สวัสดีเพื่อนชาวพันทิปทุกท่านครับ
เนื่องด้วยงานสาย data analytics กำลังเป็นที่สนใจของหลายๆ คน และเนื่องจากผมรู้สึกว่าทักษะความรู้ที่เรียนมาสมัยอยู่มหาวิทยาลัยกำลังจะล้าสมัยแล้ว เมื่อกลางเดือน พย. ปี 64 ผมจึงเริ่มหาทางพัฒนาทักษะตัวเองเพิ่มเติม
ผมเปิดเว็บ Coursera ไปแล้วก็ไปเจอหลักสูตรยอดฮิต นั่นคือ Google Data Analytics Professional Certificate รายละเอียดตามลิ้งค์นี้ครับ
https://www.coursera.org/professional-certificates/google-data-analytics
หลักสูตรนี้มีแปดคอร์ส เป็นคุณวุฒิพื้นฐานทางศาสตร์การวิเคราะห์ข้อมูล (data analytics) ประกอบด้วย 8 รายวิชา ปูพื้นฐานตั้งแต่วิธีการตั้งคำถามเกี่ยวกับการวิเคราะห์ การใช้ Excel และ SQL เบื้องต้น ไปจนถึงการใช้ Tableau เพื่อแสดงผลการวิเคราะห์ การใช้โปรแกรม R เพื่อการวิเคราะห์ข้อมูลที่ซับซ้อนมากขึ้น และการทำโปรเจคปิดคอร์ส (Capstone)
ตัว Syllabus ในหน้าเว็บบอกว่าหลักสูตร 8 รายวิชานี้ต้องใช้เวลาเรียนประมาณ 6 เดือน ผมใช้เวลาเรียน 53 วันครับ ซึ่งไม่ได้ถือว่าเร็วมาก เพราะว่าที่เคยเห็นคนอื่นรีวิว ทั้งไทยทั้งต่างชาติ ก็ใช้เวลาประมาณ 1-2 เดือน เช่นกันครับ
ต่อไปเป็นการรีวิวแต่ละรายวิชา จำนวนวันที่เรียน และสิ่งที่ชอบ-ไม่ชอบในแต่ละวิชาครับ
Course1
Foundations: Data, Data, Everywhere (4 วัน)
- Domain knowledge & soft skills: ปูพื้นฐานตั้งแต่ว่า data คืออะไร นักวิเคราะห์ข้อมูลมีบทบาทอย่างไรในภาคธุรกิจ กระบวนการวิเคราะห์ข้อมูลมีอะไรบ้าง (Ask, Prepare, Process, Analyze, Share, Act) และชี้แจงว่าโครงสร้างหลักสูตรก็เรียงตามลำดับกระบวนการวิเคราะห์ด้วย
- Hard skills: สอนการทำตารางใน Excel + หัดเขียน SQL query ตัวแรกในชีวิต
Course 2
Ask Questions to Make Data-Driven Decisions (5 วัน)
- Domain knowledge & soft skills: สอนการทำงานกับ stakeholder การสื่อสารในองค์กร การคำนึงถึงความต้องการของ stakeholders หลักการทำงานใน data science team วิธีการส่งอีเมล์หาเพื่อนร่วมงาน หลักการประพฤติตนที่เหมาะสมในระหว่างการประชุม
- Hard skills: สอนการเขียน formula ใน Excel, การทำ conditional formatting, การตรวจหา error ใน spreadsheet
Course 3
Prepare Data for Exploration (8 วัน)
- Domain knowledge & soft skills: ประเภทของข้อมูล (first-party, second-party, third-party) โครงสร้างข้อมูล (wide form, long form) ลักษณะของข้อมูลที่ดี หลักจริยธรรมการเข้าถึงและใช้ข้อมูล หลักการของ open data หลักการตั้งชื่อไฟล์ การสมัครเป็นสมาชิก Kaggle กับ LinkedIn วิธีการ networking เพื่อความก้าวหน้าในอาชีพ, Metadata มีกี่ประเภท, ความรู้เบื้องต้นเกี่ยวกับ Relational database (primary key & foreign key คืออะไร), การสมัครและเข้าถึงข้อมูลที่เป็น public data ใน Google BigQuery
