看到 AC 推出推薦系統的課就很好奇，推薦系統是要怎麼教？很久以前有碰過一點點深度學習的課，一直搞不懂它和推薦系統的關係，到底是用在哪？又感覺推薦系統是更遙不可及的技術/概念。同時，可以找個實作機會練習一下 pandas 這熱門的套件，真是一舉兩得。
一收到開課消息，就立刻和家人討論是否可以參加，隔一天就立刻繳費了。之後就收到了「資料人才種子計畫」改為保証金制度（條件性免費）的消息和兩次的開課前測驗。「開課前測驗」聽起來很可怕，但其實是為了讓學生可以提前學習到必要的語法(因為課程內容不會涵蓋)，順便讓已報名的學生確認自己適不適合。「保証金制度」機制還挺不錯的，在確保工作坊的參與率下，也可以一同要求學生實作練習。若有完成所有的任務，就會在結業後退費。個人覺得，那些任務對於想要學習的人來說應該就會做到的，所以對我沒有造成很大的壓力。
開課前就說明了會教什麼、不會教什麼。課程內容的主軸安排十分明確，以一個推薦案例，分別示範 rule-base/content-base/collaborative-filtering 如何實作，最後實作 iCook 專案，打造食譜推薦系統。
工作坊也是課程的重點之一，也是除了線上課程之外，學習內容更多的地方，類似研討會(seminar) 但不同是更著重分享和討論。討論的內容包含復習和預習課程內容，也會有作業表現不錯的同學經驗分享。只要是線上的所有人都可以參加討論分享，不是只有單一個講者，任何人都可以透過開語音或是打字發言皆可以。
開課的設計是一步步帶領學生邊看邊做，分解的很詳細。最後在來寫作業，自己練習思考。寫作業的過程也是一種學習，學習 pandas 套件的使用和它的哲學、matplotlib/seaborn 制圖套件。
助教資源也是課程的價值之一，感謝 Angie、Youngmi、Jeffery 的助教作業批改回饋，提供的個人經驗讓我了解到從來沒想到的思考方向。
工作坊是往常和我的學習經驗完全不同的地方，讓學生的學習從被動到主動，大家針對商業問題提出個人見解和討論，討論氣氛十分熱絡。對我個人來說，學到更多的東西。因為我的工作主要是服務應用的開發，沒有什麼商業思維。在工作坊中，觀摩到許多高手的想法和經驗，像是：
- 資料的特性的事前分析，EDA (Exploratory Data Analysis)，就可以更容易做出有效的推薦
- 熟不熟語言不是重點，重要的是想法
- 不是多深的技術就會有很好的表現
- rule-base 雖然單純，但有用
- 沒有標準的答案
- 很多 pandas 的語法和製圖方式
在結束一個月沒有假日的學習後，回頭看發現真的學了不少東西。身為本科系是應用數學系的人來說，可以看到所學可以被應用出來是很高興的事。雖然我的作業結果沒有很好，也看到自己在商業思維上的不足，但我想已經達到我本來設定的目標了。