A legjobb válasz
Köszönöm az A2A-t.
Nem egy darabig részletesen megnézte az anyagot, de pillantást vetett rá … úgy gondolom, hogy jó lenne kiegészítésként vagy kiegészítésként a formális oktatáshoz az adattudomány bizonyos vonatkozásaiban vagy más bevezetőben – legyen szó matematikáról, statisztikáról, informatikáról, műveletek kutatása, fizika … a lista folytatódik. Legalább egyetemi szinten.
Önmagában? Személyesen nagyon kevés embert ismerek, és nem vagyok azok közül, akik képesek lennének az önképzést az ismeretek szintjére (releváns) átadni. mondjuk a mesterem vége (tehát nem számítva a doktori fokozatomat). Tudom, hogy ez nem a kérdés, de fontos vonal abból, amit hiányosnak látok az ilyen dolgokban.
Én, és a legtöbb ember, akit ismerek, egyszerűen nem rendelkeznek azzal a fegyelemmel, amelyre szükségem van a tudásnak ez a szintje, még a rengeteg erőforrás mellett is, amelyek ma már szabadon vagy szinte szabadon hozzáférhetők.
És ez nem csak a fegyelemről szól. Van olyan tanulás a társadalmi szempontból az órákig … például tanulmányi csoportok …, amelyeket felbecsülhetetlen értékűnek találtam mindazok megtanulásában, amelyeket el tudok viselni egy adott probléma megoldásában. Beszélgetni hallgatótársaimmal, professzoraimmal és hallgatóimmal, akiket oktattam és konzultáltam (amit a mesteremen folytattam, bár nem annyira, mint a PhD-n) … az első segített abban, hogy megértsem a matematikát, a statisztikát és az informatikai szempontokat. A második segített abban, hogy ezeket olyan módon alkalmazzam, amire soha nem gondoltam volna, anélkül, hogy ez a tapasztalat lenne, ami még fontosabb volt.
Az Open Data Science Masters anyagai meglehetősen jóak. Nem teljes a mester szintjéig … bizonyos szempontból, még közel sem, bizonyos szempontból szinte ott. Valójában nincs kutatás, bár hivatalos mester szinten nagyon keveset lehet elvégezni, és a capstone projekt hasonló lehet ehhez.
Ne értsen félre … kiváló erőforrás. Arról, hogy valaki sikeresen felhasználhatja-e, egyedül , gyakorló adattudóssá válni … Azt hiszem, bárki, aki erre képes, még lenyűgözőbb lenne egy formális oktatás.
Válasz
Most az UCB MIDS hallgatója vagyok, de ezt megelőzően jelentős mennyiségű önképzésem volt (könyvek és veremcsere), és mindent átéltem. Bár igaz, hogy lenyűgöző mennyiségű oktatási program áll rendelkezésre ingyenesen vagy olcsón online, a mélység, az infrastruktúra, az átfogóság és az együttműködés közötti különbség éjjel-nappal. A Coursera / Edx tanfolyamok alapvetően videókat rögzített néhány teszten, a nehézség rendkívül alacsony, és alig van együttműködés. Berkeley-ben van egy igazi közösség, amely a távolság ellenére is formálódik, a tanárok iparági vezetők, valódi, jelenlegi tapasztalattal rendelkeznek, és az órák sokak Johns Hopkins adattudományi progra m a Coursera-n alapvetően az első heti anyagok előfeltételei közé esik, néhány osztály számára a Berkeley programban. Csak nem hasonlítható össze. Örülök, hogy elvettem őket, jól felkészítettek, de csak versenyzői élményeket szereztek. A formátum tartalmaz előre rögzített előadásokat, diákat, kijelölt olvasmányokat, élő előadásokat együttműködési és kitörési csoportokkal, csoportos és egyéni projekteket stb.
Őszintén szólva kezdetben aggódtam, de az Id helyre hozta az oktatást téglafalú oktatáson. Ezenkívül az érintett hallgatók általában csúcsminőségűek is, gyakran már adatkutatóként alkalmazzák a nagyvállalatokat, és jelentős tapasztalattal és átlátással rendelkeznek. A Coursera / Edx programok felvételekor általában sokkal fényesebbnek, hajtottabbnak és tapasztaltabbnak éreztem magam, mint a többi hallgató. Még a fantasztikus Andrew Ng Machine Learning tanfolyam is, amellyel sokan küzdöttek, meglehetősen egyszerű volt (5 héttel későn kezdtem, és így is 96\% -ot kaptam). A Berkeley-nél az osztály közepén vagyok. Ez nem tűnik arrogánsnak, csak egy viszonylagos értékelés. Igazán nem szórakoztató olyan osztályban lenni, amely a képességeidnél alacsonyabb szinten tanít.
Ami a tandíjat illeti, az drága. Körülbelül 60 ezer dollár. A tandíj megnézésekor azonban figyelembe kell vennie a megtérülést (ROI). Ha nemi tanulmányokhoz vagy angol irodalom szakhoz kap hitelt, akkor sok sikert fizessen ki. Úgy néztem ki, hogy nem volt kétségem afelől, hogy a diploma megszerzése legalább 6 ezer dollárt jelent évente 10 évre. Gyakran azonban inkább az a kérdés, hogy “be tud-e jutni egyáltalán az iparban”, és hadd mondjam el, hogy az UCB diplomás hallgatói állása nyit néhány ajtót.