- Hard skills: การ sort และ filter ข้อมูลใน SQL
Course 4
Process Data from Dirty to Clean (6 วัน)
- Domain knowledge & soft skills: ความสำคัญของการทำความสะอาดข้อมูล, data engineers + data warehousing specialists คือใคร, data compatibility, ประวัติศาสตร์ของการใช้ภาษา SQL, วิธีการเตรียม resume, วิธีการใส่ Google Data Analytics Professional Certificate เข้าไปในช่อง Education ของเรซูเม่และ LinkedIn, ตัวอย่างประกาศรับสมัครงานในตำแหน่ง data analyst, คุณสมบัติที่สำคัญของนักวิเคราะห์ที่นายจ้างต้องการ (ความละเอียดถี่ถ้วน / Being DETAIL-ORIENTED และความถึก / PERSEVERANCE)
- Hard skills: เทคนิคการทำ data cleaning ใน Excel, การ merge ข้อมูลใน SQL, การทำ conditional formatting, การ concatenate, การใช้ pivot table, การทำ VLOOKUP, การทำ data cleaning ใน SQL
Course 5
Analyze Data to Answer Questions (12 วัน)
- Domain knowledge & soft skills: ขั้นตอนการวิเคราะห์ข้อมูล (four phases of analysis), ผลเสียของการ format data ไม่ถูกวิธี, การ validate ข้อมูล, Mental model (กระบวนการคิดและแก้ปัญหา), กล่าวถึงโปรแกรม R เป็นครั้งแรก, การรวมข้อมูล (data aggregation)
- Hard skills: SORT function ใน SQL, การใช้ IF/AS ใน SQL, การเขียน subqueries (โผล่มาอย่างเร็ว ดูแล้วงง จดไม่ทัน แต่ไม่ออกสอบ), การทำ conditional formatting (อีกแล้ว), การใช้ alias ใน SQL, การคำนวณค่าเฉลี่ยในชุดข้อมูลผ่าน Gooogle BigQuery โดยอาศัยภาษา SQL (เช่น จำนวนเฉลี่ยต่อปี คนที่เช่าจักรยานจากจุดในจุดหนึ่งในเมืองนิวยอร์ค จากข้อมูล 3 ปี)
Memorable quote: "The most important thing that they need to have throughout this learning journey is grit" - Ayanna ครูสอนคอร์ส
Course 6
Share Data Through the Art of Visualization (6 วัน)
- Domain knowledge & soft skills: หลักการทำ data visualization (แนวความคิดของ McCandless Method) หลักการด้านการออกแบบ ทำอย่างไรให้กราฟไม่หลอกตาคน ความงามของการแสดงข้อมูล การเล่าเรื่องด้วยข้อมูล การนำเสนอข้อมูลแบบ static (เข่น รายงาน) กับแบบ live/dynamic (เช่น ใช้ dashboard) ข้อดีข้อเสียของแต่ละวิธี วิธีการนำเสนอด้วย powerpoint และการจัดการปัญหาที่อาจเกิดขึ้นได้ระหว่างนำเสนองาน วิธีการพูดในที่สาธารณะให้คนเข้าใจ
