Melhor resposta
Eu tenho orientou alunos que foram estudar MS Data Science em Columbia. Em seguida, fiz um webinar QnA aprofundado com ela e escrevi um comentário / postagem de avaliação detalhada deste programahttp: //scholarstrategy.com/columbia-data-science-review/ (link na parte inferior).
- Aqui estão minhas lições que são relevantes para esta questão – os programas de ciência de dados também dão boas-vindas aos alunos que não são da ciência da computação, o que significa que não precisam de uma boa exposição à ciência da computação em primeiro lugar. O currículo foi elaborado para ser administrado por pessoas que não são especialistas em ciências também. Em contraste, MS CS será obviamente mais orientado para CS, esperando uma certa proficiência em disciplinas principais.
- MS Data Science é um curso de 30 créditos (10 × 3) com 7 cursos básicos e 3 eletivos. Os cursos básicos incluem Aprendizado de máquina, visualização, estatística e modelagem de inferência . As disciplinas optativas podem ser realizadas em qualquer departamento (Jornalismo, Ciência da Computação, escola de negócios, ECE). Por exemplo, computação em nuvem e análise, Big data, construção de história a partir de dados etc. O curso de ciência da computação terá uma abordagem mais teórica e de programação pesada e nenhuma estatística etc.
- No que diz respeito às colocações, você ainda pode fazer O papel da ciência de dados após o MS em CS, dependendo de quais cursos você faz.
Acho que tudo se resume to is – DS é mais pesado em matemática e CS é mais pesado em programação / IA. Eles estarão próximos. Pelo lado bom, você não pode errar com nenhum dos dois 🙂
Estamos realizando um webinar de QnA com o cientista de dados de marketing em 23 de abril, será super informativo. Para obter mais informações, junte-se a nós em Estágios e empregos de MS nos EUA
Resposta
Sou estudante do primeiro ano no programa de MS in Data Science da NYU. Acho que é fantástico por vários motivos.
Os cursos são abrangentes
- Existem muitos programas de ciência de dados mais novos estão aparecendo hoje em dia, então pode ser difícil julgar se certos programas são legítimos ou não. O curso introdutório ofereceu uma visão geral de alto nível muito boa das considerações que se devem fazer ao abordar a ciência de dados nos negócios e como dividir problemas aparentemente complexos em problemas menores bem conhecidos de uma forma estruturada. O curso de Estatística e Probabilidade era como um curso de graduação em Estatística compactado em um semestre. No momento, estou fazendo o curso de Aprendizado de Máquina e ele realmente empurra você para entender o tópico de todas as perspectivas (teórica, matemática e prática).
- Existem muitas oportunidades de trabalhar em projetos sobre os quais você pode falar com potenciais empregadores. O projeto capstone é um curso obrigatório no final do programa, mas quase todas as classes têm um projeto de semestre final obrigatório. Os requisitos para os projetos são muito abertos – você pode escolher praticamente qualquer problema de ciência de dados que lhe interesse e pode ir tão fundo neles quanto quiser.
O programa é muito flexível, com excelentes eletivas
- Todas as aulas são agendadas para a noite (minha primeira aula é às 17h), então se você deseja concluir o programa trabalhando em tempo integral, é muito possível. Eu conheço muitos outros alunos que já trabalham como analistas e estão buscando este grau em meio período.
- Se você acredita que certas aulas são desnecessárias devido às suas habilidades e experiência, você pode facilmente cancelar os cursos em favor de cursos mais avançados. Por exemplo, eu conheço vários alunos que dispensaram as aulas de Estatística e Probabilidade.
- Metade do curso obrigatório é eletiva. Isso significa que você pode optar por se especializar em cursos adequados aos seus objetivos profissionais. Você pode optar por fazer aulas na Stern se quiser entrar em finanças ou negócios. Você pode ter aulas de bioinformática, neurociência, psicologia, ciência política e ciência da computação – realmente depende do que você está estudando para ciência de dados! Uma lista completa dos cursos eletivos pré-aprovados pode ser encontrada aqui: Cursos eletivos pré-aprovados – NYU Center for Data Science . Parece ser bastante fácil obter aprovação para outras classes que não estão na lista pré-aprovada também.
- As disciplinas eletivas de ciência de dados são ótimas. Embora eu tenha mencionado como você pode personalizar seu diploma por meio de uma ampla variedade de disciplinas eletivas, a maioria dos alunos acaba escolhendo por conta própria as disciplinas de ciência de dados. Atualmente, estou fazendo um curso de Deep Learning com Yann LeCun, chefe do Facebook AI Research. Você também pode fazer o Processamento de Linguagem Natural de Kyunghyun Cho. Carlos Fernandez-Granda e Afonso Bandeira também oferecem excelentes cursos de Otimização.
Os recursos fornecidos são muito bons
- O único recurso que agradeço pois é o grande e moderno espaço aberto para estudar que é fornecido aos alunos do Center of Data Science. Quando me formei em uma grande escola pública, não havia absolutamente nenhuma garantia de que você poderia ir à biblioteca e encontrar outras pessoas ao seu lado estudando a mesma coisa. Temos dois andares na 5ª Avenida com janelas gigantescas, mesas com tomadas embutidas, quadros brancos e pequenos escritórios. Muita colaboração e troca de ideias acontecem neste espaço!
- Existem sessões de informação sobre a empresa e palestras realizadas quase todas as semanas. Olhando em minha caixa de entrada, recentemente houve palestras sobre “Métodos para descobrir a estrutura lingüística subjacente”, “Estado futuro: Big Data e análise para melhor governança” e “Ciência de dados @Tumblr”. O CDS também hospeda sua própria feira de carreiras duas vezes por ano para empresas que procuram especificamente cientistas de dados, então você não precisa ficar na fila na enorme feira de carreiras que abrange todo o campus. As empresas anteriores que compareceram à feira de carreiras incluem: Audible, Ebay, Medidata, iHeartMedia e Capital One Labs. Existem muitas oportunidades de networking e elas realmente tornam mais fácil para você interagir com muitos membros diferentes da comunidade de ciência de dados.
No entanto, você também deve considerar isso:
É extremamente rigoroso
- Como a outra resposta mencionada, algumas classes esperam que você venha com um bom entendimento do assunto já. Se você não for bom em programação ou matemática teórica, precisará estudar por conta própria para se atualizar. O dever de casa leva cerca de 60 horas por semana, geralmente mais. Felizmente, descobri que a maioria dos professores são muito úteis e estão disponíveis se você estiver realmente tendo dificuldades para entender o material. Os cursos introdutórios no primeiro semestre para o programa de Ciência de Dados são projetados para ajudá-lo a se atualizar sobre esses assuntos. Mas se você é um estudante de ciência da computação e está fazendo essas aulas eletivas, pode achar que é um grande desafio.
- Se você está procurando um caminho mais “fácil” e de alto nível para a análise, pode não ser para você. É muito pesado em matemática, estatística e programação. Um colega uma vez me disse que gostaria de obter um diploma de Business Analytics. No entanto, para ser um cientista de dados de sucesso, você deve aprender a matemática e a teoria por trás dos algoritmos!