¿Cuál es su opinión de la Universidad de Virginia Master of Science en Data Science?

Answer 1

Así que estoy en la tercera cohorte del programa y casi a mitad de camino con el plan de estudios. Intentaré abordar algunos puntos en esta revisión.

Admisiones

Mi cohorte de 47 se extrajo de un grupo de aproximadamente 400 solicitantes. Nuestra cohorte está bastante equilibrada en experiencia, educación y demografía.

• Experiencia: Una gran parte de nosotros somos recién graduados, pero hay bastantes individuos de entre 20 y 20 años con más de 2 años de experiencia laboral y unos pocos con más de 5.
• Educación: venimos de todo el país, pero el subconjunto más grande es de UVA, pero después de eso estamos bastante dispersos en Florida, Nueva Jersey, California, DC, Carolina del Sur, Oregón, Texas, etc. En cuanto a los antecedentes, en su mayoría somos CS, Estadística o Economía, pero tenemos especializaciones en inglés, especializaciones en ruso, especializaciones en física, etc.
• Datos demográficos: como la mayoría de los programas madre, estamos sesgados hacia los hombres, pero somos aproximadamente una cuarta parte de mujeres, lo que es relativamente alto en relación con otros departamentos de la escuela. En cuanto a la edad, el promedio es probablemente 24 con un rango de 22 a 40. Racialmente, somos en su mayoría blancos, luego asiáticos, con algunas otras etnias.

Plan de estudios

Durante los primeros dos semestres, los 47 de nosotros prácticamente tomamos los mismos cursos con aquellos con antecedentes particulares que sustituyen las clases que han tomado por otras. El plan de estudios se divide en 3 semestres.

• Primer semestre: se trata principalmente de un semestre introductorio de 6 semanas de duración que trata principalmente de que todos se pongan al día con las habilidades de programación. Cubrimos conceptos básicos de programación en R y Python. Esto puede ser muy lento y frustrante para aquellos que ya tienen estos antecedentes, pero les da a los nuevos estudiantes una introducción decente. Para tener éxito en el programa, aunque los estudiantes realmente tendrán que tratar de perfeccionar su programación fuera del aula.
• Segundo semestre: aquí es donde realmente comienzas a meterte en las estadísticas. En general, este semestre es excelente en la enseñanza de Estadística de Grandes Ligas de CS, pero es débil en el reverso, enseñando CS a las mayores de Estadística.
• La mejor clase es la minería de datos, donde realmente te sumerges en conceptos de estadísticas y tienes que aplicarlos a través de más de 3 estudios de casos. El profesor te hace pasar por todo el proceso de investigación, hipótesis, revisión de literatura, metodología y resultados. Esto fue frustrante para las personas a veces para las personas que solo querían aprender un montón de algoritmos, pero finalmente creo que nos hizo más completos y rigurosos.
• Nuestro curso de Modelos lineales fue realmente detallado y se sumerge en los detalles que siempre quisiste saber sobre los modelos lineales, pero a veces es redundante con la minería de datos y para aquellos con antecedentes en estadísticas.
• Nuestra clase de Ética es promedio y es una pequeña teoría pesada y repetitiva, pero definitivamente plantea algunas cosas importantes a considerar como científicos de datos.
• Nuestra clase CS, fue definitivamente la más débil del grupo, ya que cubre una gran cantidad de material pero nada con demasiados detalles.
• Nuestra clase de lápidas es muy buena. El profesor tiene mucho conocimiento y realmente se sumerge en detalles en una variedad de temas. Sin embargo, realmente te empuja y espera que sepas tus cosas. Él no te da respuestas, espera que le digas cuáles son. Él también camina a través del proceso de nuestra piedra angular.
• Capstone: este es el proyecto más grande que emprende a lo largo del curso y está patrocinado por un cliente del mundo real que espera respuestas utilizables. Los clientes provienen de una variedad de lugares, pero se pueden dividir en 4 categorías:
• Salud
• Financiar
• Gobierno y política social
• Comercio
• Capstone: usted trabaja en nombre de estos clientes para responder al problema que han planteado. La participación del cliente varía según el proyecto. Cada capstone tiene un asesor asociado cuyo trabajo es mantenerlo riguroso, en la tarea y responde preguntas. Este semestre realmente se enfoca en crear su proyecto, decidir una metodología de análisis y demostrar resultados preliminares. Este proyecto lleva mucho tiempo y puede ser abrumador si tiene una mala gestión del tiempo. Estos proyectos también pueden cambiar los objetivos (como la vida real) y requieren tiempo adicional para avanzar. Los estudiantes aprenden sobre todos los capstones y clasifican sus preferencias para cada uno y un algoritmo de asignación asigna a los estudiantes a un capstone. No puede cambiar después del hecho y está casado con ese proyecto y ese equipo para bien o para mal.
• Semestre final: actualmente estoy en este semestre, así que no puedo explicarlo en detalle, pero superaré las expectativas. Este semestre tomas 3 clases básicas y 2 optativas. Este semestre es el momento decisivo para las piedras angulares que tendrá que terminar el proyecto, escribir un documento publicable sobre él y presentar sus hallazgos en una conferencia. Realmente quieres adelantarte en el semestre anterior y no esperar tener tanto tiempo para trabajar en él como el semestre pasado. Las clases principales son aprendizaje automático, ética y otro curso Capstone. Parece que Machine Learning será el curso más valioso del semestre, pero requerirá mucho tiempo. Las otras dos clases son electivas de su elección. Las clases electivas siempre están cambiando, pero las opciones que teníamos eran:
• Aprendizaje reforzado
• Visión por computadora y lenguaje
• Visualización de datos
• Computación en la nube
• Bases de datos
• Recuperación de información

Resultados

Obviamente no puedo entrar en muchos detalles ya que no he terminado, pero puedo cubrir algunos puntos.

• Al final del segundo semestre, un puñado de nosotros ya teníamos trabajos a tiempo completo en fila después de la graduación.
• Otros estaban en conversaciones con los empleadores.
• Tenemos nuestra propia persona de carrera cuyo trabajo es conseguirnos trabajos. A diferencia de otras personas de servicios profesionales con las que me he encontrado, en realidad lo hace y es la razón por la que hice un trabajo. Es muy bueno en lo que hace y nos conecta constantemente con los empleadores. Aproximadamente 10 de nosotros acabamos de regresar de un viaje pagado a San Francisco para hablar con los empleadores.
• Todos obtuvimos una asignación de desarrollo profesional de $ 500.
• Las ubicaciones hasta ahora han sido en LA, Chicago y DC.
• La cohorte de los últimos años creo que todos menos dos terminaron con trabajos y esos dos tenían razones para no conseguir trabajo de inmediato. Creo que el salario promedio fue de $ 89,000 y creo que todos los que lo necesitaban obtuvieron el patrocinio H1b1, pero no me cite al respecto

Eso es todo lo que tengo por ahora, pero intentaré actualizarlo cuando me gradúe. Buena suerte y espero que esto ayude a su decisión.