Beste svaret
Takk for A2A.
Jeg har ikke så på materialet i detalj en stund, men kikket litt på det … Jeg tror det ville være bra som et tillegg eller legge til formell utdanning i et eller annet aspekt av datavitenskap eller en annen ledelse i – det være seg matematikk, statistikk, informatikk, operasjonsforskning, fysikk … listen fortsetter. I det minste på lavere nivå.
I seg selv? Jeg kjenner svært få mennesker personlig, og jeg er ikke en av dem som kan trekke selvopplæring til det nivået (relevant) av kunnskap jeg hadde på slutten på, si, masteren min (så ikke å telle doktorgraden min). Jeg vet at dette ikke er spørsmålet, men det er en viktig linje i hva jeg ser som mangler i slike ting.
Jeg, og de fleste jeg kjenner til, har rett og slett ikke den disiplinen som kreves for å oppnå det kunnskapsnivået, selv med mengden ressurser som nå er fritt eller nesten fritt tilgjengelig.
Og det handler ikke bare om disiplin. Det er læring fra det sosiale aspektet til klasser … studiegrupper, for eksempel … som jeg har funnet uvurderlig i å lære alt jeg kan få til for å løse et bestemt problem. Å snakke med medstudenter og professorer og studenter som jeg har veiledet og konsultert med (som jeg gjorde på mastergrad, men ikke så mye som i doktorgraden min) … den første hjalp meg med måter å forstå matematikk og statistikk og datavitenskapelige aspekter. Det andre hjalp meg med å bruke dem på måter som jeg aldri hadde tenkt på uten den erfaringen, noe som var enda viktigere.
Materialet i Open Data Science Masters ’er ganske bra. Ikke komplett til masternivå … på noen måter, ikke engang i nærheten, på noen måter nesten der. Det er ingen forskning involvert, egentlig, selv om det kan gjøres veldig lite på et formelt masternivå, og toppsteinprosjektet kan være likt det.
Ikke misforstå … det er en utmerket ressurs. Om noen vellykket kunne bruke den, alene , til å bli en praktiserende datavitenskapsmann … Jeg tror at alle som er i stand til det, ville være enda mer imponerende ved hjelp av en formell utdanning.
Svar
Jeg er nå en UCB MIDS-student, men før dette hadde jeg en betydelig mengde egenopplæring (bøker og stack-utveksling), og jeg har vært gjennom alle de viktigste Coursera / EdX-klassene. Selv om det er sant at det er imponerende mange utdanningsprogrammer tilgjengelig gratis eller billig på nettet, er forskjellen i dybde, infrastruktur, omfattende og samarbeid natt og dag. Coursera / Edx-kurs er i utgangspunktet pre- innspilte videoer med noen tester, vanskeligheten er ekstremt lav, og det er lite eller ingen samarbeid. På Berkeley er det et reelt samfunn som dannes til tross for avstanden, lærerne er bransjeledere med veldig reell, nåværende erfaring, og klassene er mye vanskeligere. Johns Hopkins data science progra m på Coursera koker i utgangspunktet et sted mellom forutsetningene til første ukers materiale for noen få klasser i Berkeley-programmet. Det er bare ikke sammenlignbart. Jeg er glad jeg tok dem, de forberedte meg godt, men de er bare ikke konkurrerende opplevelser. Formatet inkluderer forhåndsinnspilte forelesninger, lysbilder, tildelt lesing, live forelesninger med samarbeid og utbruddsgrupper, gruppe- og soloprosjekter osv.
Ærlig talt, jeg var opprinnelig bekymret, men jeg satte utdannelsen riktig på en mursteinutdannelse. Studentene som er involvert, er også generelt førsteklasses, ofte ansatt allerede som datavitenskapere, hos store selskaper og med betydelig erfaring og innsikt. Når jeg tok Coursera / Edx-programmene, følte jeg meg generelt mer lyst, drevet og erfaren enn de andre studentene. Selv det fantastiske Andrew Ng Machine Learning-kurset, som mange mennesker slet med, var ganske enkelt (jeg startet 5 uker for sent og fikk fortsatt 96\%). På Berkeley er jeg solid midt i klassen. Det er ikke for å høres arrogant ut, bare en relativ vurdering. Det er ikke morsomt å være i en klasse som underviser på et nivå under din evne.
Når det gjelder undervisning, er det dyrt. Omtrent $ 60 000 totalt. Når du ser på undervisning, må du imidlertid vurdere ROI. Hvis du får et lån for en kjønnsstudier eller engelsk litteraturgrad, lykke til med å betale det. Slik jeg så på det var at jeg ikke var i tvil om at å få graden ville resultere i minst $ 6k ekstra / år i 10 år. Ofte er det imidlertid et spørsmål om «kan du komme i bransjen i det hele tatt», og la meg si deg det, å være en kandidatstudent ved UCB åpner noen dører.
