Beste Antwort
Ich habe betreute Studenten, die MS Data Science in Columbia besuchten. Dann habe ich ein ausführliches QnA-Webinar mit ihr durchgeführt und einen detaillierten Feedback- / Überprüfungsbeitrag zu diesem Programm verfasst. Http://scholarstrategy.com/columbia-data-science-review/ (Link unten).
- Hier sind meine Erkenntnisse, die für diese Frage relevant sind: Data Science-Programme heißen auch Nicht-CS-Studenten willkommen, was bedeutet, dass es überhaupt nicht erforderlich ist, sich mit CS vertraut zu machen. Der Lehrplan ist auch für Nicht-CS-Mitarbeiter konzipiert. Im Gegensatz dazu wird MS CS offensichtlich stärker auf CS ausgerichtet sein und eine gewisse Kompetenz in Kernfächern erwarten.
- MS Data Science ist ein 30-Kredit-Kurs (10 × 3) mit 7 Kern- und 3 Wahlfächern. Zu den Kernkursen gehören Maschinelles Lernen, Visualisierung, Statistik und Inferenzmodellierung . Wahlfächer können von jeder Abteilung (Journalismus, CS, Business School, ECE) belegt werden. Zum Beispiel Cloud Computing und Analytics, Big Data, Erstellen von Storys aus Daten usw. Der CS-Kurs bietet einen eher theoretischen und programmierintensiven Ansatz und keine Statistiken usw.
- In Bezug auf Placements können Sie weiterhin Kurse belegen Data Science-Rolle nach MS in CS, je nachdem, welche Kurse Sie belegen.
Ich denke, was es ausmacht zu ist – DS ist mehr Mathe schwer und CS ist mehr Programmieren / KI schwer. Sie werden nah sein. Auf der guten Seite können Sie auch nichts falsch machen 🙂
Wir führen am 23. April ein QnA-Webinar mit Marketing Data Scientist durch, das sehr informativ sein wird. Für weitere Informationen besuchen Sie uns auf MS in USA Praktika und Jobs
Antwort
Ich bin ein Student im ersten Jahr im NYU MS in Data Science Programm. Ich finde es aus verschiedenen Gründen fantastisch.
Die Kurse sind umfassend.
- Es gibt Viele neuere datenwissenschaftliche Programme tauchen heutzutage auf, daher kann es schwierig sein zu beurteilen, ob bestimmte Programme legitim sind oder nicht. Der Einführungskurs gab einen sehr guten Überblick auf hoher Ebene über die Überlegungen, die bei der Annäherung an die Datenwissenschaft in der Wirtschaft angestellt werden müssen, und darüber, wie scheinbar komplexe Probleme strukturiert in bekannte kleinere Probleme zerlegt werden können. Der Statistik- und Wahrscheinlichkeitskurs war wie ein in einem Semester komprimierter Bachelor-Abschluss in Statistik. Ich nehme derzeit an der Klasse für maschinelles Lernen teil und es bringt Sie wirklich dazu, das Thema aus allen Perspektiven (theoretisch, mathematisch und praktisch) zu verstehen.
- Es gibt viele Möglichkeiten, an Projekten zu arbeiten, über die Sie sprechen können mit potenziellen Arbeitgebern. Das Schlusssteinprojekt ist ein Pflichtkurs am Ende des Programms, aber für fast jede Klasse ist ein Abschlussprojekt erforderlich. Die Anforderungen für die Projekte sind sehr offen – Sie können nahezu jedes datenwissenschaftliche Problem auswählen, das Sie interessiert, und Sie können so tief in sie eintauchen, wie Sie möchten.
Das Programm ist sehr flexibel mit hervorragenden Wahlfächern.
- Alle Kurse finden nachts statt (mein frühester Kurs ist um 17 Uhr) Wenn Sie das Programm während der Vollzeitarbeit abschließen möchten, ist dies sehr gut möglich. Ich kenne viele andere Studenten, die bereits als Analysten arbeiten und diesen Abschluss in Teilzeit anstreben.
- Wenn Sie der Meinung sind, dass bestimmte Klassen aufgrund Ihrer Fähigkeiten und Erfahrungen unnötig sind, können Sie Kurse problemlos ablehnen von fortgeschritteneren Kursen. Zum Beispiel kenne ich mehrere Studenten, die aus der Statistik- und Wahrscheinlichkeitsklasse verzichtet haben.
