Отчеты о результатах не получили широкого распространения в сообществе учебных курсов по науке о данных по сравнению с их собратьями по учебным курсам по программированию. Фактически, учебные курсы по программированию фактически являются авангардом прозрачности результатов. Hack Reactor и несколько других учебных курсов по программированию основали Совет по честности в отчетности о результатах, и вы можете увидеть данные о размещении, опубликованные некоторыми участниками. Нет причин, по которым сообщество Data Science Bootcamp не может воспроизвести или принять стандарт CIRR. Есть еще петиция, поданная некоторыми членами CIRR.
Прозрачность в отношении результатов делает все открыто.
Это очень запутанная ситуация. Учебные курсы по Data Science Bootcamp в основном оцениваются по количеству мест. Если цифры выглядят хорошо, некоторые Bootcamp не публикуют подробные отчеты о размещении, потому что это может считаться коммерческой тайной. С другой стороны, если цифры плохие, то не в их интересах публиковать и предавать их гласности, потому что учащиеся могут решить сбежать к ограде. В конце концов, проигравшие - это студенты, которые не проявили должной осмотрительности и исследований перед посещением учебного лагеря.
Мы считаем, что есть некая золотая середина, которая приносит пользу всем участвующим сторонам - студентам, учебным курсам и потенциальным работодателям.
Значительное количество материалов, которые сегодня преподают на учебных курсах по Data Science Bootcamp, превращаются в товар, и вы можете выбрать самостоятельное обучение и при этом не упустить слишком много. Некоторые из буткемпов, делающие это правильно, как правило, уделяют много времени некоторым аспектам тренировочного лагеря, которые вы, возможно, не сможете легко воспроизвести во время самостоятельного обучения. Некоторые из этих аспектов включают представление работодателем, наличие активной базы выпускников, наставничество, положительное подкрепление среди прочего. Они приносят большую пользу как в краткосрочной, так и в долгосрочной перспективе.
Посещение учебного курса по науке о данных - это вложение с высоким риском и высокой отдачей, но некоторые учебные курсы по науке о данных в своих сообщениях склонны выдавать его за вложения с низким риском и высоким вознаграждением, что не совсем точно.
Мы точно знаем, что некоторые учебные курсы по науке о данных удаляют из списков людей, которые не могут найти работу по прошествии определенного времени, и не включают их в статистику трудоустройства. Мы также точно знаем, что некоторые учебные курсы по науке о данных нанимают некоторых своих выпускников в качестве ТА для программы, а затем считают их нанятыми специалистами по анализу данных. На первый взгляд, на самом деле в этом нет ничего плохого, и вы можете привести хороший аргумент в пользу этого, но когда учебные лагеря Data Science Bootcamp публикуют номера мест размещения, не указывая, как они пришли к этим числам, вы можете увидеть, как эти числа могут выглядеть так. намного лучше, чем они есть на самом деле.
Мы чувствуем, что некоторые из действующих сегодня учебных курсов по науке о данных подстроились и, по сути, установили повествование о том, что единственным положительным результатом учебного лагеря должна быть работа в области науки о данных. Этот очень высокий порог настраивает их на провал. Реальность такова, что будущие студенты проходят эти курсы по разным причинам, включая переход к возможностям, связанным с наукой о данных. Учебные курсы по науке о данных должны отражать эти намерения студентов и быть предельно прозрачными в их отношении.
Мы считаем, что самая большая проблема, с которой сталкиваются Bootcamp по науке о данных в будущем, заключается в том, как обеспечить, чтобы они продолжали приносить пользу количественно измеримыми способами (размещение или положительные результаты), а также каким-то образом найти способ оставаться актуальным.
Если вы будущий студент учебного курса по Data Science Bootcamp, вам обязательно нужно попросить показать подробную статистику размещения для некоторых из недавних когорт. Это поможет вам понять связанные с этим риски в зависимости от вашей цели (это может не всегда заключаться в переходе на работу в области Data Science). Эта статья может быть полезна при выполнении вашей должной осмотрительности.
Репост из оригинальной статьи с некоторыми изменениями.
Свяжитесь с нами!
Надеюсь, вам понравился этот пост в блоге. Не стесняйтесь связаться со мной в Linkedin или Twitter.
