ベストアンサー
A2Aに感謝します。
まだしていません。しばらくの間、資料を詳細に調べましたが、それを一瞥しました…データサイエンスのある側面での正式な教育への補遺または追加として、または数学、統計、コンピューターサイエンスなどの別のリードとして役立つと思います。運用研究、物理学…リストは続きます。少なくとも学部レベルでは。
それ自体で？個人的にはごく少数の人しか知りませんが、私は私が持っていた知識のレベル（関連する）まで独学をやってのけることができる人の1人ではありませんたとえば、私の修士号の終わり（私の博士号は数えません）。これは問題ではないことを私は知っていますが、それは私がそのようなものに欠けていると思うものへの重要な線です。
私と私が知っているほとんどの人は、単に達成するために必要な規律を持っていませんそのレベルの知識は、現在自由にまたはほぼ自由に利用できるリソースが大量にある場合でもです。
そして、それは規律だけではありません。社会的側面からクラス、たとえば研究グループまで、特定の問題を解決するために持ち込めるすべてのことを学ぶ上で非常に貴重であると感じた学習があります。私が指導し、相談した仲間の学生や教授、学生と話すこと（博士号ほどではありませんが、修士課程で行いました）…最初は、数学と統計、およびコンピュータサイエンスの側面を理解する方法を教えてくれました。 2つ目は、その経験がなければ考えられなかった方法でそれらを適用するのに役立ちました。これはさらに重要でした。
Open Data ScienceMastersの資料はかなり優れています。マスターのレベルまで完全ではありません…ある意味では、近くではなく、ある意味ではほぼそこにあります。実際には、研究は含まれていませんが、正式な修士レベルではほとんど行うことができず、キャップストーンプロジェクトはそれに似ている可能性があります。
誤解しないでください…これは優れたリソースです。誰かがそれをうまく使用できるかどうかについては、単独で、実践的なデータサイエンティストになるために…それができる人なら誰でも、正式な教育。
回答
現在はUCBMIDSの学生ですが、その前にかなりの量の自己教育（本とスタック交換）を行い、すべてを経験しました。主要なCoursera / EdXクラス。無料または安価なオンラインで利用できる教育プログラムが非常に多いのは事実ですが、深さ、インフラストラクチャ、包括性、コラボレーションの違いは昼夜です。Coursera/ Edxコースは基本的に事前です。いくつかのテストで録画されたビデオ、難易度は非常に低く、コラボレーションはほとんどまたはまったくありません。バークレーには、距離にもかかわらず形成される実際のコミュニティがあり、教師は非常に現実的で現在の経験を持つ業界リーダーであり、クラスはたくさんありますより難しいジョンズホプキンスデータサイエンスプログラムCourseraのmは、基本的に、バークレープログラムのいくつかのクラスの最初の週の資料の前提条件の間のどこかに要約されます。そのちょうど比較できない。私が彼らを連れて行ってくれてうれしいです、彼らは私をよく準備しました、しかし彼らはただ競合する経験をしていません。形式には、事前に録音された講義、スライド、割り当てられた読書、コラボレーションおよびブレイクアウトグループによるライブ講義、グループおよびソロプロジェクトなどが含まれます。
正直なところ、私は最初は心配していましたが、教育を正しくしました実店舗での教育で。また、関係する学生は一般的に一流であり、多くの場合、すでにデータサイエンティストとして、大手企業で雇用されており、豊富な経験と洞察力を持っています。 Coursera / Edxプログラムを受講したとき、私は一般的に、他の学生よりもはるかに明るく、意欲的で、経験豊富であると感じました。多くの人が苦労していた素晴らしいAndrewNg Machine Learningコースでさえ、かなり簡単でした（私は、5週間遅れて開始しましたが、それでも96％を取得しました）。バークレー校では、クラスの真ん中です。それは傲慢に聞こえるのではなく、単なる相対的な評価です。自分の能力を下回るレベルで教えるクラスに参加するのは本当に楽しいことではありません。
授業料に関しては、費用がかかります。合計で約6万ドル。ただし、授業料を見るときは、ROIを考慮する必要があります。ジェンダー研究や英文学の学位を取得する場合は、幸運を祈ってください。私の見方では、学位を取得すると、10年間で少なくとも年間6,000ドルの追加になることは間違いありませんでした。しかし、多くの場合、それは「業界に参入できるか」という問題であり、UCBの大学院生であることは、いくつかの扉を開きます。
「私は思う彼らは記入に問題があります….採用担当者は何度か私に電話をかけました」