- Die Hälfte der erforderlichen Studienleistungen sind Wahlfächer. Dies bedeutet, dass Sie Ihren Abschluss auf Kurse spezialisieren können, die Ihren persönlichen Karrierezielen entsprechen. Sie können wählen, ob Sie Kurse bei Stern belegen möchten, wenn Sie sich für Finanzen oder Business interessieren. Sie können Kurse in Bioinformatik, Neurowissenschaften, Psychologie, Politikwissenschaft und Informatik belegen – es hängt wirklich davon ab, wofür Sie Datenwissenschaft studieren! Eine vollständige Liste der vorab genehmigten Wahlfächer finden Sie hier: Vorab genehmigte Wahlfächer – NYU Center for Data Science . Es scheint ziemlich einfach zu sein, eine Genehmigung für andere Klassen zu erhalten, die nicht auf der vorab genehmigten Liste stehen.
- Die Wahlfächer für Data Science sind großartig. Während ich gerade erwähnte, wie Sie Ihren Abschluss durch eine Vielzahl von Wahlfächern anpassen können, entscheiden sich die meisten Studenten letztendlich für die Wahlfächer für Data Science. Ich nehme derzeit an einem Kurs über Deep Learning von Yann LeCun teil, dem Leiter der Facebook AI Research. Sie können auch die Verarbeitung natürlicher Sprache von Kyunghyun Cho übernehmen. Carlos Fernandez-Granda und Afonso Bandeira bieten ebenfalls hervorragende Kurse in Optimierung an.
Die bereitgestellten Ressourcen sind sehr gut.
- Die eine Ressource, für die ich sehr dankbar bin Denn es ist der große, moderne Freiraum für das Studium, der Studenten des Center of Data Science zur Verfügung gestellt wird. Als ich meinen Bachelor-Abschluss an einer großen öffentlichen Schule machte, gab es absolut keine Garantie dafür, dass Sie in die Bibliothek gehen und andere Leute neben Ihnen finden konnten, die dasselbe studierten. Wir haben zwei Stockwerke in der 5th Ave mit riesigen Fenstern, Schreibtischen mit eingebauten Steckdosen, Whiteboards und kleinen Büroräumen. In diesem Bereich findet viel Zusammenarbeit und Gedankenaustausch statt!
- Fast jede Woche finden Unternehmensinformationssitzungen und -gespräche statt. In meinem Posteingang gab es kürzlich Vorträge zu den Themen „Methoden zur Entdeckung der zugrunde liegenden Sprachstruktur“, „Zukünftiger Zustand: Big Data und Analytik für eine bessere Regierungsführung“ und „Data Science @Tumblr“. CDS veranstaltet außerdem zweimal im Jahr eine eigene Karrieremesse für Unternehmen, die speziell nach Datenwissenschaftlern suchen. Sie müssen sich also nicht auf der großen campusweiten Karrieremesse anstellen. Zu den früheren Unternehmen, die zur Karrieremesse gekommen sind, gehören: Audible, Ebay, Medidata, iHeartMedia und Capital One Labs. Es gibt viele Networking-Möglichkeiten, die es Ihnen wirklich leicht machen, mit vielen verschiedenen Mitgliedern der Data Science-Community zu interagieren.
Sie sollten dies jedoch auch berücksichtigen:
Es ist äußerst streng
- Wie in der anderen Antwort erwähnt, erwarten einige Klassen, dass Sie mitkommen ein sehr gutes Verständnis des Themas bereits. Wenn Sie nicht stark in Programmierung oder theoretischer Mathematik sind, müssen Sie sich selbst lernen, um aufzuholen. Die Hausaufgaben dauern ungefähr 60 Stunden pro Woche, normalerweise mehr. Glücklicherweise habe ich festgestellt, dass die meisten Professoren sehr hilfreich und verfügbar sind, wenn Sie wirklich Schwierigkeiten haben, das Material zu verstehen. Die Einführungskurse im ersten Semester für das Data Science-Programm sollen Ihnen helfen, sich mit diesen Themen vertraut zu machen. Wenn Sie jedoch ein CS-Student sind und diese Kurse als Wahlfächer belegen, ist dies möglicherweise eine große Herausforderung.
- Wenn Sie nach einem höheren, „einfachen“ Weg in die Analytik suchen, ist dies möglicherweise nicht der Fall Sie. Es ist sehr schwer für Mathematik, Statistik und Programmierung. Ein Kommilitone sagte mir einmal, sie wünschten, sie würden stattdessen einen Abschluss in Business Analytics machen. Um jedoch ein erfolgreicher Datenwissenschaftler zu sein, müssen Sie die Mathematik und Theorie hinter den Algorithmen lernen!