¿Cuál es su opinión de NYU MS en Data Science?

Answer 1

Soy estudiante de primer año en el programa NYU MS in Data Science. Creo que es fantástico por varias razones.

Los cursos son completos.

• Hay muchos programas de ciencia de datos más nuevos que se muestran hoy en día, por lo que puede ser difícil juzgar si ciertos programas son legítimos o no. El curso introductorio ofreció una muy buena visión general de alto nivel de las consideraciones que uno debe hacer al abordar la ciencia de datos en los negocios y cómo dividir problemas aparentemente complejos en problemas más pequeños y conocidos de una manera estructurada. El curso de Estadística y Probabilidad fue como un título universitario en Estadística comprimido en un semestre. Actualmente estoy tomando la clase de Machine Learning, y realmente te empuja a entender el tema desde todas las perspectivas (teórica, matemática y práctica).
• Hay muchas oportunidades para trabajar en proyectos de los que puede hablar con posibles empleadores. El proyecto final es un curso obligatorio al final del programa, pero casi todas las clases tienen un proyecto final requerido. Los requisitos para los proyectos son muy abiertos: puede elegir casi cualquier problema de ciencia de datos que le interese y puede profundizar en ellos como desee.

El programa es muy flexible con excelentes asignaturas optativas.

• Todas las clases están programadas por la noche (mi primera clase es a las 5 PM), por lo que si está buscando completar el programa mientras trabaja a tiempo completo, es muy posible. Conozco a muchos otros estudiantes que ya están trabajando como analistas que buscan este título a tiempo parcial.
• Si crees que ciertas clases son innecesarias dadas tus habilidades y experiencia, puedes optar fácilmente por no participar en cursos más avanzados. Por ejemplo, conozco a varios estudiantes que renunciaron a la clase de Estadística y Probabilidad.
• La mitad de los cursos requeridos son optativos. Esto significa que puede optar por especializar su título con clases que se adapten a sus objetivos profesionales personales. Puedes optar por tomar clases en Stern si quieres estudiar finanzas o negocios. Puedes tomar clases de bioinformática, neurociencia, psicología, ciencias políticas y ciencias de la computación, ¡realmente depende de para qué estés estudiando ciencia de datos! Puede encontrar una lista completa de los cursos electivos preaprobados aquí: Cursos electivos preaprobados – Centro de NYU para la ciencia de datos. Parece que también es bastante fácil obtener aprobación para otras clases que no están en la lista preaprobada.
• Las asignaturas optativas de ciencia de datos son geniales. Si bien acabo de mencionar cómo puede personalizar su título a través de una amplia gama de asignaturas optativas, la mayoría de los estudiantes terminan eligiendo las asignaturas optativas de ciencia de datos. Actualmente estoy tomando un curso sobre Aprendizaje Profundo de Yann LeCun, el jefe de Facebook AI Research. También puede tomar Procesamiento de lenguaje natural de Kyunghyun Cho. Carlos Fernández-Granda y Afonso Bandeira también ofrecen excelentes cursos en Optimización.

Los recursos provistos son muy buenos.

• El único recurso por el que estoy más agradecido es el gran espacio abierto y moderno para estudiar que se proporciona a los estudiantes del Centro de Ciencias de Datos. Cuando obtuve mi título universitario en una gran escuela pública, no había absolutamente ninguna garantía de que pudieras ir a la biblioteca y encontrar a otras personas a tu lado estudiando lo mismo. Tenemos dos pisos en 5th Ave con ventanas gigantes, escritorios con tomas de corriente incorporadas, pizarras blancas y pequeños espacios de oficina. ¡Hay mucha colaboración e intercambio de ideas en este espacio!
• Hay sesiones de información de la compañía y charlas organizadas casi todas las semanas. Mirando a través de mi bandeja de entrada, recientemente ha habido charlas sobre “Métodos para descubrir la estructura lingüística subyacente”, “Estado futuro: Big Data y análisis para una mejor gobernanza” y “Data science @Tumblr”. CDS también organiza su propia feria de carreras dos veces al año. año para las compañías que buscan específicamente científicos de datos, por lo que no necesita hacer cola en la gran feria de carreras en todo el campus. Entre las compañías anteriores que han venido a la feria de carreras se incluyen: Audible, Ebay, Medidata, iHeartMedia y Capital One Labs. Hay muchas oportunidades de trabajo en red, y realmente facilitan la interacción con muchos miembros diferentes de la comunidad de ciencia de datos.

