Nota: escribí la respuesta de una manera que no envejecería mal y seguiría siendo relevante, pero fue creada el 20 de enero de 2016, así que tenga en cuenta eso e intente iterar hacia adelante con la dirección y los atributos de cada uno que llevaron a cómo llegué a mis conclusiones frente a una lista “de memoria”.
Ninguno de ellos es la bala ‘mágica’.
La versión TL; DR:
No hay bala mágica. Pase 1-2 días en cada uno de ellos. Descubra lo que le interesa en términos de APRENDIZAJE e INTERÉS. Si desea un ROI en términos de credencial, la respuesta de Anthony Lee también es lo que yo diría. Maestría en línea en CS de Georgia Tech con una especialización ML. Tenga en cuenta que nueve de los cursos del Máster en línea de Georgia Techon (sin algunos materiales) están en Udacity. Entonces, mi consejo, comience con Udacity: si realmente le gustan esos cursos, entonces busque el MS en GT. De lo contrario, si te gusta Python, iría a las conferencias Scipy y PyData (2013, 2014, 2015, etc., cuanto más reciente, mejor).
- ¿Cuáles son las ventajas y desventajas de su seguridad?
- Narendra Modi: ¿Qué ha hecho Narendra Modi para mejorar la educación en la India?
- ¿Por qué Gunn y Paly simplemente no solucionan sus problemas culturales y reducen la presión sobre los niños, al reducir la tarea, enfatizar el sueño, etc.?
- Cómo dar un discurso si estoy compitiendo por el director de la escuela
- ¿Qué idioma se usa en las escuelas de Mongolia Interior?
La versión larga
Son relativamente desconocidos en términos de ROI en lo que respecta a una “credencial”. Claro, hubo algunos impulsos del equipo de JHU que ayudaron a que las personas que finalizaron su especialización MOOC obtuvieran empleos, pero lo mismo también se puede decir de los Nanodegrees de Udacity donde Facebook, Google y otras grandes empresas participaron en la obtención de los cursos. y corriendo. Estoy seguro de que las contrataciones en ambos casos fueron genuinas. La pregunta es, no puedes simplemente crear un semi-pre-med como equivalente para conseguir un trabajo en esas compañías o incluso compañías en general. Por lo tanto, no hay una bala mágica, y eso no es diferente a un título universitario. Claro, es probable que las credenciales de la Ivy League te den una ‘oportunidad’ en un trabajo [y con un salario inicial más alto] que las licenciaturas universitarias estatales de la misma especialidad, pero no es un caso seguro.
Mi fondo: la lente en la que miro estos cursos
Antecedentes de escritura curricular
Soy autor de cursos en línea de biología, química, ciencias físicas, álgebra I, álgebra II y geometría para una de las 50 escuelas secundarias más importantes del estado de Texas. También he enseñado Cálculo AP, Precálculo Pre-AP y Física. He escrito todo mi propio plan de estudios basado en proyectos para esos cursos. También ayudé a autorizar la educación STEM para educadores de K-12 para el estado de Minnesota. También formé parte de GLPA (Asociación de Planetarios de los Grandes Lagos) donde escribí materiales en astronomía durante cuatro años. Podría seguir … pero entiendes la idea.
Experiencia MOOC
He estado tomando MOOC desde 2012. He tomado principalmente cursos de CS, Estadística, Programación y Aprendizaje automático de Coursera, EdX, Stanford Online Learning, Udemy y Udacity. Y antes de eso, era un ávido usuario de otros materiales en línea para aprender SQL y C #, como YouTube y Pluralsight. Es cómo me mudé del profesor antes mencionado y conseguí un trabajo como Analista de Datos Y cómo progresé de Analista de Datos a Ingeniero de Base de Datos a Ingeniero de Datos a Científico de Datos en 4 años. Franklin American Mortgage Company a Match.com a Google a IBM Watson.
Notaré que normalmente no termino los cursos. Soy autodidacta en los campos de CS / tecnología. Incluso al tomar MOOCs, busco cosas específicas en el aprendizaje frente al “consumo de todo el curso” y pasaré rápidamente a otro curso si falta el andamiaje del aprendizaje. El tiempo es el recurso más valioso. El conocimiento y el aprendizaje son el 2do. Creo que una gran parte que falta en la evaluación de los MOOC es que parece haber un enfoque tan importante en la finalización del curso y, desafortunadamente, en sus credenciales de hermano de ladrillo y mortero. Como ex maestra y como persona que ahora entrevista a candidatos potenciales, quiero ver a las personas aprender y aplicarlo a proyectos por su cuenta. Quiero ver la ‘inspiración’ moverse más allá del curso al mundo real.
¡Entonces sobre las especializaciones!