- Hard skills: การสมัครและหัดใช้ Tableau Public (ใช้ฟรี)
Course7
Data Analysis with R Programming (1 วัน)
- Domain knowledge & soft skills: สรุปการดีเบตว่าอะไรดีกว่ากัน ระหว่าง R กับ Python, ภาษาการเขียนโปรแกรมที่วิชาชีพสาย Tech ใช้กันบ่อย, เคล็ดลับการเรียนภาษาเขียนโปรแกรม, เปรียบเทียบระหว่าง spreadsheet vs. SQL vs. R, การเขียน codes ให้คนอื่นอ่านแล้วเข้าใจ ด้วย RMarkdown
- Hard skills: การดาวน์โหลดและติดตั้ง R console + RStudio, การสร้าง vector + list ใน R, การใช้ logical operators ในโปรแกรม R, การเปิดไฟล์ข้อมูลในโปรแกรม R, การใช้ tidyverse ในการทำความสะอาดและวิเคราะห์ข้อมูล, การทำ data visualization ด้วยแพคเกจ ggplot2, การใช้ RMarkdown
Course 8
Google Data Analytics Capstone: Complete a Case Study (8 วัน)
- Domain knowledge & soft skills: หลักสูตรไม่บังคับให้นักศึกษาทำ capstone แต่แนะนำนักศึกษาว่าควรทำ เพราะจะเป็นการเริ่มต้นทำ portfolio แสดงผลงานและเอาไปหางานทำต่อไปได้ เนื้อหาส่วนมากเป็นการแนะนำว่าจะอัพเดท LinkedIn + resume อย่างไร และจะต่อยอดเพื่อไปประกอบอาชีพได้อย่างไร
- Hard skills: ไม่มี เพราะนี่เป็นคอร์สเสริม แต่หากนักศึกษาจะทำ capstone ก็มีตัวเลือกสองทาง ทางแรกคือวิเคราะห์ข้อมูลตามโจทย์ที่กำหนดให้ ทางที่สองคือวิเคราะห์ข้อมูลด้วยโจทย์ที่นักศึกษาเตรียมมาเอง ทั้งนี้ นักศึกษาไม่จำเป็นต้องอัพโหลดผลงานส่งไปในระบบ (หลักสูตรอื่นใน Coursera มีการทำแบบนี้ แล้วให้เพื่อนร่วมชั้นให้คะแนนผู้เรียนด้วยกันเอง) นักศึกษาแค่ต้องตอบใน quiz ท้ายหลักสูตรว่าตนเองได้ทำ capstone โปรเจคหรือไม่
- โดยส่วนตัว ผมตัดสินใจวิเคราะห์ข้อมูลในงานของตัวเอง โดยยังไม่แชร์ผลงานกับใคร แต่ถือว่าทำด้วยสปิริตของการเรียนให้บรรลุผลตามวัตถุประสงค์ครับ
เมื่อตอบคำถามข้อสุดท้ายใน Quiz ท้ายคอร์สที่ 8 เรียบร้อยแล้ว ก็มีข้อความแสดงความยินดีที่เรียนจบหลักสูตร และได้เป็น Google Certified Data Analytics Professional ครับ
ความคิดเห็น
1. คอร์สนี้ไม่ต้องใช้พื้นฐานทางคณิตศาสตร์เกินกว่าการบวกลบคูณหารธรรมดา การวิเคราะห์ข้อมูลใน R ไม่มีการทำ statistical model
2. วีดีโอทำดีมาก ดีกว่าคอร์สอื่นใน Coursera
3. คอร์สนี้เหมาะกับคนที่ไม่มีพื้นฐานด้านการวิเคราะห์ข้อมูลเลย เท่าที่ผมดูรีวิวในยูทูป มีคนบอกว่าถ้ามี ปสก. ทำงานด้านวิเคราะห์ข้อมูลเกิน 2 ปี ก็ไม่จำเป็นต้องเรียนตัวนี้ แต่ผมมองว่าผมได้อะไรจากคอร์สนี้พอสมควรนะครับ
4. คอร์สนี้ทำให้ผมใช้ SQL และ Google BigQuery เป็น หลังจากที่งงๆ อยู่นานในคอร์ส Clinical Data Science
