PM会武术，工程师都拦不住 （1个月内学完Full-Stack 和 吴恩达的AI课程的一点微小的经验）

作为一个互联网工作者，我虽然不是真材实料的工程师，但也是离工程师最近的工种了，最近刚好有时间，所以大概花了一个月左右的时间，拿到了Udacity Full Stak 的degree 和 吴恩达目前所有的AI课程

觉得过程挺有趣，对一些同学应该也有借鉴意义，于是来写写一下心得体会：

一、先回答一个问题：

都说产品/运营不一定要懂技术，你怎么看。

这是要一直存在的一种看法，就是，「产品经理不用了解技术细节」，于是网上才有了这个段子：

我自己不是技术科班出生，所以这种观点天然对我有吸引力。但是随着工作的深入，我的观点发生了一些变化和反复。目前我对这一系列问题的基本看法如下：

1、产品和运营不需要是技术专家。

2、产品和运营需要知道技术的可能性，和边界。只有这样，才能提出切实又切中要害的功能点。了解技术的边界，并不是多看看虎嗅，36Kr就能知道的。最近AI大行其道，在一些产品看来，似乎变成了万金油，做产品规划时，随便臆想，但是不了解代价和收益，就无法做出合理的计划。

3、技术问题有时候比狭义的产品问题更基础。比如你的应用或者网站，访问慢，又老挂掉，这时候，产品使再大的劲儿也无济于事。最近发现很典型的是Airbnb，他们的网站在我家的网络访问下，永远慢的出奇。所以如果你是一个广义的产品或者产品运营，就应该了解哪些问题更基础更重要，在做规划时候，应该留出空间，让大家解决这类型的问题，而不是一味的加功能，做活动。

我反对技术人员告诫产品「你不用了解技术」，某种意义上，这是对自己安全领域的戒备，另一方面，也并不利于未来产品和技术双方的更融洽的沟通。

所以跟我说这个的同学，我内心都会报以一个礼貌而不失尴尬的微笑：

二、再来说说这段旅程的切实收获

1、当然是获得了两个degree，倒没有什么实际的好处，但是从自信心上，有被暗示，自己已经qualify了。这对我这种一直比较紧张的人，是不错的鼓励。

2、更深刻的理解了技术人员的痛苦，以及理解了「好技术」的价值。在这之前，总在神秘化技术和简单化技术两个极端内游走，并且无法体会，好工程师的真正价值。

3、能够真的动手做一些小工具，提高工作效率。比如我之前写每日商品精选的时候，排版和抓图/信息，就是自己写的python脚本完成的，之前自己排版很痛苦，要2个小时，现在基本上2分钟搞定，自己只用找到url就好。

三、这次旅程的路径。

在开始前，并没有严格的规划。但在中后期，我开始对自己要学什么，有一些思考过的规划。 尽量完整全面的让我对自己工作中遇到的各个技术工作，有个细致的了解。

Udacity （计算机导论） —— Udacity（Python 入门） —— Udacity（Full Stack Degree） —— Cousera 吴恩达AI系列课程。

分别来说：

Udacity 的计算机导论，非常好，满分推荐。整个课程下来，有对计算机历史的回顾（比我们中小学课本里讲的有意思多了），涉及到历史上很多重大机器的发明，其中还包括图灵的密码机。整门课程是用python讲解，最后用python把搜索引擎和一点点基础的排序索引算法很浅显的在讲讲课，做做题中完成了。

Udacity Python入门，一般好。主要是Python的一些基本语法介绍，其中会让你用Python做一个小没有样式的网站，但是我最喜欢的还是用Turtle工具画画，反复训练了各种循环。

Udacity 的 Full Stack， 一般好。付费，大概是900一个月吧。课程内容比较老，但是胜在全面，让你对前后端服务器有比较基础的认识，每一课都有一个作业，从HTML,CSS，到数据库，JS。大作业是让你用Flask 做一个增删改查的Catalog，以及用Knockoutjs 做一个定制化的google地图。用Flask好评，但是Knockoutjs有点太过时了，资料不多。付费的好处是，你的作业会被很认真的review，还有codereview 哦，老师会说你这个地方写的不够好，不够优雅，对你写得好的地方，也会给赞。

Cousera 吴恩达的AI，整体来说，我觉得非常赞。吴恩达讲的浅显易懂，作业用的Jupter Notebook，而且作业里会对项目的要求和原理做讲解，重在让人理解过程，而不在于让人去进行繁琐的计算。

目前这系列课程的第一门，讲的是Deep Learning 的基本概念和算法，包括 逻辑回归，一层训练，和多层训练。第二门，讲的是针对算法调优，涉及结果调优，以及效率调优。第三门，针对算法的系统框架设计，所以作业也是给出了具体的Case让你分析，而不是写算法。

