Najlepsza odpowiedź
Mam mentorował studentów, którzy wyjechali na studia MS Data Science na Columbia. Następnie przeprowadziłem z nią dogłębne seminarium internetowe QnA i napisałem szczegółowy post z opinią / recenzją tego programu http://scholarstrategy.com/columbia-data-science-review/ (link na dole).
- Oto moje wnioski, które odnoszą się do tego pytania – programy Data Science są mile widziane również dla studentów, którzy nie są CS, co oznacza, że w pierwszej kolejności nie potrzebują dobrego kontaktu z CS. Program jest przeznaczony również dla osób nie będących CS. W przeciwieństwie do tego, MS CS będzie oczywiście bardziej zorientowany na CS, oczekując pewnej biegłości w podstawowych przedmiotach.
- MS Data Science to kurs z 30 punktami (10 × 3) z 7 kursami podstawowymi i 3 przedmiotami do wyboru. Kursy podstawowe obejmują uczenie maszynowe, wizualizację, statystyki i modelowanie wnioskowania . Kursy do wyboru można pobierać z dowolnego wydziału (dziennikarstwa, CS, szkoły biznesu, ECE). Na przykład przetwarzanie w chmurze i analityka, duże zbiory danych, budowanie historii z danych itp. Kurs CS będzie miał bardziej teoretyczne i ciężkie podejście do programowania i nie będzie zawierał statystyk itp.
- Jeśli chodzi o miejsca docelowe, nadal możesz wziąć Rola Data Science po MS w CS w zależności od kursów, które bierzesz.
Myślę, że to się sprowadza to jest – DS jest cięższe od matematyki, a CS jest bardziej programistyczne / AI cięższe. Będą blisko. Z drugiej strony, nie możesz się pomylić z żadnym z nich 🙂
23 kwietnia przeprowadzimy webinarium z pytaniami i odpowiedziami z Marketing Data Scientist, które będą bardzo pouczające. Aby uzyskać więcej informacji, dołącz do nas na MS w USA Praktyki i praca
Odpowiedź
Jestem studentem pierwszego roku na Uniwersytecie Nowojorskim w programie Data Science. Myślę, że jest to fantastyczne z wielu powodów.
Kursy są kompleksowe
- Są Obecnie pojawia się wiele nowszych programów do nauki o danych, więc może być trudno ocenić, czy niektóre programy są legalne, czy nie. Kurs wprowadzający dał bardzo dobry przegląd ogólnych rozważań, które należy poczynić, podchodząc do nauki o danych w biznesie, oraz tego, jak rozłożyć pozornie złożone problemy na dobrze znane mniejsze problemy w uporządkowany sposób. Kurs Statystyka i prawdopodobieństwo był jak licencjat z statystyki skompresowany do jednego semestru. Obecnie biorę udział w zajęciach z uczenia maszynowego i naprawdę popycha Cię to do zrozumienia tematu ze wszystkich perspektyw (teoretycznej, matematycznej i praktycznej).
- Jest wiele możliwości pracy nad projektami, o których możesz mówić z potencjalnymi pracodawcami. Projekt zwieńczenia jest wymaganym kursem pod koniec programu, ale prawie każda klasa ma wymagany projekt końcowy. Wymagania dotyczące projektów są bardzo otwarte – możesz wybrać prawie każdy problem z nauką danych, który Cię interesuje, i zagłębić się w nie tak głęboko, jak chcesz.
Program jest bardzo elastyczny z doskonałymi zajęciami do wyboru
- Wszystkie zajęcia są zaplanowane w porze nocnej (moje pierwsze zajęcia są o 17:00), więc jeśli chcesz ukończyć program w pełnym wymiarze godzin, jest to bardzo możliwe. Znam wielu innych studentów, którzy już pracują jako analitycy w niepełnym wymiarze godzin.
- Jeśli uważasz, że niektóre zajęcia są niepotrzebne, biorąc pod uwagę Twoje umiejętności i doświadczenie, możesz z łatwością zrezygnować z kursów na korzyść bardziej zaawansowanych kursów. Na przykład znam kilku uczniów, którzy zrezygnowali z zajęć ze statystyki i prawdopodobieństwa.