5. เนื้อหา soft skills ในคอร์สนี้ดีมาก ทำให้เข้าใจว่าคนที่ทำงานด้านข้อมูลในสายธุรกิจมีสภาพงานเป็นอย่างไร หากจะเริ่มหางานในสายนี้ควรทำอย่างไรบ้าง ซึ่งคอร์สอื่นๆ ที่เน้น hard skill จะไม่ค่อยมีการเชื่อมโยงระหว่างการพัฒนาทักษะกับการสร้างประสบการณ์และโปรไฟล์ในการทำงานครับ
สรุป คอร์สดี สนุก ไม่ยากเกินไป และควรแนะนำให้คนอื่นเรียนครับ
หมายเหตุ
1. ผมใช้เวลาเรียนประมาณ 1 ชั่วโมงต่อวันในวันธรรมดา และ 6 ชั่วโมงต่อวันในวันเสาร์หรืออาทิตย์
2. ผมทำงานเป็นนักวิชาการด้านสาธารณสุข และมีพื้นฐานการใช้โปรแกรม R มาแล้วพอสมควร
3. เสียค่าเรียนไปทั้งสิ้น เดือนละ 39 ดอลลาร์ * 2 เดือน = 78 ดอลลาร์ ตัดยอดบัญชีสองครั้งรวมกันราวๆ 2700 บาทครับ
4. ผมได้ลิ้งค์ไปดาวน์โหลด badge สำหรับนำไปโพสใน LinkedIn และใน Resume ได้ แต่หน้าตาไม่เหมือนกับ Certificate ที่คนอื่นเคยรีวิวมา ในหน้าเว็บ Coursera มีแจ้งให้ verify ID ในเว็บ Persona ผมไม่แน่ใจว่ามันจะเกี่ยวกับการได้ Certificate ใบเต็มหรือไม่ แต่เท่าที่เข้าเว็บไป เราต้อง verify ID โดยใช้ webcam ถ่ายภาพบัตรประจำตัวประชาชน พาสปอร์ต หรือใบขับขี่ของเราแล้วอัพโหลด ผมรู้สึกไม่สบายใจเท่าไหร่เลยไม่ได้ทำครับ
แชร์ประสบการณ์และรีวิว เรียนหลักสูตร Google Data Analytics Professional Certificate ใน Coursera ในเวลา 53 วัน
เนื่องด้วยงานสาย data analytics กำลังเป็นที่สนใจของหลายๆ คน และเนื่องจากผมรู้สึกว่าทักษะความรู้ที่เรียนมาสมัยอยู่มหาวิทยาลัยกำลังจะล้าสมัยแล้ว เมื่อกลางเดือน พย. ปี 64 ผมจึงเริ่มหาทางพัฒนาทักษะตัวเองเพิ่มเติม
ผมเปิดเว็บ Coursera ไปแล้วก็ไปเจอหลักสูตรยอดฮิต นั่นคือ Google Data Analytics Professional Certificate รายละเอียดตามลิ้งค์นี้ครับ
https://www.coursera.org/professional-certificates/google-data-analytics
หลักสูตรนี้มีแปดคอร์ส เป็นคุณวุฒิพื้นฐานทางศาสตร์การวิเคราะห์ข้อมูล (data analytics) ประกอบด้วย 8 รายวิชา ปูพื้นฐานตั้งแต่วิธีการตั้งคำถามเกี่ยวกับการวิเคราะห์ การใช้ Excel และ SQL เบื้องต้น ไปจนถึงการใช้ Tableau เพื่อแสดงผลการวิเคราะห์ การใช้โปรแกรม R เพื่อการวิเคราะห์ข้อมูลที่ซับซ้อนมากขึ้น และการทำโปรเจคปิดคอร์ส (Capstone)
ตัว Syllabus ในหน้าเว็บบอกว่าหลักสูตร 8 รายวิชานี้ต้องใช้เวลาเรียนประมาณ 6 เดือน ผมใช้เวลาเรียน 53 วันครับ ซึ่งไม่ได้ถือว่าเร็วมาก เพราะว่าที่เคยเห็นคนอื่นรีวิว ทั้งไทยทั้งต่างชาติ ก็ใช้เวลาประมาณ 1-2 เดือน เช่นกันครับ
ต่อไปเป็นการรีวิวแต่ละรายวิชา จำนวนวันที่เรียน และสิ่งที่ชอบ-ไม่ชอบในแต่ละวิชาครับ