Válaszul a “Azt hiszem, gondjaik vannak a kitöltéssel …. a toborzó többször visszahívott. “
Valóban nem okoz gondot a program kitöltése, a pályázó tanácsadóknak nem az UCB, hanem 2U alkalmazottai vannak, ezért ez más megközelítést és Hallottam másokat is, akik kissé elkeseredtek.A 2U az a cég, amely biztosítja a Berkeley program technológiai kereteit és rengeteg más online programot más egyetemeken. Egyfajta kulcsrakész megoldást kínálnak a logisztikához, ideértve a videokonferencia platformot, a kezelt bőrű webhelyet (bár a tartalom nyilvánvalóan az egyetemtől származik) és a pályázók tanácsadóit. Alapvetően csak abban segítenek, amiben nem érti az alkalmazást, és ügyeljen arra, hogy betartsa a határidőket. Valójában nincs részük (vagy belső tudásuk) a tényleges döntésekről, csak csomagolják az alkalmazásokat és eljuttatják az egyetemekre. Meglehetősen sok visszalépés történt a modell ellen, de nagyon népszerűvé vált a hasonló programokban, és miután átestem rajta, nincsenek problémáim. Úgy tűnt, hogy a tanácsadók jól ismerik a programot, az iskolát és a folyamatot, és nagyon jól tudták tartani magukat a logisztikai tanácsadói szerepkörön belül.
Őszintén szólva a legjobb tanács, amit adhatok, az „igen “, ha adatkutató szeretne lenni, vegyen részt egy olyan programban, mint az UCB MIDS program (az SMU-nak is van ilyen), ÉS vegyen részt a Coursera tanfolyamokon ÉS kezdjen el egy jól felszerelt személyi könyvtárat. Minden hallgató, akit ismerek a programban, pontosan ezt tette. Itt még többet kell tanulni, mint amennyit csak lehet, versenyképes, gyorsan fejlődő, és soha nem fogja elvégezni saját magát. Használjon ki minden lehetőséget, különösen a strukturált programokat.
SZERKESZTÉS:
Mivel ez kiderült egy nagyon népszerű szál, gondoltam felteszek egy frissítést. Most diplomáztam a MIDS-et, és ez már többszörösen megtérült. A lehetőségek és a fizetésemelés meglehetősen szélsőséges, de nem csak az a helyzet, hogy „munkát kapsz”, hanem az is, hogy melyik munkát kapod. Dolgoztam több más adatkutatóval, néhányan nem, de nem, és valóban különbséget látok a felkészültségben a különféle programokhoz képest. A MIDS programból származva már nem azon gondolkodom, hogyan szerezzek belépő szintű DS-munkát, hanem felkészültem egy adatcsapat vezetésére vagy az adat- és elemzési folyamat kezelésére. Csak a program részleges részén tudtam elhelyezkedni adattudósként, így ezek egy része tapasztalatból is származik, de a program során teljesen kidolgozott, valós projekteket hajtottunk végre. Ennél is fontosabb, hogy jelentős időt töltöttünk a tényleges adatfeldolgozáson kívüli témákon, például az adatcsapat felépítésének módján, a régi adatokkal foglalkozó cég modernizálásán, az ügyfelekkel folytatott kommunikáción, a C-suite programmal, a finanszírozás megszerzésén stb.
Számomra az a szint, amely szerintem helyénvaló egy ilyen oktatásból törekedni, ez az a pont, amikor gyorsan felveheti az új fehér könyveket stb. a DS fejlesztéseiről (és tudja, hol találja meg őket). értse meg őket, ismerje már az alapul szolgáló technológiákat, és tudja, hogyan kell azokat megvalósítani (ideértve a potenciális problémák előzetes feltárását is). Örülök, hogy szerzek némi ismeretet, de ha nem kapja meg azt, amire szüksége van a saját továbbtanulásához, néhány év múlva elavul.
Egy dolog különbözött a várttól, én tágas lelkes szemmel ment be az összes szórakoztató, mély tanulási algoritmus, a számítógépes látás stb. irányába. Az adattudomány, az IMO, komoly elkötelezettséggel indul a statisztikai helyesség mellett, és nagy adag „weenie bean-counter” -ismus mellett. Ez a fegyelem elengedhetetlen, mert a nap végén minden állításod a hírnevedet és a potenciálisan vagyonodat vagy embereket helyezi előtérbe. Művészeti háttérből jöttem, és autodidakta mérnök voltam, ezért nagyon hasznos volt a keretrendszer és a környezet, hogy ezt belém fúrhassa.
A lehetőségek hatalmasak, és nem láttam kérdezősködni. bizonylatok, mert online vagy szakmai. Személy szerint mindenkinek ajánlom a programot, aki úgy gondolja, hogy meg tudja csinálni. Néhány osztály NAGYON igényes, ezért gondolkodjon jól, ha egyszerre dolgozik (főleg, ha kis gyerekei vannak), de a megtérülés nagyon magas.
RE: Stanford. A Stanford program egy Statisztikai Phd., Amely az adattudományra összpontosít. Ez tudományos fokozat, míg a MIDS fokozat szakmai diploma. Ha megengedheti magának, hogy 4+ évet vegyen le a munkából, menjen doktori fokozatra, különben a szakmai végzettség még mindig forradalmasítja karrierjét. Számomra megemeltem a fizetésemet, több éven keresztül előre léptem a karrieremet, megváltoztattam identitásomat, nagyszerű projekteken dolgoztam, adatcsapatot építettem a munkahelyemen, és jó kapcsolatokat alakítottam ki, miközben még 2 gyerekem volt és eladtam egy startupot, mindezt 2 év alatt , így nem lehetek boldogabb.