Johns Hopkins Data Science Specialiazation
Ooof El primer curso, Data Science Toolbox, es una broma de una clase. Podrían haberte enviado en una búsqueda en Google para configurar Git and R Studio. No deberían tomar dinero para esa clase. R La programación es otro fracaso IMO. Las tareas de programación tienen algo de rigor, pero son ejemplos de bajo nivel y luego WHAM: realice una codificación de nivel de algoritmo de nivel bastante difícil para un principiante. Probé los siguientes tres cursos en secuencia y, sinceramente, no valía la pena el tiempo que pasé. Hay algunas mejoras, pero no muchas.
Si desea más detalles, aquí hay algunas reseñas de esos cursos:
- Reseñas para The Data Scientist’s Toolbox de Coursera | Clase central
- Comentarios para R Programming de Coursera | Clase central
- Comentarios para inferencia estadística de Coursera | Clase central
- Comentarios para el desarrollo de productos de datos de Coursera | Clase central
- Comentarios para modelos de regresión de Coursera | Clase central
- Comentarios para obtener y limpiar datos de Coursera | Clase central
- Comentarios para Aprendizaje automático práctico de Coursera | Clase central
- Revisiones para Análisis de datos exploratorios de Coursera | Clase central
- Reseñas para Reproducible Research from Coursera | Clase central
No recomendaría este curso para Data Science o R. No a ningún alumno de nivel; no principiante, intermedio y ciertamente no un alumno avanzado.
Si quieres probar Data Science en RI te recomendaría dos cursos.
- La ventaja de Analytics (a través de MIT en EdX)
- Aprendizaje estadístico (a través de Stanford en Stanford Lagunita)
No hay comparación en estos cursos con los cursos R mencionados anteriormente. Ninguna.
La Especialización en Big Data por UC-San Diego
Tomé, espera, soporté los dos primeros cursos de esta secuencia. Es el nivel más alto imaginable en el que se les podría enseñar, excepto que no se les enseñó. Los instructores leyeron el sitio web de Cloudera y otras fuentes. Cosas que esperaría que una persona hiciera ANTES de que se inscribieran en estas clases O que pusieran como material de lectura “complementario” que debería leer antes de tomar esta clase. Por lo tanto, esto también es un andamiaje de aprendizaje deficiente, como lo fue Johns Hopkins, pero de una manera diferente.
Algunas reseñas que reflejo una experiencia similar se pueden encontrar aquí:
- Comentarios para Introducción a Big Data de Coursera | Clase central
- Comentarios para Introducción a Big Data Analytics de Coursera | Clase central
Si desea aprender algunas tecnologías de Big Data, vaya aquí:
La respuesta de Paul DeVos a ¿Vale la pena tomar el curso de Especialización en Big Data de UC San Diego en Coursera en comparación con otros cursos en línea? ¿Ha mejorado este curso, considerando que están ofreciendo su segundo lanzamiento?
Especialización en minería de datos de Illinois
Solo escuché algunas conferencias y descubrí que no era algo que pudiera escuchar. Tampoco usó la herramienta en la que me había centrado para dominar (Python). Ese es otro tema, pero elija UNA herramienta y haga TODO o TODO LO QUE PUEDA en esa herramienta hasta que la domine. Luego elige otro si así lo eliges.
Que yo sepa, no creo que todos los cursos hayan sido lanzados aún, así que no puedo comentar sobre la calidad de estos.
Programas Nanodegree de Udacity.
No me he inscrito en ninguno de sus programas de Nanodegree. Revisé su introducción a la ciencia de datos y sus cursos de aprendizaje automático. Me gustaron los dos, pero serán el nivel de introducción a su viaje de ciencia de datos.
Si desea mis ideas sobre el aprendizaje automático de UW y los cursos de Udacity mencionados anteriormente, vaya aquí:
La respuesta de Paul DeVos a ¿Es mejor comenzar con los cursos de ciencia de datos en Udacity (introducción a la ciencia de datos) o el curso de aprendizaje automático en Coursera?
Ahora, si realmente quieres aprender Data Science y particularmente en Python. Visitaría los sitios web de Scipy durante los últimos tres años (2013, 2014 y 2015). Allí encontrará el mejor de los mejores profesionales en Data Science para Python. Si puede digerir (como una serpiente Python) todo eso y desarrollarlo, tendrá una ALTA demanda. Esto lo llevará a unos 30-50 repositorios en Github y EDAs reales (análisis exploratorio de datos). Escuchará lo mejor de lo mejor en la comunidad de Python Data Science. Es la meca de la ciencia de datos para Python.
Aquí está el 2015:
Inicio | Conferencia SciPy 2015
Si no está seguro de qué idioma elegir, le doy algunas instrucciones para averiguar cómo calcular su ROI en función de los trabajos disponibles [en su área (s)] para las tecnologías que desea aprender. Puedes encontrar esa respuesta aquí:
La respuesta de Paul DeVos a ¿Puedo ser un científico de datos sin aprender Python?
Ahora no hay tiempo como el presente. Ve tras eso.