Paras vastaus
Minulla on mentoroituja opiskelijoita, jotka menivät osallistumaan MS Data Science -konserniin Columbiaan. Sitten tein hänen kanssaan perusteellisen QnA-verkkoseminaarin ja kirjoitin yksityiskohtaisen palautteen / katsausviestin tästä ohjelmasta http://scholarstrategy.com/columbia-data-science-review/ (linkki alareunassa).
- Tässä ovat otokset, jotka ovat merkityksellisiä tässä kysymyksessä – Data Science -ohjelmat toivottavat tervetulleiksi myös muut kuin CS-opiskelijat, mikä tarkoittaa, ettei se tarvitse ensinnäkin hyvää altistumista CS: lle. Opetussuunnitelma on suunniteltu myös muiden kuin CS-ihmisten hoitamaan. Sitä vastoin MS CS on tietysti enemmän CS-suuntautunut, odottaen tiettyä ydinaineiden taitoa.
- MS Data Science on 30 opintopisteen (10 × 3) kurssi, jossa on 7 ydintä ja 3 valinnaisia kursseja. Peruskurssit sisältävät koneoppimisen, visualisoinnin, tilastot ja päättelymallinnuksen . Valinnaiset kurssit voidaan suorittaa mistä tahansa osastosta (journalismi, CS, kauppakorkeakoulu, ECE). Esimerkiksi pilvipalvelut ja -analytiikka, big data, tietojen kerääminen jne. CS-kurssilla on enemmän teoreettista ja ohjelmointiraskasta lähestymistapaa eikä tilastoja jne.
- Sijoitteluiden suhteen voit silti ottaa Tietojenkäsittelytieteen rooli MS: n jälkeen CS: ssä sen mukaan, mitä kursseja valitset.
Luulen, että se kiehuu. on – DS on enemmän matemaattista ja CS on enemmän ohjelmointia / tekoäly raskasta. Ne ovat lähellä. Hyvällä puolella, et voi mennä pieleen kumpaankaan 🙂
Teemme QnA-verkkoseminaarin markkinointitietotieteilijän kanssa 23. huhtikuuta, on erittäin informatiivinen. Jos haluat lisätietoja, liity jäseneksi MS Yhdysvalloissa harjoittelupaikkoja ja työpaikkoja
Vastaa
Olen ensimmäisen vuoden opiskelija NYU MS in Data Science -ohjelmassa. Mielestäni se on fantastinen monista syistä.
Kurssit ovat kattavia
- On olemassa paljon uudempia datatieteen ohjelmia näkyy nykyään, joten voi olla vaikea arvioida, ovatko tietyt ohjelmat laillisia vai ei. Alustava kurssi antoi erittäin hyvän korkean tason yleiskuvan asioista, jotka täytyy tehdä lähestyttäessä tietojenkäsittelytietettä liike-elämässä ja kuinka jakaa näennäisesti monimutkaiset ongelmat tunnetuiksi pienemmiksi ongelmiksi jäsennellysti. Tilasto- ja todennäköisyyskurssi oli kuin yhdeksi lukukaudeksi pakattu tilastotieteen perustutkinto. Käyn tällä hetkellä koneoppimistunnilla, ja se todella ajaa sinut ymmärtämään aihetta kaikista näkökulmista (teoreettisesta, matemaattisesta ja käytännön näkökulmasta).
- On monia mahdollisuuksia työskennellä sellaisten projektien parissa, joista voit puhua mahdollisten työnantajien kanssa. Huippukiviprojekti on pakollinen kurssi ohjelman lopussa, mutta melkein jokaisella luokalla on vaadittava viimeisen lukukauden projekti. Hankkeiden vaatimukset ovat hyvin avoimia – voit valita melkein minkä tahansa sinua kiinnostavan datatiedeongelman ja voit mennä niihin niin syvälle kuin haluat.
Ohjelma on erittäin joustava ja siinä on erinomaiset valinnaiset vaihtoehdot.
- Kaikki luokat on suunniteltu yöllä (aikaisin luokkani on klo 17), joten jos haluat suorittaa ohjelman täyttä aikaa työskennellessäsi, se on erittäin mahdollista. Tunnen monia muita opiskelijoita, jotka jo työskentelevät analyytikoina ja harjoittavat tätä tutkintoa osa-aikaisesti.
- Jos uskot, että tietyt luokat ovat tarpeettomia taitojesi ja kokemuksesi vuoksi, voit helposti kieltäytyä kursseista edistyneempiä kursseja. Esimerkiksi tunnen useita opiskelijoita, jotka luopuivat Tilastot ja todennäköisyys -luokalta.