Course1
Foundations: Data, Data, Everywhere (4 วัน)
- Domain knowledge & soft skills: ปูพื้นฐานตั้งแต่ว่า data คืออะไร นักวิเคราะห์ข้อมูลมีบทบาทอย่างไรในภาคธุรกิจ กระบวนการวิเคราะห์ข้อมูลมีอะไรบ้าง (Ask, Prepare, Process, Analyze, Share, Act) และชี้แจงว่าโครงสร้างหลักสูตรก็เรียงตามลำดับกระบวนการวิเคราะห์ด้วย
- Hard skills: สอนการทำตารางใน Excel + หัดเขียน SQL query ตัวแรกในชีวิต
Course 2
Ask Questions to Make Data-Driven Decisions (5 วัน)
- Domain knowledge & soft skills: สอนการทำงานกับ stakeholder การสื่อสารในองค์กร การคำนึงถึงความต้องการของ stakeholders หลักการทำงานใน data science team วิธีการส่งอีเมล์หาเพื่อนร่วมงาน หลักการประพฤติตนที่เหมาะสมในระหว่างการประชุม
- Hard skills: สอนการเขียน formula ใน Excel, การทำ conditional formatting, การตรวจหา error ใน spreadsheet
Course 3
Prepare Data for Exploration (8 วัน)
- Domain knowledge & soft skills: ประเภทของข้อมูล (first-party, second-party, third-party) โครงสร้างข้อมูล (wide form, long form) ลักษณะของข้อมูลที่ดี หลักจริยธรรมการเข้าถึงและใช้ข้อมูล หลักการของ open data หลักการตั้งชื่อไฟล์ การสมัครเป็นสมาชิก Kaggle กับ LinkedIn วิธีการ networking เพื่อความก้าวหน้าในอาชีพ, Metadata มีกี่ประเภท, ความรู้เบื้องต้นเกี่ยวกับ Relational database (primary key & foreign key คืออะไร), การสมัครและเข้าถึงข้อมูลที่เป็น public data ใน Google BigQuery
- Hard skills: การ sort และ filter ข้อมูลใน SQL
Course 4
Process Data from Dirty to Clean (6 วัน)
- Domain knowledge & soft skills: ความสำคัญของการทำความสะอาดข้อมูล, data engineers + data warehousing specialists คือใคร, data compatibility, ประวัติศาสตร์ของการใช้ภาษา SQL, วิธีการเตรียม resume, วิธีการใส่ Google Data Analytics Professional Certificate เข้าไปในช่อง Education ของเรซูเม่และ LinkedIn, ตัวอย่างประกาศรับสมัครงานในตำแหน่ง data analyst, คุณสมบัติที่สำคัญของนักวิเคราะห์ที่นายจ้างต้องการ (ความละเอียดถี่ถ้วน / Being DETAIL-ORIENTED และความถึก / PERSEVERANCE)
- Hard skills: เทคนิคการทำ data cleaning ใน Excel, การ merge ข้อมูลใน SQL, การทำ conditional formatting, การ concatenate, การใช้ pivot table, การทำ VLOOKUP, การทำ data cleaning ใน SQL
Course 5
Analyze Data to Answer Questions (12 วัน)
