La mejor respuesta
Tengo mentor de estudiantes que asistieron a MS Data Science en Columbia. Luego, hice un seminario web sobre QnA en profundidad con ella y escribí una publicación detallada de comentarios / reseñas de este programahttp: //scholarstrategy.com/columbia-data-science-review/ (enlace en la parte inferior).
- Aquí están mis conclusiones que son relevantes para esta pregunta: los programas de ciencia de datos también dan la bienvenida a estudiantes que no son de informática, lo que significa que no necesita una buena exposición a la informática en primer lugar. El plan de estudios también está diseñado para ser manejado por personas que no son de informática. En contraste, MS CS obviamente estará más orientada a la informática, esperando cierta competencia en materias básicas.
- MS Data Science es un curso de 30 créditos (10 × 3) con 7 cursos básicos y 3 electivos. Los cursos principales incluyen aprendizaje automático, visualización, estadísticas y modelado de inferencias . Los cursos electivos se pueden tomar en cualquier departamento (Periodismo, CS, escuela de negocios, ECE). Por ejemplo, computación y análisis en la nube, macrodatos, construcción de historias a partir de datos, etc. El curso de informática tendrá un enfoque más teórico y de programación, sin estadísticas, etc.
- En lo que respecta a las ubicaciones, aún puede tomar Rol de ciencia de datos después de MS en CS dependiendo de los cursos que tome.
Creo que todo se resume to is – DS es más matemático y CS es más programación / AI. Estarán cerca. En el lado bueno, no puede equivocarse con ninguno de los dos 🙂
Estamos realizando un seminario web de QnA con Marketing Data Scientist el 23 de abril, será súper informativo. Para obtener más información, únase a nosotros en Pasantías y trabajos de maestría en EE. UU.
Respuesta
Soy un estudiante de primer año en el programa NYU MS in Data Science. Creo que es fantástico por varias razones.
Los cursos son completos
- Hay Hoy en día aparecen muchos programas de ciencia de datos más nuevos, por lo que puede ser difícil juzgar si ciertos programas son legítimos o no. El curso introductorio brindó una descripción general de muy buen nivel de las consideraciones que se deben hacer al abordar la ciencia de datos en los negocios y cómo desglosar problemas aparentemente complejos en problemas más pequeños conocidos de manera estructurada. El curso de Estadística y Probabilidad fue como una licenciatura en Estadística comprimida en un semestre. Actualmente estoy tomando la clase de aprendizaje automático y realmente te impulsa a comprender el tema desde todas las perspectivas (teórica, matemática y práctica).
- Hay muchas oportunidades para trabajar en proyectos de los que puedes hablar con posibles empleadores. El proyecto final es un curso obligatorio al final del programa, pero casi todas las clases tienen un proyecto final obligatorio. Los requisitos para los proyectos son muy abiertos: puede elegir casi cualquier problema de ciencia de datos que le interese y puede profundizar en ellos como desee.
El programa es muy flexible con excelentes materias optativas
- Todas las clases están programadas durante la noche (mi primera clase es a las 5 PM), así que si está buscando completar el programa mientras trabaja a tiempo completo, es muy posible. Conozco a muchos otros estudiantes que ya están trabajando como analistas que están cursando este grado a tiempo parcial.
- Si cree que ciertas clases son innecesarias dadas sus habilidades y experiencia, puede optar fácilmente por no participar en cursos a favor. de cursos más avanzados. Por ejemplo, conozco a varios estudiantes que no asistieron a la clase de Estadística y probabilidad.
- La mitad de los cursos obligatorios son optativos. Esto significa que puede optar por especializar su título con clases que se adapten a sus objetivos profesionales personales. Puede optar por tomar clases en Stern si desea dedicarse a las finanzas o los negocios. Puede tomar clases de bioinformática, neurociencia, psicología, ciencias políticas y ciencias de la computación; ¡realmente depende de para qué esté estudiando ciencia de datos! Puede encontrar una lista completa de los cursos electivos preaprobados aquí: Cursos electivos preaprobados – Centro de ciencia de datos de la NYU . Parece ser bastante fácil obtener aprobación para otras clases que no están en la lista preaprobada también.
- Las materias optativas de ciencia de datos son excelentes. Si bien acabo de mencionar cómo puede personalizar su título a través de una amplia gama de materias optativas, la mayoría de los estudiantes terminan eligiendo las materias optativas de ciencia de datos. Actualmente estoy tomando un curso sobre Deep Learning de Yann LeCun, director de Investigación de IA de Facebook. También puede tomar Procesamiento del lenguaje natural de Kyunghyun Cho. Carlos Fernandez-Granda y Afonso Bandeira también ofrecen excelentes cursos de Optimización.
Los recursos proporcionados son muy buenos
- El único recurso al que estoy más agradecido es el gran y moderno espacio abierto para estudiar que se proporciona a los estudiantes del Centro de Ciencia de Datos. Cuando obtuve mi licenciatura en una gran escuela pública, no había absolutamente ninguna garantía de que pudieras ir a la biblioteca y encontrar a otras personas a tu lado que estuvieran estudiando lo mismo. Tenemos dos pisos en la Quinta Avenida con ventanas gigantes, escritorios con tomas de corriente incorporadas, pizarras blancas y espacios de oficina pequeños. ¡En este espacio se lleva a cabo mucha colaboración e intercambio de ideas!
- Hay sesiones de información de la empresa y charlas organizadas casi todas las semanas. Revisando mi bandeja de entrada, recientemente hubo charlas sobre «Métodos para descubrir la estructura lingüística subyacente», «Estado futuro: Big Data y análisis para una mejor gobernanza» y «Ciencia de datos @Tumblr». CDS también organiza su propia feria profesional dos veces al año para empresas que buscan específicamente científicos de datos, por lo que no es necesario hacer cola en la enorme feria profesional que se extiende por todo el campus. Las empresas anteriores que han asistido a la feria profesional incluyen: Audible, Ebay, Medidata, iHeartMedia y Capital One Labs. Hay muchas oportunidades para establecer contactos y realmente te facilitan la interacción con muchos miembros diferentes de la comunidad de ciencia de datos.
Sin embargo, también debes considerar esto:
Es extremadamente riguroso
- Como se mencionó en la otra respuesta, algunas clases esperan que entre con una muy buena comprensión del tema ya. Si no eres bueno en programación o matemáticas teóricas, necesitarás estudiar por tu cuenta para ponerte al día. La tarea toma alrededor de 60 horas a la semana, generalmente más. Afortunadamente, he descubierto que la mayoría de los profesores son muy útiles y están disponibles si realmente te cuesta entender el material. Los cursos introductorios del primer semestre del programa Data Science están diseñados para ayudarlo a ponerse al día en estos temas. Pero si es un estudiante de informática y toma estas clases como optativas, puede que le resulte muy desafiante.
- Si está buscando un camino de nivel más alto y «fácil» hacia la analítica, puede que esto no sea para Uds. Es muy pesado en matemáticas, estadísticas y programación. Un compañero de estudios me dijo una vez que deseaba obtener un título en Business Analytics. Sin embargo, para ser un científico de datos exitoso, debe aprender las matemáticas y la teoría detrás de los algoritmos.