Beste antwoord
Ik heb begeleidden studenten die MS Data Science in Columbia gingen bijwonen. Daarna heb ik een diepgaande QnA-webinar met haar gedaan en een gedetailleerde feedback / recensie-post van dit programma geschreven http://scholarstrategy.com/columbia-data-science-review/ (link onderin).
- Hier zijn mijn afhaalrestaurants die relevant zijn voor deze vraag: Data Science-programmas verwelkomen ook niet-CS-studenten, wat betekent dat het in de eerste plaats geen goede blootstelling aan CS nodig heeft. Curriculum is ontworpen om ook door niet-CS-mensen te worden afgehandeld. MS CS daarentegen zal duidelijk meer CS-georiënteerd zijn en een zekere vaardigheid in kernvakken verwachten.
- MS Data Science is een cursus van 30 studiepunten (10 × 3) met 7 kern- en 3 keuzevakken. Kerncursussen omvatten Machine learning, visualisatie, statistieken en inferentiemodellering . Keuzevakken kunnen worden gevolgd vanuit elke afdeling (Journalistiek, CS, business school, ECE). Bijvoorbeeld cloud computing en analyse, big data, verhaal bouwen op basis van data enz. CS-cursus zal een meer theoretische en programmeer-zware aanpak hebben en geen statistieken enz.
- Wat betreft plaatsingen, kunt u nog steeds volgen Data Science-rol na MS in CS, afhankelijk van welke cursussen je volgt.
Ik denk dat het erop neerkomt to is – DS is zwaarder voor wiskunde en CS is meer van programmeren / AI. Ze zullen dichtbij zijn. Aan de goede kant, je kunt met geen van beide fout gaan 🙂
We doen een QnA-webinar met Marketing Data Scientist op 23 april, dat zal super informatief zijn. Ga voor meer informatie naar MS in USA Stages en banen
Antwoord
Ik ben een eerstejaars student in het NYU MS in Data Science-programma. Ik vind het fantastisch om een aantal redenen.
De cursussen zijn uitgebreid
- Er zijn er verschijnen tegenwoordig veel nieuwere data science-programmas, dus het kan moeilijk zijn om te beoordelen of bepaalde programmas legitiem zijn of niet. De inleidende cursus gaf een zeer goed overzicht op hoog niveau van de overwegingen die men moet maken bij het benaderen van data science in het bedrijfsleven en hoe ogenschijnlijk complexe problemen op een gestructureerde manier kunnen worden opgesplitst in bekende kleinere problemen. De cursus Statistiek en waarschijnlijkheid was als een bachelordiploma in statistiek, gecomprimeerd tot één semester. Ik volg momenteel de Machine Learning-les, en het stimuleert je echt om het onderwerp vanuit alle perspectieven te begrijpen (theoretisch, wiskundig en praktisch).
- Er zijn veel mogelijkheden om aan projecten te werken waarover je kunt praten met potentiële werkgevers. Het sluitstukproject is een verplichte cursus aan het einde van het programma, maar voor bijna elke klas is een eindproject vereist. De vereisten voor de projecten zijn erg open – je kunt bijna elk datawetenschappelijk probleem kiezen dat je interesseert, en je kunt er zo diep op ingaan als je wilt.
Het programma is zeer flexibel met uitstekende keuzevakken
- Alle lessen zijn s nachts gepland (mijn vroegste les is om 17.00 uur), dus als je wilt het programma afronden terwijl je fulltime werkt, dat is heel goed mogelijk. Ik ken veel andere studenten die al als analist werken en deze opleiding parttime volgen.
- Als je denkt dat bepaalde lessen overbodig zijn gezien je vaardigheden en ervaring, kun je je gemakkelijk afmelden voor cursussen. van meer geavanceerde cursussen. Ik ken bijvoorbeeld verschillende studenten die hebben afgezien van de cursus Statistieken en waarschijnlijkheid.
