¿Cuál es su opinión sobre Stanford ICME MS Data Science y el Programa de ciencia de datos computacionales de Carnegie Mellon?

Answer 1

Comparando el currículo CME de Stanford https://icme.stanford.edu/academ… con el currículo MCDS de la Universidad Carnegie Mellon – Language Technologies Institute, diría lo siguiente. El programa CME enfatiza más las ciencias duras, por lo que terminaría trabajando en, por ejemplo, una empresa de ingeniería. El título MCDS enfatiza aspectos más amplios de la informática: tecnologías del lenguaje, ciencia de datos centrada en el ser humano. Los planes de estudio en la parte de Ciencia de datos son muy similares, aunque el título de Stanford es de dos años, mientras que el de CMU es de 16 meses. La financiación computacional de ICME es comparable al grado de CMU en finanzas computacionales. En términos de rigor intelectual, los grados son los mismos.

Con respecto a la preparación, las áreas son en su mayoría iguales. Aunque sospecho que si tomara SOLAMENTE matemáticas y estadísticas y no CS, podría ingresar a ICME, mientras que tal fondo sería más difícil para MCDS.

Realmente es un ganar-ganar, no hay una elección incorrecta aquí.

Answer 2

Gracias por la solicitud de respuesta. No tengo mucha idea sobre el programa de ciencia de datos ICME de Stanford, así que no te engañaré. Puedo hablar sobre el programa MCDS en CMU. Sí, como adivinó, el programa de CMU se centra bastante en la practicidad y en asegurarse de que está aprendiendo las habilidades que lo prepararán para una vida profesional. Sin embargo, si está interesado en la investigación, también el programa le permite tomar los cursos pertinentes y ofrece amplias oportunidades de investigación, ya que ahora está bajo el departamento LTI (Language Technologies Institute), que cuenta con profesores de renombre mundial en Machine Learning y PNL. Aún así, le aconsejaría que si realmente desea investigar, debería considerar solicitar la EM en LTI, que está mucho más orientada a la investigación que MCDS.

Tu preparación depende de tu objetivo. Si desea entrar en el aprendizaje automático y la investigación de PNL (es decir, si desea apuntar a la EM en LTI), entonces su objetivo debe ser restringir su investigación a un área específica y profundizar en eso. Intente publicar trabajos en algunas conferencias de renombre. Sin algunos buenos trabajos / investigaciones, tendrás muy pocas posibilidades de ingresar a este curso. Después de graduarse de este curso, puede ingresar en trabajos específicos de ciencia de datos o obtener un doctorado. Si desea apuntar trabajos generales relacionados con el aprendizaje automático o sistemas distribuidos, entonces MCDS puede ser una opción más adecuada. MCDS también es altamente competitivo y necesita tener un buen perfil de investigación para competir con otros solicitantes. En general, comience a tomar cursos de aprendizaje automático, comience a hacer proyectos de investigación e intente publicar trabajos en buenas conferencias, manteniendo altas calificaciones académicas. Entonces estará en una mejor posición para decidir a qué programa desea postularse.

Answer 3

Debe leer los requisitos del programa para todas las escuelas. Esto incluye los requisitos de admisión y los de grado. Puede comparar programas solo después de una lectura suficiente de varios programas. Luego puede ver los programas que son más teóricos o prácticos, y muchos más factores en un programa universitario. Probablemente también le interese la matrícula, el grupo de pares, los intereses de la facultad, la ubicación, etc. Qué tan bien comprende cada programa, y ​​su propia preparación académica ayuda enormemente. Entonces conoce los programas en los que está preparado para sobresalir dada la aceptación. El tiempo dedicado a un estudio sistemático decente de sus opciones es doble. Primero, escribirás mejores aplicaciones. En segundo lugar, la finalización exitosa del grado se ajustará a un plan a largo plazo. Ambos hacen una mejor solución global al problema, coloquialmente llamada decisión de carrera.

Answer 4

En nuestro programa (Stanford ICME), de hecho proporcionamos una base muy sólida matemática y estadísticamente. Pero eso no significa que estamos ignorando las habilidades prácticas. Por el contrario, queremos que nuestros estudiantes sean buenos practicantes que también entiendan muy bien lo que hay debajo del capó. Nuestros estudiantes adquieren experiencia a través de pasantías de verano y cursos finales. Por ejemplo, echa un vistazo al práctico laboratorio de datos de Stanford (fácilmente googleable). Para ser admitido en el programa, debe tener una sólida formación en matemáticas y estadísticas en general, así como habilidades de software.