彼らはプログラムの記入に問題がないので、申請者のアドバイザーはUCBの従業員ではなく、2Uの従業員を雇っています。少し悩まされた人の話を聞いたことがあります。2Uは、バークレープログラムの技術フレームワークと他の大学でのその他の多数の新しいオンラインプログラムを提供する会社です。彼らは、ビデオ会議プラットフォーム、管理されたスキンサイト（コンテンツは明らかに大学からのものですが）、および申請者アドバイザーを含む、ロジスティクスのための一種のターンキーソリューションを提供します。それらは基本的に、アプリケーションで理解できないことをすべて支援し、期限に間に合うようにします。彼らは実際に実際の決定の一部（または内部知識）を持っておらず、アプリケーションをパッケージ化して大学に配信するだけです。このモデルに対してはかなりの反発がありましたが、同様のプログラムで非常に人気があり、それを経験したことで問題はありません。アドバイザーは、プログラム、学校、プロセスについて十分な知識を持っているようで、ロジスティックアドバイザリーの役割を維持することについて非常に優れていました。
正直なところ、私ができる最善のアドバイスは「はい」です。 「データサイエンティストになりたい場合は、UCB MIDSプログラム（SMUにも1つあります）のようなプログラムに参加し、Courseraコースを受講して、充実したパーソナルライブラリを利用してください。私がプログラムで知っているすべての学生はまさにこれをしました。ここでは、競争力があり、急速に進化しているため、学ぶべきことがたくさんあります。自分自身を教育することは決してできません。できる限りの機会、特に構造化プログラムを利用してください。
編集：
非常に人気のあるスレッドで、更新を投稿すると思いました。私は今MIDSを卒業しました、そしてそれはすでにそれ自身のために数倍のお金を払っています。機会と賃金の上昇はかなり極端ですが、それはあなたが「仕事を得る」というだけでなく、あなたが得る仕事です。私は現在、他の数人のデータサイエンティストと協力してきましたが、ある程度はそうではありませんでしたが、さまざまなプログラムとの準備の違いを実際に見ることができます。 MIDSプログラムから来て、私はもはやエントリーレベルのDSジョブを取得する方法を考えていませんが、データチームを率いるか、データと分析のパイプラインを管理する準備ができています。私はプログラムの途中でデータサイエンティストとしての仕事を得ることができたので、これも経験から来ていますが、プログラム中に私たちは完全に開発された現実世界のプロジェクトを完了しました。さらに重要なことに、データチームの構成方法、古いデータ会社の近代化方法、クライアントとのコミュニケーション、経営幹部とのコミュニケーション、資金調達など、実際のデータ処理以外のトピックにかなりの時間を費やしました。
私にとって、このような教育から努力するのが適切だと思うレベルは、DSの進歩に関する新しいホワイトペーパーなどをすばやく入手できる（そしてそれらを見つける場所を知ることができる）ポイントです。それらを理解し、基礎となるテクノロジーにすでに精通しており、それらを実装する方法を知っている（潜在的な問題を事前に発見することを含む）。ある程度の知識を得るのは良いことですが、その後自分の教育を継続するために必要なものが与えられなければ、ほんの数年で時代遅れになります。
予想とは異なる点が1つあります、私はすべての楽しいディープラーニングアルゴリズム、コンピュータービジョンなどについて、熱心に取り組んでいました。データサイエンス、IMOは、統計的正確性と強力な「ウィニービーンカウンター」主義への真剣な取り組みから始まります。結局のところ、あなたが行うすべての主張はあなたの評判を線上に置き、潜在的に運命や人々を置くので、この規律は不可欠です。私は芸術のバックグラウンドを持っていて、独学のエンジニアだったので、それを掘り下げるためのフレームワークと環境があることは非常に役に立ちました。
そこにある機会は膨大で、疑問はありません。それはオンラインまたは専門家であるため、資格情報の。個人的には、できると思っている人にはお勧めです。一部のクラスは非常に厳しいので、同時に作業している場合（特に小さな子供がいる場合）は一生懸命考えてください。ただし、ROIは非常に高くなります。
RE：スタンフォード。スタンフォードプログラムは、データサイエンスに焦点を当てた統計学博士号です。これは学位ですが、MIDSの学位は専門職学位です。 4年以上の仕事を休む余裕がある場合は、博士号を取得してください。そうしないと、専門職学位がキャリアに革命をもたらします。私にとっては、給料を上げ、キャリアを数年先に進め、アイデンティティを変え、素晴らしいプロジェクトに取り組み、職場でデータチームを構築し、さらに2人の子供をもうけ、スタートアップを売りながら、すべて2年間で良い関係を築きました。 、だから私はもっと幸せになることができませんでした。