- Puolet vaadittavista kursseista on valittavia. Tämä tarkoittaa, että voit päättää erikoistua tutkintosi luokkiin, jotka sopivat henkilökohtaisiin urasi tavoitteisiin. Voit ottaa kursseja Sternissä, jos haluat mennä talouteen tai liiketoimintaan. Voit käydä bioinformatiikan, neurotieteen, psykologian, valtiotieteen ja tietojenkäsittelytieteen kursseja – se riippuu todella siitä, mihin opiskelet datatiedettä! Täydellinen luettelo ennalta hyväksytyistä valinnaisista kursseista löytyy täältä: Pre-Approved Valective Courses – NYU Center for Data Science . Vaikuttaa siltä, että on melko helppoa saada hyväksyntä myös muille luokille, jotka eivät ole ennalta hyväksytyssä luettelossa.
- Tietojenkäsittelytieteen valinnaiset vaihtoehdot ovat hyvät. Vaikka mainitsin juuri, kuinka voit mukauttaa tutkintoa laajalla valikoimalla valintoja, useimmat opiskelijat valitsevat itse datatieteen valinnaiset. Käyn parhaillaan syvällisen oppimisen kurssia Facebook AI Researchin johtajalta Yann LeCunilta. Voit myös ottaa luonnollisen kielen käsittelyn Kyunghyun Cho -palvelusta. Carlos Fernandez-Granda ja Afonso Bandeira tarjoavat myös erinomaisia optimointikursseja.
Annetut resurssit ovat erittäin hyviä
- Yksi voimavara, josta olen kiitollinen for on suuri, moderni avoin tila opiskelulle, joka tarjotaan Center of Data Science -opiskelijoille. Kun sain perustutkintoni suuressa julkisessa koulussa, ei ollut mitään takeita siitä, että voit mennä kirjastoon ja löytää muita ihmisiä vierestäsi, jotka opiskelevat samaa. Meillä on 5. kerroksessa kaksi kerrosta jättimäisillä ikkunoilla, työpöydillä, joissa on sisäänrakennetut pistorasiat, valkotaulut ja pienet toimistotilat. Tässä tilassa tapahtuu paljon yhteistyötä ja ideoiden vaihtoa!
- Lähes viikoittain järjestetään yritystietoja ja neuvotteluja. Postilaatikkoni läpi on viime aikoina puhuttu ”Menetelmistä taustalla olevan kielirakenteen löytämiseksi”, ”Tulevaisuuden tila: Big Data ja Analytics parempaan hallintoon” ja ”Data science @Tumblr”. CDS isännöi myös omia uramessujaan kahdesti vuodessa yrityksille, jotka etsivät erityisesti tutkijoita, joten sinun ei tarvitse mennä jonoon valtavilla kampuksen laajuisilla uramessuilla. Aiempia yrityksiä, jotka ovat tulleet uramessuille, ovat: Audible, Ebay, Medidata, iHeartMedia ja Capital One Labs. Verkostointimahdollisuuksia on paljon, ja niiden avulla on todella helppoa olla vuorovaikutuksessa monien erilaisten tietojenkäsittelyyhteisön jäsenten kanssa.
Ota kuitenkin huomioon myös tämä:
Se on erittäin tiukka
- Kuten toinen vastaus mainittiin, muutamat luokat odottavat sinua tulemaan sisään erittäin hyvä käsitys aiheesta jo. Jos et ole vahva ohjelmoinnissa tai teoreettisessa matematiikassa, sinun on itse opiskeltava kiinni. Kotitehtävät vievät noin 60 tuntia viikossa, yleensä enemmän. Onneksi olen huomannut, että useimmat professorit ovat erittäin hyödyllisiä ja käytettävissä, jos todella yrität ymmärtää materiaalia. Tietojenkäsittelyohjelman ensimmäisen lukukauden alkukurssit on suunniteltu auttamaan sinua kiinni näistä aiheista. Mutta jos olet CS-opiskelija ja otat nämä luokat valinnaisiksi, saatat löytää sen erittäin haastavaksi.
- Jos etsit korkeamman tason ”helpompaa” polkua analytiikkaan, tämä ei välttämättä sovi sinä. Se on erittäin raskasta matematiikassa, tilastoissa ja ohjelmoinnissa. Eräs opiskelijakollegani kertoi kerran haluavansa, että he suorittavat sen sijaan Business Analytics -tutkinnon. Menestyvä datatieteilijä on kuitenkin opittava algoritmien takana oleva matematiikka ja teoria!