- De helft van de vereiste cursussen bestaat uit keuzevakken. Dit betekent dat je ervoor kunt kiezen om je opleiding te specialiseren met lessen die passen bij je persoonlijke carrièredoelen. Je kunt ervoor kiezen om bij Stern lessen te volgen als je financieel of zakelijk wilt gaan studeren. Je kunt lessen volgen in bio-informatica, neurowetenschappen, psychologie, politieke wetenschappen en informatica – het hangt er echt van af waarvoor je datawetenschap studeert! Een volledige lijst van de vooraf goedgekeurde keuzevakken vindt u hier: Vooraf goedgekeurde keuzevakken – NYU Center for Data Science . Het lijkt redelijk eenvoudig om ook goedkeuring te krijgen voor andere klassen die niet op de vooraf goedgekeurde lijst staan.
- De keuzevakken voor data science zijn geweldig. Hoewel ik net zei hoe je je opleiding kunt aanpassen via een breed scala aan keuzevakken, kiezen de meeste studenten uiteindelijk zelf de keuzevakken voor data science. Ik volg momenteel een cursus over Deep Learning van Yann LeCun, het hoofd van Facebook AI Research. U kunt ook natuurlijke taalverwerking volgen bij Kyunghyun Cho. Carlos Fernandez-Granda en Afonso Bandeira bieden ook uitstekende cursussen in optimalisatie aan.
De geboden bronnen zijn erg goed
- De enige bron die ik zeer dankbaar ben want is de grote, moderne open studieruimte die wordt geboden aan studenten van Center of Data Science. Toen ik mijn bachelordiploma haalde aan een grote openbare school, was er absoluut geen garantie dat je naar de bibliotheek kon gaan en naast je andere mensen zou vinden die hetzelfde studeerden. We hebben twee verdiepingen op 5th Ave met gigantische ramen, bureaus met ingebouwde stopcontacten, whiteboards en kleine kantoorruimtes. In deze ruimte wordt veel samengewerkt en ideeën uitgewisseld!
- Bijna wekelijks worden er informatiesessies en lezingen georganiseerd voor het bedrijf. Als ik door mijn inbox kijk, zijn er onlangs gesprekken geweest over “Methods to Discover Underlying Linguistic Structure”, “Future State: Big Data and Analytics for Better Governance” en “Data science @Tumblr.” CDS organiseert ook twee keer per jaar een eigen carrièrebeurs voor bedrijven die specifiek op zoek zijn naar datawetenschappers, dus je hoeft niet in de rij te gaan staan op de enorme campusbrede carrièrebeurs. Eerdere bedrijven die naar de carrièrebeurs zijn gekomen, zijn onder meer: Audible, Ebay, Medidata, iHeartMedia en Capital One Labs. Er zijn tal van netwerkmogelijkheden, en ze maken het je echt gemakkelijk om te communiceren met veel verschillende leden van de datawetenschapsgemeenschap.
Maar je moet dit ook overwegen:
Het is buitengewoon rigoureus
- Zoals het andere antwoord al zei, verwachten een paar klassen dat je binnenkomt met al een heel goed begrip van het onderwerp. Als je niet goed bent in programmeren of theoretische wiskunde, moet je zelfstudie hebben om bij te praten. Huiswerk duurt ongeveer 60 uur per week, meestal meer. Gelukkig heb ik gemerkt dat de meeste professoren erg behulpzaam en beschikbaar zijn als je echt moeite hebt om de stof te begrijpen. De inleidende cursussen in het eerste semester van het Data Science-programma zijn bedoeld om u te helpen bij het inhalen van deze onderwerpen. Maar als je een CS-student bent en deze lessen als keuzevakken volgt, vind je het misschien erg uitdagend.
- Als je op zoek bent naar een hoger, gemakkelijk pad naar analyse, is dit misschien niet bedoeld voor u. Het is erg zwaar op wiskunde, statistiek en programmeren. Een medestudent vertelde me ooit dat ze wensten dat ze in plaats daarvan een Business Analytics-opleiding zouden volgen. Om echter een succesvolle datawetenschapper te zijn, moet u de wiskunde en theorie achter de algoritmen leren!