- Połowa wymaganych zajęć to przedmioty do wyboru. Oznacza to, że możesz zdecydować się na specjalizację swojego stopnia za pomocą zajęć, które odpowiadają Twoim osobistym celom zawodowym. Możesz wybrać zajęcia w Stern, jeśli chcesz zająć się finansami lub biznesem. Możesz brać udział w zajęciach z bioinformatyki, neuronauki, psychologii, nauk politycznych i informatyki – to naprawdę zależy od tego, po co się uczysz! Pełną listę wstępnie zatwierdzonych kursów do wyboru można znaleźć tutaj: Wstępnie zatwierdzone kursy do wyboru – NYU Center for Data Science . Wydaje się, że dość łatwo jest uzyskać zgodę na inne klasy, które nie znajdują się na liście wstępnie zatwierdzonych.
- Fakultatywne badania danych są świetne. Chociaż właśnie wspomniałem, jak możesz dostosować swój stopień za pomocą szerokiej gamy przedmiotów do wyboru, większość studentów w końcu samodzielnie wybiera fakultatywne nauki o danych. Obecnie biorę udział w kursie Deep Learning prowadzonym przez Yanna LeCuna, szefa Facebook AI Research. Możesz również wziąć przetwarzanie języka naturalnego od Kyunghyun Cho. Carlos Fernandez-Granda i Afonso Bandeira oferują również doskonałe kursy optymalizacji.
Udostępnione zasoby są bardzo dobre
- Jedyne źródło, za które jestem najbardziej wdzięczny bo to duża, nowoczesna otwarta przestrzeń do nauki, która jest dostępna dla studentów Center of Data Science. Kiedy uzyskałem tytuł licencjata w dużej szkole publicznej, nie było absolutnie żadnej gwarancji, że możesz pójść do biblioteki i znaleźć innych ludzi obok ciebie uczących się tego samego. Mamy dwa piętra na 5th Ave z gigantycznymi oknami, biurkami z wbudowanymi gniazdkami, białymi tablicami i małymi przestrzeniami biurowymi. W tej przestrzeni odbywa się dużo współpracy i wymiany pomysłów!
- Prawie co tydzień odbywają się firmowe sesje informacyjne i wykłady. Przeglądając moją skrzynkę odbiorczą, ostatnio toczyły się rozmowy na temat „Metody odkrywania podstawowej struktury językowej”, „Stan przyszłości: duże zbiory danych i analityka dla lepszego zarządzania” oraz „Nauka o danych @Tumblr”. CDS organizuje również dwa razy w roku własne targi kariery dla firm, które poszukują naukowców zajmujących się danymi, więc nie musisz stać w kolejce na ogromnych targach kariery obejmujących cały kampus. Wcześniejsze firmy, które przyjechały na targi kariery to: Audible, Ebay, Medidata, iHeartMedia i Capital One Labs. Istnieje wiele możliwości nawiązywania kontaktów, które naprawdę ułatwiają interakcję z wieloma różnymi członkami społeczności analityków danych.
Należy jednak wziąć pod uwagę również to:
Jest niezwykle rygorystyczny
- Jak wspomniano w drugiej odpowiedzi, kilka zajęć oczekuje, że przyjdziesz z już bardzo dobre zrozumienie tematu. Jeśli nie jesteś dobry w programowaniu lub matematyce teoretycznej, będziesz musiał sam się uczyć, aby nadrobić zaległości. Praca domowa zajmuje około 60 godzin tygodniowo, zwykle więcej. Na szczęście większość profesorów okazała się bardzo pomocna i dostępna, jeśli naprawdę masz trudności ze zrozumieniem materiału. Kursy wprowadzające w pierwszym semestrze do programu Data Science mają na celu pomóc Ci nadrobić zaległości w tych tematach. Ale jeśli jesteś studentem CS i bierzesz te zajęcia jako fakultatywne, może to być bardzo trudne.
- Jeśli szukasz bardziej zaawansowanej, „łatwej” ścieżki do analityki, może to nie być dla ty. Obejmuje bardzo dużo matematyki, statystyki i programowania. Pewien kolega ze studiów powiedział mi kiedyś, że wolałby zamiast tego zdobyć dyplom z analizy biznesowej. Jednak aby odnieść sukces jako naukowiec danych, musisz nauczyć się matematyki i teorii stojących za algorytmami!