Nejlepší odpověď
Díky za A2A.
Nemám chvíli jsme se na materiál dívali podrobně, ale letmým pohledem… Myslím, že by to bylo dobré jako dodatek nebo doplněk formálního vzdělávání v některých aspektech vědy o datech nebo v jiném směru – ať už jde o matematiku, statistiku, informatiku operační výzkum, fyzika … seznam pokračuje. Přinejmenším na vysokoškolské úrovni.
Samo o sobě? Osobně znám jen velmi málo lidí a já nejsem jedním z nich, který by dokázal sebevzdělávání natáhnout na (relevantní) úroveň znalostí, kterou jsem měl konec, řekněme, mého pána (takže nepočítám můj doktorát). Vím, že to není otázka, ale je to důležitá linie toho, co v takových věcech považuji za chybějící.
Já a většina lidí, které znám, prostě nemám disciplínu potřebnou k dosažení tuto úroveň znalostí, a to is množstvím zdrojů, které jsou nyní volně nebo téměř volně dostupné.
A nejde jen o disciplínu. Učení od sociálního aspektu až po třídy … studijní skupiny, například …, které mi připadalo neocenitelné při učení všeho, co mohu přinést při řešení konkrétního problému. Mluvit se spolužáky a profesory a studenty, se kterými jsem se učil a konzultoval je (což jsem dělal v mém magisterském studiu, i když ne tolik jako v mém doktorském studiu) … první mi pomohl pochopit aspekty matematiky a statistiky a informatiky. Druhý mi pomohl aplikovat ty způsoby, které by mě bez této zkušenosti nikdy nenapadlo, což bylo ještě důležitější.
Materiál v Open Data Science Masters “je celkem dobrý. Nedokončeno na úrovni pána … v některých ohledech, dokonce ani v nejmenším, v některých ohledech téměř tam. Ve skutečnosti nejde o žádný výzkum, i když na formální magisterské úrovni se toho dá udělat jen velmi málo, a vyvrcholení projektu by mohlo být podobné.
Nechápejte mě špatně … je to vynikající zdroj. Pokud jde o to, zda by to někdo mohl úspěšně použít, sám , aby se stal praktickým datovým vědcem … Myslím, že kdokoli toho by byl ještě působivější pomocí formální vzdělávání.
Odpověď
Jsem nyní studentem UCB MIDS, ale předtím jsem měl značné množství sebevzdělávání (knihy a výměna zásobníků) a prošel jsem všemi hlavní kurzy Coursera / EdX. I když je pravda, že existuje obrovské množství vzdělávacích programů zdarma nebo levně online, rozdíl v hloubce, infrastruktuře, komplexnosti a spolupráci je noc a den. Kurzy Coursera / Edx jsou v zásadě zaznamenaná videa s některými testy, obtížnost je extrémně nízká a spolupráce je téměř nulová. V Berkeley existuje skutečná komunita, která se formuje navzdory vzdálenosti, učitelé jsou lídři v oboru s velmi reálnými, aktuálními zkušenostmi a kurzy jsou hodně obtížnější. Program Johns Hopkins pro datovou vědu m na Coursera se v zásadě scvrkává někde mezi předpoklady k materiálu pro první týden pro několik kurzů v programu Berkeley. Není to srovnatelné. Jsem rád, že jsem je vzal, dobře mě připravili, ale prostě nemají konkurenční zkušenosti. Tento formát zahrnuje předem nahrané přednášky, diapozitivy, přidělené čtení, živé přednášky se skupinami pro spolupráci a vystoupení, skupinové a sólové projekty atd.
Upřímně řečeno, byl jsem zpočátku znepokojen, ale Id dal vzdělání správně na kamenném vzdělávání. Zapojení studenti jsou také obecně špičkoví, často již zaměstnáni jako datoví vědci, ve velkých společnostech a se značnými zkušenostmi a znalostmi. Když jsem se účastnil programů Coursera / Edx, cítil jsem se obecně výrazně jasnější, poháněnější a zkušenější než ostatní studenti. Dokonce i fantastický kurz Andrew Ng Machine Learning, s nímž mnoho lidí bojovalo, byl docela snadný (začal jsem o 5 týdnů později a stále jsem získal 96\%). V Berkeley jsem pevně uprostřed třídy. To nezní arogantně, jen relativní hodnocení. Je to opravdu žádná zábava být ve třídě, která učí na úrovni pod vašimi schopnostmi.
Co se týče výuky, je to drahé. Celkem asi 60 000 $. Při pohledu na výuku však MUSÍTE zvážit návratnost investic. Pokud dostanete půjčku na studium genderu nebo anglické literatury, hodně štěstí splácení. Jak jsem se na to podíval, bylo to, že jsem nepochyboval o tom, že získání titulu bude mít za následek nejméně 6k $ navíc / rok po dobu 10 let. Často však jde spíše o otázku „můžete se v oboru vůbec dostat“ a řeknu vám, že postgraduální student na UCB otevírá některé dveře.
