Bedste svar
Tak for A2A.
Jeg har ikke kiggede på materialet i detaljer et stykke tid, men kiggede på det … Jeg tror, det ville være godt som et tillæg eller tilføjelse til formel uddannelse i et eller andet aspekt af datalogi eller et andet led i – det være sig matematik, statistik, datalogi, operationsforskning, fysik … listen fortsætter. I det mindste på lavere niveau.
I sig selv? Jeg kender meget få mennesker personligt, og jeg er ikke en af dem, der kunne trække selvuddannelse til det niveau (relevant) af viden, jeg havde på afslutningen på f.eks. min kandidat (så ikke medregnet min doktorgrad). Jeg ved, at dette ikke er spørgsmålet, men det er en vigtig linje i, hvad jeg ser mangler i sådanne ting.
Jeg og de fleste, jeg kender, har simpelthen ikke den disciplin, der kræves for at opnå dette niveau af viden, selv med den overflod af ressourcer, der nu er frit eller næsten frit tilgængelige.
Og det handler ikke kun om disciplin. Der læres fra det sociale aspekt til klasser … studiegrupper, for eksempel … som jeg har fundet uvurderlig i at lære alt, hvad jeg kan få til at løse et bestemt problem. At tale med medstuderende og professorer og studerende, som jeg har undervist og konsulteret med (som jeg gjorde på min kandidat, selvom ikke så meget som i min ph.d.) … den første hjalp mig med måder at forstå matematik og statistik og datalogi. Det andet hjalp mig med at anvende dem på måder, som jeg aldrig ville have tænkt på uden den erfaring, som var endnu vigtigere.
Materialet i Open Data Science Masters er ret godt. Ikke komplet til masterniveau … på nogle måder, ikke engang tæt, på nogle måder næsten der. Der er egentlig ingen involveret forskning, selvom der kun kan udføres meget lidt på et formelt masterniveau, og hovedstenprojektet kan ligner det.
Gør mig ikke forkert … det er en fremragende ressource. Om nogen med succes kunne bruge det, alene , til at blive en praktiserende dataforsker … Jeg tror, at enhver, der er i stand til det, ville være endnu mere imponerende ved hjælp af en formel uddannelse.
Svar
Jeg er nu en UCB MIDS-studerende, men før dette havde jeg en betydelig mængde selvuddannelse (bøger og stack-udveksling), og jeg har været igennem alle de store Coursera / EdX-klasser. Selvom det er rigtigt, at der er en imponerende mængde uddannelsesprogrammer til rådighed gratis eller billigt online, er forskellen i dybde, infrastruktur, omfattende og samarbejde nat og dag. Coursera / Edx-kurser er grundlæggende præ- optagede videoer med nogle tests, vanskelighederne er ekstremt lave, og der er lidt eller intet samarbejde. På Berkeley er der et rigtigt samfund, der dannes på trods af afstanden, lærerne er brancheledere med meget reel, nuværende erfaring, og klasserne er meget sværere. Johns Hopkins datalogi progra m på Coursera koger dybest set ned til et sted mellem forudsætninger til første uges materiale til et par klasser i Berkeley-programmet. Det er bare ikke sammenligneligt. Jeg er glad for, at jeg tog dem, de forberedte mig godt, men de er bare ikke konkurrerende oplevelser. Formatet inkluderer forudindspillede forelæsninger, slides, tildelt læsning, live foredrag med samarbejde og break-out grupper, gruppe- og soloprojekter osv.
Ærligt talt var jeg oprindeligt bekymret, men jeg satte uddannelsen rigtigt ved en mursten og mørtel uddannelse. De involverede studerende er også generelt førende, ofte ansat allerede som dataforskere, hos større virksomheder og med betydelig erfaring og indsigt. Når jeg tog Coursera / Edx-programmerne, følte jeg mig generelt mere lys, drevet og erfaren end de andre studerende. Selv det fantastiske Andrew Ng Machine Learning-kursus, som mange mennesker kæmpede med, var ret let (jeg startede 5 uger for sent og fik stadig 96\%). På Berkeley er jeg solidt midt i klassen. Det er ikke for at lyde arrogant, bare en relativ vurdering. Det er virkelig ikke sjovt at være i en klasse, der underviser på et niveau under din evne.
Hvad angår undervisning, er det dyrt. Omkring $ 60.000 i alt. Når du ser på undervisningen, SKAL du dog overveje ROI. Hvis du får et lån til en kønsstudie eller engelsk litteraturgrad, held og lykke med at betale det. Den måde, jeg så på det var, at jeg ikke var i tvivl om, at det at få en grad ville resultere i mindst $ 6k ekstra / år i 10 år. Ofte er det dog et spørgsmål om “kan du overhovedet komme i branchen”, og lad mig fortælle dig, at være en kandidatstuderende ved UCB åbner nogle døre.