Sin embargo, también debes considerar esto:

Es extremadamente riguroso

• Como se menciona en la otra respuesta, algunas clases esperan que entres con una muy buena comprensión del tema. Si no eres fuerte en programación o matemática teórica, tendrás que estudiar por tu cuenta para ponerte al día. La tarea lleva alrededor de 60 horas a la semana, generalmente más. Afortunadamente, he encontrado que la mayoría de los profesores son muy útiles y disponibles si realmente te cuesta entender el material. Los cursos introductorios del primer semestre del programa Data Science están diseñados para ayudarlo a ponerse al día con estos temas. Pero si usted es un estudiante de CS y toma estas clases como asignaturas optativas, puede resultarle muy desafiante.
• Si está buscando un camino más fácil y de más alto nivel hacia el análisis, puede que no sea para usted. Es muy pesado en matemáticas, estadísticas y programación. Un compañero de estudios me dijo una vez que deseaban obtener un título de Business Analytics. Sin embargo, para ser un científico de datos exitoso, ¡debes aprender las matemáticas y la teoría detrás de los algoritmos!

Answer 2

★★★

Yo mismo no soy estudiante de MS in Data Science, pero puedo darle mi opinión, ya que he estado involucrado en ello durante casi un año, como estudiante que trabaja allí y también estoy haciendo un curso allí. Muchos cursos tienen un contenido excelente, como el de Estadística y Aprendizaje automático. Luego, otros cursos incluyen representación de inferencia, Big Data y aprendizaje profundo que son cruciales para construir una perspectiva DS. El Departamento también está haciendo esfuerzos para apoyar a sus estudiantes de manera significativa, por lo que tienen algunas conversaciones adicionales de la compañía específicamente para Data Science y Big Data, etc. para complementar la celda de colocación de la NYU. Además, la opción de tener varios cursos opcionales en diferentes departamentos le da la opción de satisfacer sus intereses y ampliar sus perspectivas. Al igual que los estudiantes han estado tomando cursos de PNL y cursos de aprendizaje automático teóricos del departamento de CS, y por lo tanto fortaleciendo su conocimiento de Ciencia de Datos desde todos los ángulos.

Después de algunos de los comentarios, me di cuenta de que solo daba una vista unilateral del curso. Así que describiría lo que mencioné en uno de los comentarios.

Soy un graduado de CS haciendo asignaturas optativas y un trabajo con Data Science. Por lo tanto, no puedo darle los principales desafíos que deben enfrentar los estudiantes de ciencias de datos, pero puedo pensar en un par de razones por las que la calificación podría no ser tan buena como creo que es la estructura del programa. Pero si debo especular, es posible que algunos profesores del departamento sean adjuntos y no estén disponibles a tiempo completo. Por lo tanto, las opciones de investigación con ellos son limitadas. Dado que el programa aún se encuentra en las primeras etapas, algunos problemas logísticos también podrían estar allí. Además, creo que ese nivel de enseñanza no es tan fácil como en cursos similares de otras universidades, por lo que se hace difícil entender las cosas a la vez en algún momento, a menos que te esfuerces. Esto sucedió conmigo en el curso actual de Machine Learning. Dado que hay muchas personas de diversos orígenes, como estadísticas, informática o industrias de diferente naturaleza, muchas no se sentirían cómodas con el tipo de temas que se enseñan o el conocimiento preliminar que se utiliza en los cursos y tareas. Por ejemplo, no todos se sentirían cómodos con la programación o podrían ser estadísticas involucradas en cursos como el aprendizaje automático y, por lo tanto, tendrías que hacer algunos esfuerzos adicionales para sentirte cómodo con el tema. A veces, los profesores esperan mucho autoaprendizaje de los estudiantes y, por lo tanto, hay brechas entre las clases y las tareas.
Dado que este es un programa nuevo, es posible que los estudiantes se enfrenten a otros problemas con los que no estoy familiarizado. Pero creo que las calificaciones deberían volverse confiables en un par de años más.