四、这次学习的一些个人化心得。

1、有一个原初的项目动力很重要。

很多时候，成年后不继续学习的主要原因是，学习没有即时生效的好处。学生时代有考试等着你，某种意义上，促使了人按部就班的完成课程，但是工作后，掌握了技能A，B，C，D似乎都很难让人短时间内升职加薪当上总经理，于是基本就耗费掉了。

我也一样，不过唯一不同的是，我之前坚持写一个公众号，号里的排版，找商品信息，非常痛苦，我曾经雇了个小编辑，帮我找图，排版，但是发现还是太低效。当时正在上Udacity的计算机导论，所以想着能不能自己写一个脚本，来完成。

当时我上完了Python基础，然后用了一周的时间，看了很多python抓网页信息的书，然后居然被我搞定了。不得不说，这是一个相当大的激励，虽然这个脚本很烂，效率也不太高，但是对我来说足够用了。

后续学Full Stack，是想自己做一个微信小程序，学AI 和小程序相关，想着马上就要来的双十一，能不能不再人肉推荐，而是先跑一遍活动商品，再过滤，又高效，又准确，这也是我的动力。（好吧，我其实也把学完了就奖励自己出去浪作为一个desert，所以一拿到degree，立即开始筹备去英国的计划了）

2、直切重点

在上吴恩达的课程之前，我认为是自己是不够格的。所以犹豫了很久，一度准备先在Udacity上学一个机器学习入门再开始。但是后来还是鼓足勇气先去Cousera上注册了，然后硬着头皮开始。没想到效果奇好，期间断断续续听过Udacity上讲机器学期的课程，但是都不如直接听吴恩达的Deep Learning有效。一方面Udactiy上的课程有点老，二方面，我个人觉得吴恩达讲的非常好，深入浅出，要点明确。

虽然过程中也有比较吃力的时候，但是遇到不懂得，当天晚上睡觉前再搜搜网上文章，就会大致更有谱一些。

事实证明，这种直接奔着目标去的学习方法，是最有效率的。世事也是如此，奔着直接目标去，大不了中途补课而已。

3、学习方法

我学习的办法很猥琐，每次都是用2倍速快速的看完课程，看不看得懂另说，大概记得这节课说了什么，然后直接前往作业区，理解作业，再回过头去看视频。一般来说，这类课程中，作业要求你完成的，大多在课程里的核心。

非鸡汤部分：

我不认为迅速拿到这些degree全因为我用了我介绍的方法，我不想神化这个过程。我在上面没说的还有一些我个人的一些隐性优势，比如：

1、我在互联网工作多年，一些技术的基本概念和问题，以及解决问题的套路都很熟悉，比如什么是API，什么是Jason，什么是算法，什么是异步请求，没实际写过，但是基本上是什么内心有个概念。最近几年，面对刚开始工作的工程师的时候，在他们解bug时，常常能给出还比较靠谱的尝试办法。

2、我的SQL能力还不错。在豆瓣工作时，基本上都是自己查，在阿里，数据库更复杂，也是自己查。所以Full - Stack 里面有相当一部分对我来说非常轻松。

最后，我做的产品工作一直和推荐算法、数据有关。

我想真的聪明的人，不会完全照搬我的经历，但是可以从我的描述里，获得他们想要的部分，而去规划自己的学习计划。

最后的鸡汤部分：

互联网里的中年危机比大家想象中严重。

之前会更多的追求各种术，比如谁谁谁用了什么办法，就能怎样。但是现在会更珍惜真正的所谓的「道」的部分。也就是你的价值管理，真的深刻认同的「长久有价值的东西」，去把时间花在这些事情上面。

比如，我认为没价值的：「情绪化写作」、「商业鸡汤」、「几年让你财务自由」 、「学会这几招，就让你xxx」。

比如，我认为有价值的：「精彩的故事或者写故事的能力」、「技术实力本身」、「创造能力」、「理解能力」、「实践能力」

稍微立一个flag，如果自己力有未逮的话，掌握了一些基础的方法之后，应该会尝试用一些统计和数据的办法，写自己比较喜欢的化妆品和衣服两个领域。到时候内容会扎实，也会有意思的多。

最后，感谢@su27老师，在我写作业遇到问题的时候，给我的靠谱建议，比如怎么在服务器上打log，怎么调试JS代码。感谢某低调算法工程师，在跟我一起到处浪的时候，还愿意尽量用普通人能听得懂的语言，给我讲讲机器学习的细节和逻辑。