Migliore risposta
Ho mentore degli studenti che sono andati a frequentare MS Data Science alla Columbia. Quindi, ho fatto un webinar approfondito di QnA con lei e ho scritto un post dettagliato di feedback / recensione su questo programmahttp: //scholarstrategy.com/columbia-data-science-review/ (link in fondo).
- Ecco i miei suggerimenti rilevanti per questa domanda: i programmi di Data Science accolgono anche studenti non CS, il che significa che non ha bisogno di una buona esposizione al CS in primo luogo. Il curriculum è progettato per essere gestito anche da persone non CS. Al contrario, MS CS sarà ovviamente più orientato al CS, prevedendo una certa competenza nelle materie fondamentali.
- MS Data Science è un corso di 30 crediti (10 × 3) con 7 corsi di base e 3 opzionali. I corsi principali includono Machine Learning, visualizzazione, statistica e modellazione di inferenza . I corsi opzionali possono essere presi da qualsiasi dipartimento (giornalismo, CS, business school, ECE). Ad esempio, cloud computing e analisi, Big data, costruzione di storie dai dati ecc. Il corso CS avrà un approccio più teorico e di programmazione pesante e nessuna statistica ecc.
- Per quanto riguarda i posizionamenti, puoi ancora prendere Il ruolo di Data Science dopo MS in CS dipende dai corsi che segui.
Penso che cosa si riduce to is – DS è più pesante per la matematica e CS è più pesante per la programmazione / AI. Saranno vicini. Dal lato positivo, non puoi sbagliare con nessuno dei due 🙂
Stiamo facendo un webinar QnA con Marketing Data Scientist il 23 aprile, sarà super informativo. Per ulteriori informazioni, unisciti a noi su MS in USA Stage e lavoro
Risposta
Sono uno studente del primo anno nel programma MS in Data Science della NYU. Penso che sia fantastico per una serie di motivi.
I corsi sono completi
- Ci sono al giorno doggi vengono visualizzati molti programmi di scienza dei dati più recenti, quindi può essere difficile giudicare se determinati programmi siano legittimi o meno. Il corso introduttivo ha fornito unottima panoramica di alto livello delle considerazioni da fare quando ci si avvicina alla scienza dei dati nel mondo degli affari e su come scomporre i problemi apparentemente complessi in problemi più piccoli ben noti in modo strutturato. Il corso di statistica e probabilità era come una laurea in statistica compressa in un semestre. Attualmente sto frequentando il corso di Machine Learning e ti spinge davvero a comprendere largomento da tutte le prospettive (teorica, matematica e pratica).
- Ci sono molte opportunità per lavorare su progetti di cui puoi parlare con potenziali datori di lavoro. Il progetto capstone è un corso obbligatorio alla fine del programma, ma quasi ogni classe ha un progetto a termine finale richiesto. I requisiti per i progetti sono molto aperti: puoi scegliere quasi tutti i problemi di scienza dei dati che ti interessano e puoi approfondirli quanto desideri.
Il programma è molto flessibile con eccellenti lezioni opzionali
- Tutte le lezioni sono programmate di notte (la mia prima lezione è alle 17:00), quindi se stai cercando di completare il programma mentre lavori a tempo pieno, è molto possibile. Conosco molti altri studenti che stanno già lavorando come analisti che stanno perseguendo questa laurea part-time.
- Se ritieni che alcune lezioni non siano necessarie date le tue capacità ed esperienza, puoi facilmente rinunciare ai corsi a favore di corsi più avanzati. Ad esempio, conosco diversi studenti che hanno rinunciato al corso di statistica e probabilità.
- La metà dei corsi richiesti è facoltativa. Ciò significa che puoi scegliere di specializzare la tua laurea con corsi adatti ai tuoi obiettivi di carriera personali. Puoi scegliere di prendere lezioni alla Stern se vuoi entrare in finanza o affari. Puoi prendere lezioni di bioinformatica, neuroscienze, psicologia, scienze politiche e informatica: dipende davvero da cosa stai studiando scienza dei dati! Un elenco completo dei corsi opzionali pre-approvati è disponibile qui: Corsi opzionali pre-approvati – NYU Center for Data Science . Sembra essere abbastanza facile ottenere lapprovazione anche per altre classi che non sono nellelenco pre-approvato.
- Gli elettivi di data science sono fantastici. Mentre ho appena menzionato come puoi personalizzare la tua laurea attraverso una vasta gamma di elettivi, la maggior parte degli studenti finisce per scegliere gli elettivi di scienza dei dati stessi. Attualmente sto frequentando un corso sul Deep Learning tenuto da Yann LeCun, il capo di Facebook AI Research. Puoi anche prendere Natural Language Processing da Kyunghyun Cho. Carlos Fernandez-Granda e Afonso Bandeira offrono anche ottimi corsi di ottimizzazione.
Le risorse fornite sono molto buone
- Lunica risorsa di cui sono più grato perché è il grande e moderno spazio aperto per lo studio fornito agli studenti del Center of Data Science. Quando mi sono laureato in una grande scuola pubblica, non cera assolutamente alcuna garanzia che tu potessi andare in biblioteca e trovare altre persone accanto a te che studiavano la stessa cosa. Abbiamo due piani sulla 5th Ave con finestre gigantesche, scrivanie con prese di corrente integrate, lavagne bianche e piccoli uffici. In questo spazio avvengono molte collaborazioni e scambi di idee!
- Ci sono sessioni informative e conferenze aziendali ospitate quasi ogni settimana. Guardando attraverso la mia casella di posta, di recente ci sono stati colloqui su “Metodi per scoprire la struttura linguistica sottostante”, “Stato futuro: Big Data e analisi per una migliore governance” e “Scienza dei dati @Tumblr”. CDS ospita anche la propria fiera della carriera due volte allanno per le aziende che cercano specificamente data scientist, quindi non è necessario mettersi in fila allenorme fiera della carriera a livello di campus. Le aziende del passato che sono arrivate alla fiera della carriera includono: Audible, Ebay, Medidata, iHeartMedia e Capital One Labs. Ci sono molte opportunità di networking e ti rendono davvero facile interagire con molti membri diversi della comunità di data science.
Tuttavia, dovresti considerare anche questo:
È estremamente rigoroso
- Come menzionato nellaltra risposta, alcune classi si aspettano che tu entri con già unottima comprensione dellargomento. Se non sei forte nella programmazione o nella matematica teorica, dovrai studiare da solo per recuperare il ritardo. I compiti richiedono circa 60 ore a settimana, di solito di più. Fortunatamente, ho trovato la maggior parte dei professori molto disponibili e disponibili se stai davvero lottando per capire il materiale. I corsi introduttivi del primo semestre al programma di Data Science sono progettati per aiutarti a recuperare il ritardo su questi argomenti. Ma se sei uno studente di scienze informatiche e prendi questi corsi come lezioni facoltative, potresti trovarlo molto impegnativo.
- Se stai cercando un percorso “facile” di livello più alto nellanalisi, questo potrebbe non essere adatto voi. È molto pesante in matematica, statistica e programmazione. Un altro studente una volta mi ha detto che desideravano invece conseguire una laurea in Business Analytics. Tuttavia, per essere un data scientist di successo, devi imparare la matematica e la teoria alla base degli algoritmi!