知识，自我矫正
在整个课程的学习过程中，猴子老师除了课程外也额外推荐了书籍给我们，建议大家不要只学课程，书籍也要看，甚至有可能的话，去搜索别人的知识，做主题学习。
我会把这个过程比喻成盖房子。课程只是房子的框架，具体的房子好不好看，还要看你拿什么去填充框架。有些课程中遇到的问题，也需要我们自己去用好搜索引擎，去找到别人的解决方法，来帮助自己顺利完成学习。
4.清除学习中的阻碍
这部分我做得不好，整个课程的学习周期拖得太长了，因为工作比较忙吧（借口），学习整套课程是拿起又放下，没能清除阻碍，克服拖延。
这样的后果是，学完一章后，放一段时间再学下一章，结果前面的知识没有完全内化成自己的技能。
每次学习时，要回过头去重新看一下前面的课程。比如Markdown这个语法，由于学习间隔太久，最近在写报告时，就反过头要去看一下以前的笔记。
前面我讲了，整套课程中，有几个章节的联系非常紧密，如果不能一鼓作气完成学习的话，学习新知识会产生很大的脱节。一方面降低了学习的效率，另一方面在实际应用上，可能会卡壳。
那对我学习拖延这件事，我也做了一下复盘，究其原因我觉得有3方面：
1）由于学习过程中，找到了新的运营工作，所以对于转行这件事，没有了紧迫性
2）在最初制定学习计划的时候，没有花精力认真制定，计划比较粗糙，导致在后面的执行过程中就比较随便，没能做到持之以恒。所以希望大家在学习的时候，对自己制定的学习计划认真制定，尽可能地细致，然后合理安排时间，日拱一卒
3）因为是零基础学习，在学习过程中难度还是有的。但是在完成阶段性的学习后，自己得到的正向反馈不足，后面坚持起来比较难。
这里建议大家，如果有条件的话，给自己设定一些正向反馈奖励，可以是完成阶段目标后犒劳一下自己，也可以是把自己学会的知识分享出去，获取别人对你的赞扬、钦佩。
比如我通过数据分析的方法，帮助在什么值得买写文章的朋友，分析出来近期热门文章类型，让他写出了高热度文章，收获了朋友的崇拜。这对于我坚持继续学习有很大的帮助。
5.至少练习20个小时
课程的学习其实不难，猴子老师把很多知识都做成了套路，大家只要记住套路，掌握方法，就能快速学会Python，进行数据分析。
但是如果是想要用数据分析的思路、方法去解决实际的问题，那就需要做一定的练习，可以重点回顾猴子老师的初级训练营课程。
一方面让自己熟练整个分析过程，提高分析效率，另一方面要多做思考，主动地去找项目做。
比如我上面写的分析文章平台的热度，如果是刚学完的时候，这个分析可能要写几个小时，但是当熟悉后，半小时就可以完成可视化。
自己的练习，也不一定非要选择大项目，很多实际问题的小项目，都可以成为练手的对象。
比如我为了玩游戏，还专门分析过王者荣耀哪些铭文的使用频率高，如何用有限的资源，得到比较好的游戏体验。
以上就是我在整个学习中的一些经验分享，希望能对正在学习的你有所帮助。
** **
上面内容来自“猴子数据分析”学员分享的学习经验，来源：⠀
zhuanlan.zhihu.com/p/409337905
