С мыслями нескольких специалистов по данным
Один из самых частых вопросов, который я получаю:
Должен ли я посещать Bootcamp по науке о данных или магистратуру?
Я обычно рекомендую людям избегать этих специализированных программ по науке о данных, потому что им, как правило, не хватает строгости, чтобы подготовить студентов к быстро развивающемуся миру науки о данных.
Я думаю, что эти программы чрезвычайно дороги в попытке извлечь выгоду из увлечения наукой о данных. И, таким образом, больше ориентированы на деньги, чем на подготовку студентов.
Я не был уверен, что был чрезмерно предвзятым, поэтому задал вопрос в LinkedIn. Я был поражен количеством ответов. На самом деле они были настолько хороши, что я хотел попытаться подвести итоги и поделиться некоторыми дополнительными мыслями.
В целом, однако, большинство людей, похоже, согласились с тем, что эти программы обычно разочаровывают и не предоставляют необходимых элементов, чтобы быть успешным специалистом по анализу данных.
Прочный фундамент - ключ к успеху
Безусловно, самой большой тенденцией, которую я увидел, была важность создания основы, основанной на математике, статистике и информатике.
Тайлер Байерс, ведущий аналитик RiskLens, сказал следующее:
Я наполовину закончил магистратуру по DS. Я был * очень * разочарован отсутствием строгости по сравнению с различными вариантами MOOC, особенно с учетом цены (edX, Coursera, Udacity были моими предпочтениями).
Кажется, что эти специализированные программы часто не нацелены на создание прочной основы навыков, а скорее пытаются преподавать самые горячие области с достаточным количеством знаний. Например, возможность собрать достаточно кода Keras для классификации изображений.
Хотя я думаю, что всем нужно с чего-то начинать, если ваше обучение на этом остановится, вы будете недостаточно подготовлены к работе в области науки о данных.
Как сказал Джо Рейс:
Хороший математический фон очень помогает. Я бы посоветовал изучить основы - математику, статистику, CS.
Я не мог с этим согласиться. Такое ощущение, что состояние дел меняется каждую неделю, и если вы не понимаете фундаментально, как работают эти модели, вы не сможете адаптироваться и приспосабливаться по мере изменения вещей.
Это больше похоже на то, чтобы дать кому-то рыбу, а не научить его или ее ловить рыбу. Вы можете покинуть специализированную программу с некоторыми дополнительными навыками (рыбой), но эти навыки быстро покажут недостаток глубины при поступлении на работу.
При этом, если вы найдете специализированную программу по науке о данных, которая предлагает сильные фундаментальные курсы, такие как статистика, исчисление и линейная алгебра, она может быть отличной.
Фактически, Джо Хеллер нашел ценность в нано-градусах Udacity:
Udacity предлагает наноразмерную программу, которая фокусируется на математике так же, как и на API-интерфейсах фреймворка. Мне это понравилось, и я многому научился.
С другой стороны, если все, что вы видите, это курсы по предметам высокого уровня, вы можете поискать в другом месте.
Портфолио работ
Одна из областей, в которой эти типы программ, кажется, преуспевают, - это убедиться, что у каждого студента есть портфолио проектов в конце. Это здорово, но вы можете достичь того же результата гораздо дешевле. Как сказал Мэтт Харрисон:
Вам нужно что-то, что даст вам портфолио, о котором можно поговорить. Если у вас высокая мотивация, вы можете сделать это бесплатно. 💰⌛ Большинство людей не обладают высокой мотивацией, и поэтому им нужно платить деньги, чтобы чувствовать себя мотивированными. И MS, и буткемп могут дать вам портфолио. (Обратное также верно). 🤔🏋️🐍
Я полностью согласен. В Интернете есть масса замечательных курсов, которые помогут вам приобрести навыки, необходимые для создания отличного портфолио. И большинство из них бесплатны! Однако единственное, чего вы не получите от самообучения, так это связи с уважаемой программой. Хотя кажется, что это не имеет значения, может быть критически важно пройти мимо начального экрана резюме.
Я думаю, что это еще одна область, в которой не работают специализированные программы. Большинство из них не связаны с известным университетом, и рекрутеры могут их упустить из виду, даже если программа хороша. Достаточно интересно, что те немногие, которые связаны с престижными университетами, похоже, не обладают значительной строгостью, если только они не являются частью более традиционной степени, такой как статистика или информатика.
Кроме того, хотя вы можете получить портфолио работ из учебного лагеря по науке о данных, я обнаружил, что понимание проекта часто бывает поверхностным. Обычно они требуют, чтобы вы сделали достаточно, чтобы все заработало, но не для того, чтобы на самом деле понять внутреннюю работу того, что вы разработали.
Мягкие навыки имеют значение
Райан Руссон подчеркнул важность навыков межличностного общения:
Я бы сказал, что самый ценный опыт, который у меня был, был во флоте США, потому что именно там я действительно научился эффективно работать с людьми и их ожиданиями, и именно в этом, я считаю, большая часть истинной ценности науки о данных.
Практически все технические программы упускают этот важный момент и мало что могут помочь студентам в развитии навыков межличностного общения. Я думаю, однако, что в этой области специализированные программы могут иметь преимущество.
Похоже, они стараются быть более разносторонними, и я видел некоторых с курсами, более ориентированными на лидерство и общение. Отлично! Но обычно это связано с отсутствием фундаментальных технических знаний. Если бы только была программа, которая давала бы твердые фундаментальные знания, а также тренировку мягких навыков.
Оставайтесь любопытными
Наконец, из комментариев и мыслей стало ясно, что независимо от того, какую программу вы выберете, вы должны сохранять любопытство и всегда учиться.
Учеба не заканчивается формальным образованием.
Итак, независимо от того, как вы решите изучать науку о данных, я надеюсь, что вы сможете воплотить свою страсть к этой области в жизнь обучения.
В целом, однако, если вы хотите продолжить образование, я хотел бы убедиться, что какая бы программа вы ни выбрали, она предлагает серьезные базовые знания, портфолио работ, для которых у вас есть глубокие знания, а в качестве бонуса - помогает вам развить навыки межличностного общения.
К сожалению, похоже, что большинство специализированных программ в настоящее время не работают.
Все комментарии по теме вы можете увидеть здесь.
Эту статью также можно найти здесь.
Присоединяйтесь к моему списку рассылки, чтобы оставаться на связи.