- Domain knowledge & soft skills: ขั้นตอนการวิเคราะห์ข้อมูล (four phases of analysis), ผลเสียของการ format data ไม่ถูกวิธี, การ validate ข้อมูล, Mental model (กระบวนการคิดและแก้ปัญหา), กล่าวถึงโปรแกรม R เป็นครั้งแรก, การรวมข้อมูล (data aggregation)
- Hard skills: SORT function ใน SQL, การใช้ IF/AS ใน SQL, การเขียน subqueries (โผล่มาอย่างเร็ว ดูแล้วงง จดไม่ทัน แต่ไม่ออกสอบ), การทำ conditional formatting (อีกแล้ว), การใช้ alias ใน SQL, การคำนวณค่าเฉลี่ยในชุดข้อมูลผ่าน Gooogle BigQuery โดยอาศัยภาษา SQL (เช่น จำนวนเฉลี่ยต่อปี คนที่เช่าจักรยานจากจุดในจุดหนึ่งในเมืองนิวยอร์ค จากข้อมูล 3 ปี)
Memorable quote: "The most important thing that they need to have throughout this learning journey is grit" - Ayanna ครูสอนคอร์ส
Course 6
Share Data Through the Art of Visualization (6 วัน)
- Domain knowledge & soft skills: หลักการทำ data visualization (แนวความคิดของ McCandless Method) หลักการด้านการออกแบบ ทำอย่างไรให้กราฟไม่หลอกตาคน ความงามของการแสดงข้อมูล การเล่าเรื่องด้วยข้อมูล การนำเสนอข้อมูลแบบ static (เข่น รายงาน) กับแบบ live/dynamic (เช่น ใช้ dashboard) ข้อดีข้อเสียของแต่ละวิธี วิธีการนำเสนอด้วย powerpoint และการจัดการปัญหาที่อาจเกิดขึ้นได้ระหว่างนำเสนองาน วิธีการพูดในที่สาธารณะให้คนเข้าใจ
- Hard skills: การสมัครและหัดใช้ Tableau Public (ใช้ฟรี)
Course7
Data Analysis with R Programming (1 วัน)
- Domain knowledge & soft skills: สรุปการดีเบตว่าอะไรดีกว่ากัน ระหว่าง R กับ Python, ภาษาการเขียนโปรแกรมที่วิชาชีพสาย Tech ใช้กันบ่อย, เคล็ดลับการเรียนภาษาเขียนโปรแกรม, เปรียบเทียบระหว่าง spreadsheet vs. SQL vs. R, การเขียน codes ให้คนอื่นอ่านแล้วเข้าใจ ด้วย RMarkdown
- Hard skills: การดาวน์โหลดและติดตั้ง R console + RStudio, การสร้าง vector + list ใน R, การใช้ logical operators ในโปรแกรม R, การเปิดไฟล์ข้อมูลในโปรแกรม R, การใช้ tidyverse ในการทำความสะอาดและวิเคราะห์ข้อมูล, การทำ data visualization ด้วยแพคเกจ ggplot2, การใช้ RMarkdown
Course 8
Google Data Analytics Capstone: Complete a Case Study (8 วัน)
- Domain knowledge & soft skills: หลักสูตรไม่บังคับให้นักศึกษาทำ capstone แต่แนะนำนักศึกษาว่าควรทำ เพราะจะเป็นการเริ่มต้นทำ portfolio แสดงผลงานและเอาไปหางานทำต่อไปได้ เนื้อหาส่วนมากเป็นการแนะนำว่าจะอัพเดท LinkedIn + resume อย่างไร และจะต่อยอดเพื่อไปประกอบอาชีพได้อย่างไร
