Beste antwoord
Bedankt voor de A2A.
Dat heb ik niet heb het materiaal een tijdje in detail bekeken, maar als ik ernaar kijk … denk ik dat het goed zou zijn als een addendum of als aanvulling op formeel onderwijs in een aspect van datawetenschap of een andere aanwijzing – of het nu gaat om wiskunde, statistiek, informatica, operationeel onderzoek, fysica… de lijst gaat maar door. Op zijn minst op undergraduate-niveau.
Op zichzelf? Ik ken heel weinig mensen, persoonlijk, en ik ben niet een van hen, die zelfstudie kunnen halen tot het (relevante) kennisniveau dat ik had op het einde van bijvoorbeeld mijn master (dus mijn doctoraat niet meegerekend). Ik weet dat dit niet de vraag is, maar het is een belangrijke lijn in wat ik zie als ontbreekt in dergelijke dingen.
Ik, en de meeste mensen die ik ken, hebben simpelweg niet de vereiste discipline om dat kennisniveau, zelfs met de overvloed aan bronnen die nu vrij of bijna vrij beschikbaar zijn.
En het gaat niet alleen om discipline. Er is leren van het sociale aspect naar klassen … studiegroepen, bijvoorbeeld … die ik van onschatbare waarde heb gevonden bij het leren van alles wat ik kan gebruiken bij het oplossen van een bepaald probleem. Praten met medestudenten en professoren en studenten die ik heb begeleid en waarmee ik heb geraadpleegd (wat ik deed in mijn master, hoewel niet zozeer als tijdens mijn doctoraat) … de eerste hielp me met manieren om de wiskunde en statistiek en informatica-aspecten te begrijpen. De tweede hielp me die toe te passen op manieren die ik zonder die ervaring nooit had kunnen bedenken, wat nog belangrijker was.
Het materiaal in de Open Data Science Masters ’is redelijk goed. Niet compleet op het niveau van de master … in sommige opzichten, zelfs niet in de buurt, in sommige opzichten bijna daar. Er is eigenlijk geen onderzoek bij betrokken, hoewel er op een formeel masterniveau heel weinig kan worden gedaan, en het sluitstukproject zou daar ongeveer op kunnen lijken.
Begrijp me niet verkeerd … het is een uitstekende bron. Of iemand het met succes zou kunnen gebruiken, alleen , om een praktiserend datawetenschapper te worden … Ik denk dat iedereen die daartoe in staat is, nog indrukwekkender zou zijn met de hulp van een formeel onderwijs.
Antwoord
Ik ben nu een UCB MIDS-student, maar daarvoor had ik een aanzienlijke hoeveelheid zelfstudie (boeken en uitwisseling van boeken), en ik heb alle de belangrijkste Coursera / EdX-lessen. Hoewel het waar is dat er een indrukwekkend aantal educatieve programmas gratis of goedkoop online beschikbaar is, is het verschil in diepte, infrastructuur, volledigheid en samenwerking dag en nacht. Coursera / Edx-cursussen zijn eigenlijk pre- opgenomen videos met enkele tests, de moeilijkheidsgraad is extreem laag en er is weinig tot geen samenwerking. Bij Berkeley is er een echte gemeenschap die ondanks de afstand ontstaat, de docenten zijn marktleiders met zeer reële, actuele ervaring, en de lessen zijn veel moeilijker De data science-progra van Johns Hopkins m op Coursera komt in feite neer op ergens tussen de vereisten en materiaal voor de eerste week voor een paar lessen in het Berkeley-programma. Het is gewoon niet vergelijkbaar. Ik ben blij dat ik ze heb genomen, ze hebben me goed voorbereid, maar het zijn gewoon geen concurrerende ervaringen. Het formaat omvat vooraf opgenomen lezingen, dias, toegewezen lectuur, live lezingen met samenwerkings- en break-outgroepen, groeps- en soloprojecten, enz.
Eerlijk gezegd maakte ik me aanvankelijk zorgen, maar ik heb het onderwijs rechtgezet op een fysieke opleiding. Bovendien zijn de betrokken studenten over het algemeen ook van de bovenste plank, vaak al werkzaam als datawetenschappers, bij grote bedrijven en met veel ervaring en inzicht. Bij het volgen van de Coursera / Edx-programmas voelde ik me over het algemeen aanzienlijk slimmer, gedrevener en ervarener dan de andere studenten. Zelfs de fantastische Andrew Ng Machine Learning-cursus, waar veel mensen mee worstelden, was vrij eenvoudig (ik begon 5 weken te laat en kreeg nog steeds 96\%). Bij Berkeley ben ik stevig midden in de klas. Dat klinkt niet arrogant, maar een relatieve inschatting. Het is echt niet leuk om in een klas te zitten die lesgeeft op een niveau dat lager is dan je kunt.
Wat betreft het lesgeld, het is duur. Ongeveer $ 60.000 in totaal. Als je echter naar het collegegeld kijkt, MOET je ROI overwegen. Als je een lening krijgt voor een diploma genderstudie of Engelse literatuur, veel succes met het afbetalen ervan. De manier waarop ik ernaar keek, was dat ik er niet aan twijfelde dat het behalen van de graad zou resulteren in ten minste $ 6k extra / jaar gedurende 10 jaar. Maar vaak is het meer een kwestie van ‘kun je überhaupt in de branche komen’, en laat me je vertellen dat een afgestudeerde student aan UCB enkele deuren opent.
