Bedste svar
Jeg har mentorerede studerende, der gik til MS Data Science i Columbia. Derefter lavede jeg et dybtgående QnA-webinar med hende og skrev en detaljeret feedback / gennemgang af dette programhttp: //scholarstrategy.com/columbia-data-science-review/ (link nederst).
- Her er mine takeaways, som er relevante for dette spørgsmål – Data Science-programmer byder også ikke-CS studerende velkommen, hvilket betyder, at det i første omgang ikke har brug for en god eksponering for CS. Læreplanen er også designet til at blive håndteret af ikke-CS-folk. I modsætning hertil vil MS CS naturligvis være mere CS-orienteret og forvente en vis færdighed i kernefagene.
- MS Data Science er et 30-graders kursus (10 × 3) med 7 kerner og 3 valgfrie kurser. Kernekurser inkluderer Machine Learning, Visualization, Statistics and Inference Modeling . Valgfrie kurser kan tages fra enhver afdeling (Journalistik, CS, handelshøjskole, ECE). For eksempel vil cloud computing og analytics, Big data, bygningshistorie fra data osv. CS-kurset have en mere teoretisk og programmerende tung tilgang og ingen statistik osv.
- For så vidt angår placeringer, kan du stadig tage Datavidenskabsrolle efter MS i CS afhængigt af hvilke kurser du tager.
Jeg tror, hvad det koger ned to is – DS er mere matematisk tung og CS er mere programmering / AI tung. De vil være tæt på. På den gode side kan du ikke gå galt med nogen af dem 🙂
Vi laver et QnA-webinar med Marketing Data Scientist den 23. april, vil være super informativ. For mere info, kom med os på MS i USA praktikophold og job
Svar
Jeg er førsteårsstuderende i NYU MS i Data Science-programmet. Jeg synes, det er fantastisk af forskellige årsager.
Kurserne er omfattende
- Der er en masse nyere datavidenskabsprogrammer dukker op i dag, så det kan være svært at bedømme, om visse programmer er legitime eller ej. Introduktionskurset gav et meget godt overblik på højt niveau af de overvejelser, man skal tage, når man nærmer sig datalogi i erhvervslivet, og hvordan man strukturelt nedbryder tilsyneladende komplekse problemer i velkendte mindre problemer. Kurset Statistik og sandsynlighed var som en bachelorgrad i statistik komprimeret til et semester. Jeg tager i øjeblikket Machine Learning-klassen, og det skubber dig virkelig til at forstå emnet fra alle perspektiver (teoretisk, matematisk og praktisk).
- Der er mange muligheder for at arbejde på projekter, som du kan tale om med potentielle arbejdsgivere. Capstone-projektet er et obligatorisk kursus i slutningen af programmet, men næsten alle klasser har et afsluttende projekt. Kravene til projekterne er meget åbne – du kan vælge næsten ethvert datavidenskabeligt problem, der interesserer dig, og du kan gå så dybt ind i dem, som du vil.
Programmet er meget fleksibelt med fremragende valgfag
- Alle klasser er planlagt om natten (min tidligste klasse er kl. 17:00), så hvis du ønsker at gennemføre programmet, mens du arbejder på fuld tid, det er meget muligt. Jeg kender mange andre studerende, der allerede arbejder som analytikere, der forfølger denne grad på deltid.
- Hvis du mener, at visse klasser er unødvendige i betragtning af dine færdigheder og erfaring, kan du nemt fravælge kurser til fordel af mere avancerede kurser. For eksempel kender jeg flere studerende, der fraviger klassen Statistik og sandsynlighed.
- Halvdelen af det krævede kursus er valgfag. Det betyder, at du kan vælge at specialisere din grad med klasser, der passer til dine personlige karrieremål. Du kan vælge at tage lektioner på Stern, hvis du vil gå i økonomi eller forretning. Du kan tage klasser i bioinformatik, neurovidenskab, psykologi, statskundskab og datalogi – det afhænger virkelig af, hvad du studerer datalogi til! En komplet liste over de forhåndsgodkendte valgfag findes her: Forudgodkendte valgkurser – NYU Center for Data Science . Det ser ud til at være ret let at få godkendelse til andre klasser, der ikke er på den forhåndsgodkendte liste.
- Datalogiske valgfag er gode. Mens jeg lige har nævnt, hvordan du kan tilpasse din grad gennem en bred vifte af valgfag, ender de fleste studerende selv med at vælge datalogiske valgfag. Jeg tager i øjeblikket et kursus om dyb læring fra Yann LeCun, leder af Facebook AI Research. Du kan også tage Natural Language Processing fra Kyunghyun Cho. Carlos Fernandez-Granda og Afonso Bandeira tilbyder også fremragende kurser i optimering.
De leverede ressourcer er meget gode
- Den ene ressource, jeg er meget taknemmelig for for er det store, moderne åbne rum til studier, der leveres til Center of Data Science studerende. Da jeg fik min bachelorgrad på en stor offentlig skole, var der absolut ingen garanti for, at du kunne gå på biblioteket og finde andre mennesker ved siden af dig, der studerede det samme. Vi har to etager i 5th Ave med gigantiske vinduer, skriveborde med indbyggede stikkontakter, whiteboards og små kontorlokaler. Der sker meget samarbejde og udveksling af ideer i dette rum!
- Der er virksomhedsinformationssessioner og foredrag, der holdes næsten hver uge. Når jeg kigger gennem min indbakke, har der for nylig været foredrag om “Metoder til at opdage den underliggende sproglige struktur”, “Future State: Big Data og Analytics for Better Governance” og “Data science @Tumblr.” CDS er også vært for sin egen karrieremesse to gange om året for virksomheder, der specifikt søger dataforskere, så du behøver ikke gå i kø på den enorme karriereudstilling på hele campus. Tidligere virksomheder, der er kommet til karriereudstillingen, inkluderer: Audible, Ebay, Medidata, iHeartMedia og Capital One Labs. Der er masser af netværksmuligheder, og de gør det nemt for dig at interagere med mange forskellige medlemmer af datavidenskabssamfundet.
Du bør dog også overveje dette også:
Det er ekstremt stringent
- Som det andet nævnte svar forventer et par klasser, at du kommer ind med en meget god forståelse af emnet allerede. Hvis du ikke er stærk inden for programmering eller teoretisk matematik, skal du selvstudere for at indhente. Hjemmearbejde tager omkring 60 timer om ugen, normalt mere. Heldigvis har jeg fundet, at de fleste professorer er meget hjælpsomme og tilgængelige, hvis du virkelig kæmper for at forstå materialet. Introduktionskurserne i det første semester til datalogiprogrammet er designet til at hjælpe dig med at indhente disse emner. Men hvis du er en CS-studerende og tager disse klasser som valgfag, kan du finde det meget udfordrende.
- Hvis du leder efter en mere let “let” vej til analyse, er det muligvis ikke for du. Det er meget tungt for matematik, statistik og programmering. En medstuderende fortalte mig engang, at de ville ønske, at de forfulgte en Business Analytics-grad i stedet. For at være en vellykket dataforsker skal du dog lære matematik og teori bag algoritmerne!