- Hard skills: ไม่มี เพราะนี่เป็นคอร์สเสริม แต่หากนักศึกษาจะทำ capstone ก็มีตัวเลือกสองทาง ทางแรกคือวิเคราะห์ข้อมูลตามโจทย์ที่กำหนดให้ ทางที่สองคือวิเคราะห์ข้อมูลด้วยโจทย์ที่นักศึกษาเตรียมมาเอง ทั้งนี้ นักศึกษาไม่จำเป็นต้องอัพโหลดผลงานส่งไปในระบบ (หลักสูตรอื่นใน Coursera มีการทำแบบนี้ แล้วให้เพื่อนร่วมชั้นให้คะแนนผู้เรียนด้วยกันเอง) นักศึกษาแค่ต้องตอบใน quiz ท้ายหลักสูตรว่าตนเองได้ทำ capstone โปรเจคหรือไม่
- โดยส่วนตัว ผมตัดสินใจวิเคราะห์ข้อมูลในงานของตัวเอง โดยยังไม่แชร์ผลงานกับใคร แต่ถือว่าทำด้วยสปิริตของการเรียนให้บรรลุผลตามวัตถุประสงค์ครับ
เมื่อตอบคำถามข้อสุดท้ายใน Quiz ท้ายคอร์สที่ 8 เรียบร้อยแล้ว ก็มีข้อความแสดงความยินดีที่เรียนจบหลักสูตร และได้เป็น Google Certified Data Analytics Professional ครับ
ความคิดเห็น
1. คอร์สนี้ไม่ต้องใช้พื้นฐานทางคณิตศาสตร์เกินกว่าการบวกลบคูณหารธรรมดา การวิเคราะห์ข้อมูลใน R ไม่มีการทำ statistical model
2. วีดีโอทำดีมาก ดีกว่าคอร์สอื่นใน Coursera
3. คอร์สนี้เหมาะกับคนที่ไม่มีพื้นฐานด้านการวิเคราะห์ข้อมูลเลย เท่าที่ผมดูรีวิวในยูทูป มีคนบอกว่าถ้ามี ปสก. ทำงานด้านวิเคราะห์ข้อมูลเกิน 2 ปี ก็ไม่จำเป็นต้องเรียนตัวนี้ แต่ผมมองว่าผมได้อะไรจากคอร์สนี้พอสมควรนะครับ
4. คอร์สนี้ทำให้ผมใช้ SQL และ Google BigQuery เป็น หลังจากที่งงๆ อยู่นานในคอร์ส Clinical Data Science
5. เนื้อหา soft skills ในคอร์สนี้ดีมาก ทำให้เข้าใจว่าคนที่ทำงานด้านข้อมูลในสายธุรกิจมีสภาพงานเป็นอย่างไร หากจะเริ่มหางานในสายนี้ควรทำอย่างไรบ้าง ซึ่งคอร์สอื่นๆ ที่เน้น hard skill จะไม่ค่อยมีการเชื่อมโยงระหว่างการพัฒนาทักษะกับการสร้างประสบการณ์และโปรไฟล์ในการทำงานครับ
สรุป คอร์สดี สนุก ไม่ยากเกินไป และควรแนะนำให้คนอื่นเรียนครับ
หมายเหตุ
1. ผมใช้เวลาเรียนประมาณ 1 ชั่วโมงต่อวันในวันธรรมดา และ 6 ชั่วโมงต่อวันในวันเสาร์หรืออาทิตย์
2. ผมทำงานเป็นนักวิชาการด้านสาธารณสุข และมีพื้นฐานการใช้โปรแกรม R มาแล้วพอสมควร
3. เสียค่าเรียนไปทั้งสิ้น เดือนละ 39 ดอลลาร์ * 2 เดือน = 78 ดอลลาร์ ตัดยอดบัญชีสองครั้งรวมกันราวๆ 2700 บาทครับ
4. ผมได้ลิ้งค์ไปดาวน์โหลด badge สำหรับนำไปโพสใน LinkedIn และใน Resume ได้ แต่หน้าตาไม่เหมือนกับ Certificate ที่คนอื่นเคยรีวิวมา ในหน้าเว็บ Coursera มีแจ้งให้ verify ID ในเว็บ Persona ผมไม่แน่ใจว่ามันจะเกี่ยวกับการได้ Certificate ใบเต็มหรือไม่ แต่เท่าที่เข้าเว็บไป เราต้อง verify ID โดยใช้ webcam ถ่ายภาพบัตรประจำตัวประชาชน พาสปอร์ต หรือใบขับขี่ของเราแล้วอัพโหลด ผมรู้สึกไม่สบายใจเท่าไหร่เลยไม่ได้ทำครับ