V reakci na „Myslím mají potíže s plněním …. náborář mi několikrát zavolal zpět “
Opravdu nemají potíže s naplněním programu, žadatelští poradci nejsou zaměstnanci UCB, ale zaměstnanci 2U, takže je to jiný přístup a Slyšel jsem ostatní, kteří se trochu otravovali.2U je společnost, která poskytuje technologický rámec pro program Berkeley a spoustu dalších nových online programů na jiných univerzitách. Nabízejí jakési řešení na klíč pro logistiku, včetně videokonferenční platformy, spravovaného webového serveru (i když obsah je samozřejmě z univerzity) a žadatelských poradců. V podstatě vám pomohou s čímkoli, čemu nerozumíte v aplikaci, a ujistěte se, že dodržujete termíny. Ve skutečnosti nemají žádnou část (nebo interní znalost) skutečných rozhodnutí, pouze balí žádosti a doručují je univerzitám. Proti tomuto modelu došlo k poměrně velkému zatlačení, ale v podobných programech se stává velmi populární a po jeho absolvování nemám žádné problémy. Zdálo se, že poradci mají dobré znalosti o programu, škole a procesu a byli velmi dobří v tom, že zůstali v roli logistického poradce.
Upřímně řečeno, nejlepší rada, kterou mohu dát, je „ano „, chcete-li být datovým vědcem, zapojte se do programu, jako je program UCB MIDS (SMU také jeden má), A absolvujte kurzy Coursera A připravte si dobře zásobenou osobní knihovnu. Každý student, kterého v programu znám, udělal přesně toto. Zde se můžete naučit více, než je možné, jeho konkurenceschopnost, rychle se vyvíjející a nikdy se nebudete vzdělávat. Využijte každou příležitost, zejména strukturované programy.
EDIT:
Jak se ukázalo, velmi populární vlákno, o kterém jsem si myslel, že pošlu aktualizaci. Nyní jsem promoval MIDS a už se mi to několikrát vyplatilo. Příležitosti a zvýšení platu jsou poměrně extrémní, ale nejde jen o to, že „získáte práci“, je to KTERÁ práce se vám dostane. Nyní jsem pracoval s několika dalšími vědci v oblasti dat, někteří odmašťovali jiné ne, a opravdu vidím rozdíl v připravenosti z různých programů. Pocházím z programu MIDS, už mě nepřemýšlí, jak získat práci na vstupní úrovni DS, ale jsem připraven vést datový tým nebo spravovat datový a analytický kanál. Pracovat jako datový vědec se mi podařilo jen částečně v rámci programu, takže něco z toho pochází také ze zkušeností, ale během programu jsme dokončili plně rozvinuté projekty reálného světa. Ještě důležitější je, že jsme strávili značné množství času nad tématy nad rámec skutečného zpracování dat, například jak strukturovat datový tým, jak modernizovat starou datovou společnost, komunikaci s klienty, s C-suite, získat financování atd.
Pro mě je úroveň, kterou považuji za vhodné usilovat o vzdělání, jako je tento, okamžik, kdy jste schopni rychle vyzvednout nové zprávy atd. o pokroku DS (a vědět, kde je najít), rychle porozumět jim, už se seznámit se základními technologiemi a vědět, jak je implementovat (včetně předběžného odhalení potenciálních problémů). Je hezké získat nějaké znalosti, ale pokud nedostanete to, co potřebujete pro další vzdělávání, budete za pár let zastaralí.
Jedna věc, která byla jiná, než se očekávalo, já vstoupil s nedočkavýma očima o všech zábavných algoritmech hlubokého učení, počítačovém vidění atd. Datová věda, IMO, začíná vážným závazkem ke statistické správnosti a silnou dávkou „weenie bean-counter“. Tato disciplína je nezbytná, protože na konci dne každý váš nárok staví vaši reputaci a potenciální bohatství nebo lidi. Přišel jsem z uměleckého prostředí a byl jsem samouk, takže mít prostředí a prostředí, které by to do mě propracovalo, bylo velmi užitečné.
Příležitosti tam jsou obrovské a neviděl jsem žádné výslechy pověření, protože je online nebo profesionální. Osobně bych doporučil program každému, kdo si myslí, že to dokáže. Některé z těchto kurzů jsou VELMI náročné, proto se dobře zamyslete, pokud pracujete současně (zejména pokud máte malé děti), ale návratnost investic je velmi vysoká.
RE: Stanford. Stanfordský program je statistický doktorát se zaměřením na datovou vědu. Jedná se o akademický titul, zatímco stupeň MIDS je profesionální titul. Pokud si můžete dovolit vzít si na 4 a více let volno z práce, jděte na doktorát, jinak bude váš profesní titul znamenat revoluci ve vaší kariéře. Pro mě jsem zvýšil svůj plat, poskočil svou kariéru o několik let dopředu, změnil svou identitu, pracoval na skvělých projektech, vybudoval datový tým v práci a navázal dobré kontakty, zatímco měl další 2 děti a prodával startup, vše za 2 roky , takže jsem nemohl být šťastnější.