自研究生毕业以后，很少从头到尾地去刷专业课程、讲座访谈，一直在吃老本，也很少在本专业以外拓展。下面主要从 B 站整理一份课程列表，将来或可根据需要选择性地刷一下基础知识。因是 B 站 Up 主搬运的链接，非官方维护的，因此，可能会失效。（吐槽一下，中国高校为什么不愿意主动公开和维护呢？还要那么多 Up 主"冒死上传"。）
| 课程名称 | 视频来源 | 主要教材 |
|---|---|---|
| 积极心理学 | B 站 哈佛公开课 | |
| 《红楼梦》 | B 站 台大欧丽娟 | |
| 中华人民共和国国史 | B 站 南大高华 | |
| 中国现代文学 | B 站 岭大许子东 | |
| 社会学概论 | B 站 北大卢晖临 | |
| 书法审美与实践 | B 站 北大方建勋 | |
| 线性代数 | B 站 和 MIT公开课 | Introduction to Linear Algebra |
| 随机过程 | B 站 清华张颢 | 随机过程及其应用 |
| 数值优化 | B 站 复旦吴立徳 | Numerical Optimization |
| 最优化方法 | B站 北大文再文 | 最优化：建模、算法与理论 |
| 大数据分析中的算法 | B站 北大文再文 | 同上 |
| 最优化理论与方法 | B站 上财崔雪婷 | 最优化基础理论与方法 |
| 凸优化 | B 站 Stephen Boyd | Convex Optimization |
| 高维概率 | B 站 北大张志华 | High-Dimensional Probability |
| 机器学习导论 | 主页 北大张志华 | |
| 统计机器学习 | 主页 北大张志华 | |
| 因果推断 1-4 （讲座） | B 站 北大耿直、苗旺 | |
| 高维概率 | B 站 Roman Vershynin | High-Dimensional Probability |
| 高等数理统计 | B 站 清华刘思序 | Mathematical Statistics |
| 神经网络与深度学习 | B 站 复旦邱锡鹏 | 神经网络与深度学习 |
| 深度学习 | B 站 清华吴翼 | Deep Learning |
| 强化学习基础 | B 站 北大张志华 | Reinforcement Learning: An Introduction |
| 金融市场 | B 站 和 Yale 公开课 | Foundations of Financial Markets and Institutions |
| 十年二十人（访谈） | B 站 吴晓波 | 激荡四十年（水大鱼大） |
| 酌见（访谈） | 油管 俞敏洪 | 俞敏洪采访 |
| 优米网（访谈） | B 站 俞敏洪、刘强东 | 王利芬采访 |
| 十三邀（访谈） | 油管 许知远 | 许知远采访 |
| 星空下的对话 | B 站 张朝阳 | 张朝阳采访 |
因为众所周知（不可抗因素）的原因，有的课程（比如金融市场关于保险的部分，中国现代文学关于老舍的部分）在搬运到 B 站后缺少章节，读者可以自行搜索，在油管上找来看。
在读研究生的时候，我还不知道学计算机的要学这么深的机器学习和统计学，此外，他们还在编程动手能力上这么强，在工业界真的比学统计的有优势得多，起点会高一些，搞统计的职业路径是做 DA（数据分析）、BA（商业分析）、BI（商业智能）。职业和生活中，除了专业技能外，还有对文学、历史、艺术等方面的了解，是同等重要的，教育的目的是培养健全的共和国民性格，而不是工具人。那些做出突出成就的科学家、文学家、艺术家，几乎无一例外地会对专业领域外的世界充满好奇、兴趣。
在业界从事数据分析相关的工作，在技能方面，要掌握一门编程语言，比如 Python 语言。多练习编程，掌握一些算法及其实现工具的使用。
就我个人的经历来说，从数据清洗、数据操作、数据探索、数据展示，数据分析、结果解释，最后，交流与应用最好都会。开始熟悉 Python 的方式就是用它来做一些小事情，借此熟悉 pandas、xgboost、scikit-learn 等。熟悉之后，用它做一个有点规模的项目，差不多一个完整流程。比如，用 Python 做一个不小的 Shiny 应用，功能接近做假设检验的专门软件。再比如，找一个自己的感兴趣的问题，从找数据到成文，写一篇。