Som svar på «Jeg tror de har problemer med å fylle …. rekruttereren ringte meg tilbake flere ganger «
De har ikke problemer med å fylle programmet, søkerrådgiverne er ikke UCB-ansatte, men 2U-ansatte, så det er en annen tilnærming og Jeg har hørt andre som ble plaget litt.2U er selskapet som gir det tekniske rammeverket for Berkeley-programmet og massevis av andre nye online-programmer ved andre universiteter. De tilbyr en slags nøkkelferdig løsning for logistikken, inkludert videokonferanseplattformen, et administrert nettsted (selv om innholdet åpenbart er fra universitetet) og søkerrådgivere. De hjelper deg i utgangspunktet med alt du ikke forstår i applikasjonen, og sørger for at du overholder frister. De har faktisk ikke noen del (eller intern kunnskap om) de faktiske beslutningene, de pakker bare søknadene og leverer dem til universitetene. Det har vært en del skyv mot denne modellen, men den har blitt veldig populær i lignende programmer, og etter å ha gått gjennom den har jeg ingen problemer. Rådgiverne så ut til å ha god kunnskap om programmet, skolen og prosessen, og de var veldig flinke til å holde seg innenfor en logistisk rådgivende rolle.
Helt ærlig, det beste rådet jeg kan gi er «ja «, hvis du vil være datavitenskapsmann, gå inn i et program som UCB MIDS-programmet (SMU har også et), OG ta Coursera-kursene OG få et velfylt personlig bibliotek i gang. Hver student jeg kjenner i programmet har gjort akkurat dette. Det er mer å lære her enn du muligens kan, det er konkurransedyktig, det utvikler seg raskt, og du vil aldri være ferdig med å utdanne deg selv. Benytt enhver anledning du kan, spesielt de strukturerte programmene.
REDIGER:
Ettersom dette har vist seg å være en veldig populær tråd jeg trodde jeg skulle legge ut en oppdatering. Jeg har nå uteksaminert MIDS, og det har allerede betalt seg selv flere ganger. Mulighetene og lønnsøkningen er ganske ekstreme, men det er ikke bare at du “får jobben”, det er HVILKEN jobb du får. Jeg har nå jobbet med flere andre dataforskere, noen avfelter andre ikke, og jeg kan virkelig se en forskjell i beredskap fra forskjellige programmer. Når jeg kommer fra MIDS-programmet, lurer jeg ikke lenger på hvordan jeg får en DS-jobb på inngangsnivå, men er forberedt på å lede et datateam eller administrere data- og analyserørledningen. Jeg var i stand til å få en jobb som datavitenskapsmann bare delvis gjennom programmet, så noe av dette kommer også av erfaring, men under programmet fullførte vi fullt utviklede, virkelige verdensprosjekter. Enda viktigere, vi brukte betydelig tid på emner utover faktisk databehandling, for eksempel hvordan man strukturerer et datateam, hvordan man moderniserer et gammeldataselskap, kommunikasjon med kunder, med C-suite, får finansiering osv.
For meg er det nivået jeg synes det er hensiktsmessig å strebe etter fra en utdanning som dette, det punktet der du er i stand til å plukke opp nye papirer osv. på DS-fremskritt (og vet hvor du finner dem), raskt forstå dem, allerede være kjent med de underliggende teknologiene, og vite hvordan du implementerer dem (inkludert å oppdage potensielle problemer på forhånd). Det er hyggelig å få litt kunnskap, men hvis du ikke får det du trenger for å fortsette din egen utdannelse etterpå, vil du være foreldet om bare noen få år.
En ting som var annerledes enn forventet, jeg gikk inn med store ivrige øyne om alle de morsomme dyplæringsalgoritmene, datasynet osv. Datavitenskap, IMO, starter med en seriøs forpliktelse til statistisk korrekthet og en sterk dose “weenie bean-counter” -isme. Denne disiplinen er viktig fordi på slutten av dagen setter ethvert krav du gjør, omdømmet ditt, og potensielt formuer eller mennesker. Jeg kom fra en kunstbakgrunn og var selvlært ingeniør, så det var veldig nyttig å ha et rammeverk og miljø for å bore det inn i meg.
Mulighetene der ute er enorme, og jeg har ikke sett noen spørsmålstegn. legitimasjon fordi det er online eller profesjonelt. Personlig vil jeg anbefale programmet til alle som tror de kan gjøre det. Noen av klassene er VELDIG krevende, så tenk hardt om du jobber samtidig (spesielt hvis du har små barn til), men avkastningen er veldig høy.
RE: Stanford. Stanford-programmet er en statistikk-phd med fokus på datavitenskap. Dette er en akademisk grad, mens MIDS-graden er en profesjonell grad. Hvis du har råd til å ta 4+ år fra jobb, gå med en doktorgrad, ellers vil en profesjonell grad fortsatt revolusjonere karrieren din. For meg slo jeg opp lønnen min, hoppet karrieren over flere år, endret identiteten min, jobbet med flotte prosjekter, bygde et datateam på jobben og fikk gode kontakter mens jeg hadde 2 barn til og solgte en oppstart, alt på to år , så jeg kunne ikke vært lykkeligere.