In antwoord op het ‘Ik denk ze hebben problemen met het invullen … de recruiter belde me verschillende keren terug “
Ze hebben echt geen problemen met het invullen van het programma, de kandidaat-adviseurs zijn geen UCB-werknemers maar 2U-werknemers, dus het is een andere aanpak en Ik heb anderen gehoord die een beetje werden lastig gevallen.2U is het bedrijf dat het technische raamwerk levert voor het Berkeley-programma en een heleboel andere nieuwe online programmas op andere universiteiten. Ze bieden een soort kant-en-klare oplossing voor de logistiek, inclusief het videoconferentieplatform, een beheerde skinned-site (hoewel de inhoud duidelijk van de universiteit is) en kandidaat-adviseurs. Ze helpen je eigenlijk gewoon met alles wat je niet begrijpt in de applicatie, en zorgen ervoor dat je deadlines haalt. Ze hebben eigenlijk geen deel (of interne kennis van) die feitelijke beslissingen, ze verpakken de applicaties gewoon en leveren ze aan de universiteiten. Er is behoorlijk wat teruggedrongen tegen dit model, maar het wordt erg populair in vergelijkbare programmas, en als ik het heb doorlopen, heb ik geen problemen. De adviseurs leken een goede kennis te hebben van het programma, de school en het proces, en ze waren erg goed in het behouden van een logistieke adviserende rol.
Eerlijk gezegd is het beste advies dat ik kan geven: “ja “, als je datawetenschapper wilt worden, doe dan mee aan een programma zoals het UCB MIDS-programma (SMU heeft er ook een) EN volg de Coursera-cursussen EN zorg voor een goed gevulde persoonlijke bibliotheek. Elke student die ik ken in het programma heeft precies dit gedaan. Er valt hier meer te leren dan je mogelijk kunt, het is competitief, het evolueert snel en je zult nooit klaar zijn met jezelf onderwijzen. Grijp elke kans die je kunt, vooral de gestructureerde programmas.
EDIT:
Zoals dit is gebleken een zeer populaire thread waarvan ik dacht dat ik een update zou plaatsen. Ik ben nu MIDS afgestudeerd en het heeft zichzelf al verschillende keren terugbetaald. De kansen en loonsverhogingen zijn nogal extreem, maar het is niet alleen dat u de baan krijgt, het is WELKE baan u krijgt. Ik heb nu met verschillende andere datawetenschappers gewerkt, waarvan sommige niet gediplomeerd zijn, en ik zie echt een verschil in paraatheid van verschillende programmas. Afkomstig uit het MIDS-programma, vraag ik me niet langer af hoe ik een DS-baan op instapniveau kan krijgen, maar ben ik bereid om een datateam te leiden of de gegevens- en analysepijplijn te beheren. Ik heb maar halverwege het programma een baan als datawetenschapper kunnen krijgen, dus een deel hiervan komt ook voort uit ervaring, maar tijdens het programma hebben we volledig ontwikkelde projecten uit de echte wereld voltooid. Wat nog belangrijker is, is dat we een aanzienlijke hoeveelheid tijd hebben besteed aan onderwerpen die verder gaan dan de feitelijke gegevensverwerking, zoals hoe een datateam te structureren, hoe een oud-databedrijf te moderniseren, communicatie met klanten, met C-suites, financiering krijgen, enz.
Voor mij is het niveau waarvan ik denk dat het gepast is om te streven naar een opleiding als deze, het punt waarop je in staat bent om snel nieuwe whitepapers enz. over DS-vorderingen op te pikken (en weet waar je ze kunt vinden) ze begrijpen, al bekend zijn met de onderliggende technologieën en weten hoe ze te implementeren (inclusief het op voorhand signaleren van mogelijke problemen). Het is leuk om wat kennis op te doen, maar als je niet krijgt wat je nodig hebt om daarna je eigen opleiding voort te zetten, ben je binnen een paar jaar verouderd.
Een ding dat anders was dan verwacht, ik ging met grote gretige ogen naar binnen over alle leuke deep learning-algoritmen, computervisie, enz. Datawetenschap, IMO, begint met een serieuze toewijding aan statistische correctheid en een sterke dosis “weenie bean-counter” -isme. Deze discipline is essentieel omdat aan het eind van de dag elke bewering die u maakt uw reputatie op het spel zet, en mogelijk fortuinen of mensen. Ik kwam uit een kunstachtergrond en was een autodidactisch ingenieur, dus het was erg nuttig om een raamwerk en een omgeving te hebben om dat in me te boren.
De kansen die er zijn, zijn enorm, en ik heb geen enkele vraag gezien van referenties omdat het online of professioneel is. Persoonlijk zou ik het programma aanbevelen aan iedereen die denkt het te kunnen. Sommige lessen zijn HEEL veeleisend, dus denk goed na als je tegelijkertijd werkt (vooral als je kleine kinderen hebt), maar de ROI is erg hoog.
RE: Stanford. Het Stanford-programma is een PhD in de statistiek met een focus op Data Science. Dit is een academische graad, terwijl de MIDS-graad een professionele graad is. Als je het je kunt veroorloven om 4+ jaar vrij te nemen van je werk, ga dan voor een Phd, anders zal een professionele graad je carrière nog steeds radicaal veranderen. Voor mij verhoogde ik mijn salaris, sprong mijn carrière een aantal jaren vooruit, veranderde mijn identiteit, werkte aan geweldige projecten, bouwde een datateam op het werk en legde goede contacten terwijl ik nog 2 kinderen kreeg en een startup verkocht, allemaal in 2 jaar , dus ik zou niet gelukkiger kunnen zijn.