结束语丨当大家都在讲知识和工具的时候，我更希望你重视思维和实战

目前为止报过的网课有：selenium相关课程和陈老师的数据分析。真的很幸运，遇到的老师不只是讲语法，讲工具，更多的是告诉你多思考。比如，selenium的老师常说，web/app自动化测试你掌握了测试思维，不管什么测试工具，稍加练习都能运用自如。而在数据分析的这些课程里，除了语法、工具、技能外，有很多有温度的文字，比如开篇的MAS学习方法，贯穿始终的数据思维。在练习中我发现基本上每篇实战的文章里面，都有一段字：我们先把整个项目的流程梳理下，然后就是一个图片写着准备阶段和分类阶段要完成的内容。所以，现在闭着眼，我都可以写出整个流程，多谢老师。其实敲到41课感觉有点进行不下去了（不知为啥，敲的有点迷茫==），继而看到44,45两节的内容，内心重新振作一番，回顾了下之前课程的笔记内容，好像又有点感觉了，多谢老师。结尾篇的文字同样很有温度，要是感觉在数据分析的路上走偏了就回顾看看这篇文章审视一下自己，感谢老师。

之前看过吴恩达老师的课，然后开始学python，但是人工智能还是不懂，以一种的方式算是入门了人工智能，很开心。 很感谢能学到老师的课，第一遍已经完整过完，下面是第二遍写笔记、思考和践行。 希望能够从事数据分析这份工作。 目前已经学完了《python数据分析基础》，正在看《利用python进行数据分析》，目前给自己定下的路径是pandas、numpy的学习-掌握基本的数据库-可视化工具mat和sns-多做项目 有一个问题是很多数据分析的岗位都需要熟练掌握excel，SPSS等、熟悉Linux系统，我需要在这些方面花一些时间吗？还是只用专注于python的数据分析呢？ 除此之外，老师还有一些别的建议吗？ 心得 强烈认同思维和实战是自己，比起改变的东西，我们更应该专注那些不变的事情上 自己给自己提问题，努力分享出去，本质是逼着自己去思考，用输出倒逼输入。

越来越怀疑数据分析的发展前景，有点儿迷茫了，想知道怎么规划......

辛苦大佬，受益良多

我从零基础跟着老师的节奏一点一点做，从爬虫到数据分析，再到后评估模型，做了自己的预测项目，有兴趣的朋友可以一起交流！github.com/acredjb/FBP谢谢老师的课程！这样系统化的课程我已经推荐给我的朋友。另外，学以致用才是学习课程收获最多的东西！

很认同老师所说的：方法比努力更重要；投入越多，收获越多。 上一周花了一整周的时间重新学习python，自认为对 python基础不熟悉。就在mooc找《Python语言程序设计》这课程进行学习。但学完后发现，其实我对python的基础都已经掌握，目前缺少的是实践。而最高效的方法应该去“力扣”刷题。很后悔浪费时间。 还有一个懊悔的事情。自认为对数据分析掌握通透，但经过一个师兄的预面试，发现最基本的数据分析分类算法有几种，这类问题也不清晰，更何况分辨随机森林和svm算法的区别。 启示是：要想清楚方法，再去行动，要不然就是做无效的努力

老师能谈下数据分析未来的职业规划吗？看到宣传的目录上有一讲内容是讲这个，但是学完了没发现是有关于职业规划的章节。我之前从事编程，大学专业原因有统计学基础，因为兴趣爱好，刚转行过来9个月的时间，如果想往数据总监上走的话，或者成为一名资深数据分析师该朝着哪些地方用功？老师可以解答下我的疑惑吗？

全部学完了，谢谢陈博士。

感谢付出，江湖再见

谢谢陈老师，在这里真的受益匪浅，可能是老师讲课准备的很用心，听起课来总有一种亲切感，不过还有好多章节没有学好，要开始再来一遍啦