• 早几个月的时候作为教练参加了Rails Girl活动。 可惜当时贪多求全,没有能很好地教会学员具体的东西。 我感觉仅仅教一天,而且中间还穿插各种演讲、展示,实际可以授课的时间太短了(当时大概是上午10点开始,到12点吃个饭,13点开始到15点半结束授课),根本教不了什么有深度的东西。 其实要让学员做个静态网站不难,不过我当时想的是教她们用Rails做动态网站,这就需要讲解MVC,HTTP,CRUD,还有一些Ruby基本操作,这些基础知识,也不是一两分钟就能讲清楚的东西,更别说在这么短的时间内学会并且立刻做出优秀的成品了。感觉这个需要短时间内展示成果的活动果然还是前端工程师比较占优势啊。

  • 这个名字很熟悉啊,好像我师弟常常去的一个机器学习读书会就是在你们那里办的?

  • 厉害啊,求github

  • 我下面那个github链接总结得更加全面,我看了也受益匪浅。

  • 下面这张脑图是最近在总结自己的Web开发学习经验时画的,还不太完善,不过脉络已经有了,希望能给楼主学习Rails提供一些启发。 即使最后不学Rails,只要你打算做Web开发,这些东西几乎都是会接触到的。

  • 為你自己學 Ruby on Rails at 2017年05月27日

    这个教程真是太棒了,完美地满足了我的需要。 想起半年前学习Rails是看Ruby on Rails 指南的,那个指南虽然详细,但并不怎么解释系统设计的原理。作为一个数学系的学生,在学习编程时我一直都很重视设计思想和应用背景这些东西,我认为只有理解了这些东西,才能把编程中各种琐碎的知识连接起来形成整体。学习Rails时,一直试图找各种资料来理解背景,但都没有合适的,虽然能直到看到这份教程。 真是非常感谢。

  • 量产型炮灰工程师 at 2017年05月22日

    个人意见,简历的背景不太好,蓝屏色真的让人很难受。还不如低调奢华黑屏白字呢……

  • 数据分析师与 R 语言 at 2017年04月27日

    R是天然地为统计而生的,这就不多说了。 python在数据分析上好用,最关键的还是因为numpy和pandas这两个包(pandas是基于numpy构建的),提供了非常丰富的数据操作方法,让人很容易实现数据的IO、切片、筛选、分组、聚合、透视等等常用功能。

    其实Ruby也有类似的包,叫Daru,不过bug多多,非常不好用。我常常是用着用着就出问题然后自己打Monkey Patch……

  • 目前来说,数据可视化也不过就是学习使用几个绘图包/插件,使用起来非常简单,技术含量还不如前端。 要说数据聚合+可视化,那就需要对业务有一定的了解,其实也没多少技术含量,反而是对业务的理解要求比前端深得多。 (我就是做这个的,因为业务需要,被迫学习了一系列金融相关知识和模型。)

    真正高门槛的是机器学习算法工程师,数学主要是线性代数,其实要求也不是很高,用到的时候再补就行了。 先买本周志华的《机器学习》来看看,能看得下这本书,再考虑入门。

  • 我在公司里负责的主要工作就是处理数据,这种问题我有经验。

    数据可视化一般用Echart就够了。

    数据聚合,推荐使用Daru这个Gem,它类似于python里的pandas,提供了Daru::Vector和Daru::DataFrame两个经典的类用来处理数据。缺点是经常出BUG,遇到了只能自己看源码然后使用"打开类"的技术来修复(或者在Github上反馈)。

    推荐去看《利用Python进行数据分析》第九章,虽然写的是Python的pandas包的操作,但数据处理的思想是通用的,就是把所有相关数据都汇总到一个DataFrame里,每行是一个观测(在这个项目里就是人的所有数据),每列是一个变量(比如成绩,是否参加了考试等等),然后进行聚合操作。这些成绩统计项目都属于数据聚合的范畴。