ベストアンサー
コロンビアのMSデータサイエンスに参加した学生を指導しました。次に、彼女と詳細なQnAウェビナーを行い、このプログラムの詳細なフィードバック/レビュー投稿を作成しましたhttp://scholarstrategy.com/columbia-data-science-review/（下部のリンク）。
- この質問に関連する私のポイントは次のとおりです。データサイエンスプログラムは、CS以外の学生も歓迎します。つまり、そもそもCSに十分に触れる必要はありません。カリキュラムは、CS以外の人も扱うように設計されています。対照的に、MS CSは明らかにCS指向であり、コア科目にある程度の習熟度が期待されます。
- MSデータサイエンスは、7つのコアコースと3つの選択科目を含む30単位のコース（10×3）です。コアコースには、機械学習、視覚化、統計、推論モデリングが含まれます。選択科目は、どの部門（ジャーナリズム、CS、ビジネススクール、ECE）からでも受講できます。たとえば、クラウドコンピューティングと分析、ビッグデータ、データからのストーリーの構築など。CSコースには、より理論的でプログラミングに重点を置いたアプローチがあり、統計などはありません。
- 配置に関する限り、引き続き受講できます。受講するコースに応じて、CSでのMS後のデータサイエンスの役割。
要約するとto is-DSは数学が多く、CSはプログラミング/ AIが多くなります。彼らは近くになります。良い面としては、どちらでも間違いはありません:)
4月23日にマーケティングデータサイエンティストとのQnAウェビナーを行っています。非常に有益です。詳細については、 MS in USA Internships and Jobs
回答
私は1年生です。 NYU MS in DataScienceプログラムで。さまざまな理由で素晴らしいと思います。
コースは包括的です
- あります最近は新しいデータサイエンスプログラムがたくさん登場しているので、特定のプログラムが合法かどうかを判断するのは難しいかもしれません。入門コースでは、ビジネスでデータサイエンスに取り組む際に考慮しなければならない考慮事項と、一見複雑に見える問題を構造化された方法でよく知られた小さな問題に分解する方法について、非常に優れた概要を説明しました。統計と確率のコースは、1学期に圧縮された統計の学部課程のようなものでした。私は現在、機械学習のクラスを受講していますが、すべての観点（理論的、数学的、実践的）からトピックを理解するように促されます。
- 話し合うことができるプロジェクトに取り組む機会はたくさんあります。将来の雇用主と。キャップストーンプロジェクトはプログラムの最後に必須のコースですが、ほぼすべてのクラスに最終学期のプロジェクトが必要です。プロジェクトの要件は非常にオープンです。興味のあるほぼすべてのデータサイエンスの問題を選択でき、好きなだけ深く掘り下げることができます。
プログラムは非常に柔軟で、優れた選択科目があります
- すべてのクラスは夜間にスケジュールされています（私の最初のクラスは午後5時です）。あなたはフルタイムで働いている間にプログラムを完了することを探しています、それは非常に可能です。この学位をパートタイムで追求しているアナリストとしてすでに働いている他の多くの学生を知っています。
- スキルと経験から特定のクラスが不要であると思われる場合は、コースを簡単にオプトアウトできます。より高度なコースの。たとえば、統計と確率のクラスを免除した数人の学生を知っています。
- 必要なコースワークの半分は選択科目です。これは、あなたがあなたの個人的なキャリアの目標に合ったクラスであなたの学位を専門にすることを選ぶことができることを意味します。金融やビジネスに行きたい場合は、スターンでクラスを受講することを選択できます。バイオインフォマティクス、神経科学、心理学、政治学、コンピュータサイエンスのクラスを受講できます。これは、データサイエンスを何のために勉強しているかによって異なります。事前承認された選択科目の完全なリストは、事前承認された選択科目-NYUデータサイエンスセンターにあります。事前承認リストにない他のクラスの承認を取得するのもかなり簡単なようです。
- データサイエンスの選択科目は素晴らしいです。さまざまな選択科目を通じて学位をカスタマイズする方法について説明しましたが、ほとんどの学生は最終的にデータサイエンスの選択科目を自分で選択することになります。現在、Facebook AIResearchの責任者であるYannLeCunからディープラーニングのコースを受講しています。チョ・ギョンヒョンから自然言語処理を利用することもできます。 CarlosFernandez-GrandaとAfonsoBandeiraも、最適化の優れたコースを提供しています。
提供されるリソースは非常に優れています
- 私が最も感謝している1つのリソースforは、データサイエンスセンターの学生に提供される、大きくてモダンな学習用のオープンスペースです。私が大規模な公立学校で学士号を取得したとき、あなたが図書館に行ってあなたの隣にいる他の人が同じことを勉強しているのを見つけることができるという保証はまったくありませんでした。 5番街には2つのフロアがあり、巨大な窓、電源コンセントが組み込まれたデスク、ホワイトボード、小さなオフィススペースがあります。このスペースでは、多くのコラボレーションとアイデアの交換が行われます！
- ほぼ毎週開催される会社説明会と講演会があります。私の受信トレイを見ると、最近、「基礎となる言語構造を発見する方法」、「将来の状態：より良いガバナンスのためのビッグデータと分析」、「データサイエンス@Tumblr」についての講演がありました。 CDSはまた、特にデータサイエンティストを探している企業向けに、年に2回独自の就職説明会を開催しているため、キャンパス全体の大規模な就職説明会に並ぶ必要はありません。就職説明会に参加した過去の企業には、Audible、Ebay、Medidata、iHeartMedia、Capital OneLabsなどがあります。ネットワーキングの機会はたくさんあり、データサイエンスコミュニティのさまざまなメンバーと簡単にやり取りできます。
ただし、これも考慮する必要があります。
非常に厳格です
- 他の回答で述べたように、いくつかのクラスでは、すでに主題の非常に良い理解。プログラミングや理論数学が苦手な場合は、追いつくために自習する必要があります。宿題は週に約60時間、通常はそれ以上かかります。幸いなことに、資料を理解するのに本当に苦労している場合は、ほとんどの教授が非常に役に立ち、利用できることがわかりました。データサイエンスプログラムの最初の学期の入門コースは、これらの主題に追いつくのに役立つように設計されています。ただし、CSの学生であり、これらのクラスを選択科目として受講している場合は、非常に難しいと感じるかもしれません。
- 分析へのより高レベルで「簡単な」パスを探している場合、これは適していません。君は。それは数学、統計学、そしてプログラミングに非常に重いです。ある学生が、代わりにビジネス分析の学位を取得したいと言ったことがあります。ただし、データサイエンティストとして成功するには、アルゴリズムの背後にある数学と理論を学ぶ必要があります。