Som svar på “Jeg tror de har problemer med at udfylde …. rekruttereren ringede til mig flere gange “
De har virkelig ikke problemer med at udfylde programmet, ansøgeren rådgiver ikke UCB-medarbejdere men 2U-medarbejdere, så det er en anden tilgang og Jeg har hørt andre, der blev plaget lidt.2U er det firma, der leverer den tekniske ramme for Berkeley-programmet og et ton andre nye online-programmer på andre universiteter. De tilbyder en slags turn-key-løsning til logistikken, herunder videokonferenceplatformen, et administreret websted (selvom indholdet naturligvis er fra universitetet) og ansøgerrådgivere. De hjælper dig stort set bare med alt, hvad du ikke forstår i applikationen, og sørger for at du overholder deadlines. De har faktisk ikke nogen del (eller intern viden om) de faktiske beslutninger, de pakker bare applikationerne sammen og leverer dem til universiteterne. Der har været en hel del skub mod denne model, men den er blevet meget populær i lignende programmer, og efter at have gennemgået den har jeg ingen problemer. Rådgiverne syntes at have et godt kendskab til programmet, skolen og processen, og de var meget gode til at forblive inden for en logistisk rådgivende rolle.
Helt ærligt er det bedste råd, jeg kan give, “ja “, hvis du vil være dataforsker, skal du komme ind i et program som UCB MIDS-programmet (SMU har også et), OG tage Coursera-kurserne OG få et velassorteret personligt bibliotek i gang. Alle studerende, jeg kender i programmet, har gjort netop dette. Der er mere at lære her, end du muligvis kan, det er konkurrencedygtigt, det udvikler sig hurtigt, og du vil aldrig være færdig med at uddanne dig selv. Benyt enhver lejlighed, du kan, især de strukturerede programmer.
REDIGER:
Da dette har vist sig at være en meget populær tråd, jeg troede, jeg ville sende en opdatering. Jeg har nu gradueret MIDS, og det har allerede betalt sig selv flere gange. Mulighederne og lønforhøjelsen er ret ekstreme, men det er ikke kun, at du “får jobbet”, det er HVILKE job du får. Jeg har nu arbejdet med adskillige andre dataforskere, nogle affedtede andre ikke, og jeg kan virkelig se en forskel i beredskab fra forskellige programmer. Kommer jeg fra MIDS-programmet, undrer jeg mig ikke længere over, hvordan jeg får et DS-job på entry level, men er parat til at lede et datateam eller styre data- og analyserørledningen. Jeg var i stand til at få et job som datavidenskabsmand kun halvvejs igennem programmet, så noget af dette kommer også af erfaring, men under programmet gennemførte vi fuldt udviklede, virkelige verdensprojekter. Endnu vigtigere brugte vi en betydelig mængde tid på emner ud over faktisk databehandling, såsom hvordan man strukturerer et datateam, hvordan man moderniserer et gammeldatafirma, kommunikation med klienter, med C-suite, får finansiering osv.
For mig er det niveau, jeg synes, det er hensigtsmæssigt at stræbe efter fra en uddannelse som dette, det punkt, hvor du er i stand til at hente nye hvidbøger osv. på DS-fremskridt (og vide, hvor du finder dem), hurtigt forstå dem, allerede være fortrolige med de underliggende teknologier og vide, hvordan man implementerer dem (herunder på forhånd at spotte potentielle problemer). Det er rart at få lidt viden, men hvis du ikke får det, du har brug for for at fortsætte din egen uddannelse bagefter, vil du være forældet i løbet af få år.
En ting der var anderledes end forventet, jeg gik ind med store ivrige øjne om alle de sjove dyblæringsalgoritmer, computersyn osv. Datavidenskab, IMO, starter med en seriøs forpligtelse til statistisk korrekthed og en stærk dosis af “weenie bean-counter” -isme. Denne disciplin er vigtig, for i slutningen af dagen sætter ethvert krav, du fremsætter, dit omdømme på banen og potentielt formuer eller mennesker. Jeg kom fra en kunstbaggrund og var selvlært ingeniør, så det var meget nyttigt at have en ramme og et miljø til at bore det ind i mig.
Mulighederne derude er enorme, og jeg har ikke set nogen spørgsmålstegn. legitimationsoplysninger, fordi det er online eller professionelt. Personligt vil jeg anbefale programmet til alle, der tror, de kan gøre det. Nogle af klasser er MEGET krævende, så tænk hårdt, hvis du arbejder på samme tid (især hvis du har små børn til), men ROI er meget høj.
RE: Stanford. Stanford-programmet er en statistik-phd med fokus på datavidenskab. Dette er en akademisk grad, mens MIDS-graden er en professionel grad. Hvis du har råd til at tage 4+ år fra arbejde, skal du gå med en ph.d., ellers vil en professionel grad stadig revolutionere din karriere. For mig bumpede jeg min løn, sprang min karriere i flere år, ændrede min identitet, arbejdede på store projekter, opbyggede et datateam på arbejdspladsen og fik gode kontakter, mens jeg havde 2 flere børn og solgte en opstart, alt sammen om 2 år , så jeg kunne ikke være lykkeligere.