¿Qué es mejor: una maestría en ciencia de datos en la UCL (Univ. College London) o una maestría en estadística en la Universidad de Boston?

Déjame darte un punto de vista diferente a esta pregunta:

¿En qué escuela vas a aprender mejor los fundamentos y las aplicaciones de las estadísticas en el mundo de hoy?

¿En qué escuela recibirás la sólida educación que te permitirá tener la capacidad de preparar tus habilidades para el futuro en el mercado de bioestadística?

Con estas preguntas realmente quiero decir: ¿el plan de estudios que aprendas en cualquiera de estas escuelas te proporcionará solo una visión general para sobrevivir por un tiempo, o te obligarán a tener un dominio de la teoría y la aplicación de estadísticas para que seas ¿puede actualizar de manera constante e independiente su comprensión de las estadísticas modernas a medida que se siguen desarrollando nuevas tecnologías y metodologías para la ciencia de datos?

No sé nada sobre ninguno de estos programas; Estas son preguntas que debe hacer e investigar. Si las contesta y parece ser el claro ganador, vaya allí. Si ambos parecen fuertes, ve al que te proporcione el mayor cambio de escenario. Si ninguno de los dos parece fuerte, haz lo que hice: conseguir un trabajo en una escuela que tenga un programa de estadísticas asombroso, demostrar tu valía e infiltrarte en el programa de adentro hacia afuera.

Depende de dónde planeas trabajar. Si desea trabajar en los Estados Unidos, entonces es claramente ventajoso estudiar en una institución estadounidense. Después de todo, la Universidad de Boston tiene un reconocimiento de nombre más fuerte entre los estadounidenses que UCL. Además, mientras estudias en los Estados Unidos, será mucho más fácil entrevistarte para puestos en empresas estadounidenses que si estudias fuera de los estados. Estoy seguro de que lo mismo es cierto para UCL y las oportunidades de trabajo en el Reino Unido y Europa.

Pero después de revisar el plan de estudios de ambos programas, siento que ninguno de los dos es tan bueno. Ambos son títulos de un año y solo cubren lo básico. Si realmente desea trabajar como científico de datos o bioestadístico, le aconsejaría que considere títulos de dos años más tradicionales donde podría seleccionar cursos optativos más avanzados.

¡Hola! No sé mucho sobre el programa de estadísticas de la Universidad de Boston. Pero mi experiencia en UCL me lleva a pensar que aprenderás lo que estás buscando en su programa. Creo que la Maestría en Ciencia de Datos en UCL es bastante nueva, por lo que espero que algunos problemas se resuelvan en los primeros años. Sin embargo, la cultura en UCL es una de exploración profunda y preguntas rigurosas fundamentadas en hechos fundamentales. Además, ese programa en particular parece ser especialmente útil en el mercado moderno. ¡Espero que esto ayude!

More Interesting

¿Qué tan bueno es un nanogrado de Udacity en ciencia de datos para un estudiante graduado?

¿Cuáles son algunas ideas para un proyecto de 'sistemas' de big data?

¿Cuáles son las mejores herramientas utilizadas para el modelado de datos?

¿Qué tipo de codificación se usa en ciencia de datos?

¿Qué es la asociación de datos en el aprendizaje automático?

¿Cómo pueden los estudiantes de estadísticas implementar realmente las pruebas A / B cuando no tienen una gran cantidad de datos disponibles para sitios web personales y no saben mucho sobre el diseño de páginas web?

¿Entrar en Big Data es una buena opción ahora?

¿Por qué se considera que la ciencia de datos está de moda?

¿Por qué necesitamos Python cuando R es tan brillante para el aprendizaje automático y la ciencia de datos?

¿Cuál es el equilibrio entre técnica e intuición para un científico de datos exitoso?

Si está aprendiendo Data Science, ¿qué tan importante es saber cómo implementar modelos de Machine Learning en lenguajes de nivel inferior (por ejemplo, C ++ o Java)?

Cómo convertir un marco de datos en transacciones para la minería de reglas de asociación

¿Cómo pueden las técnicas de big data y los métodos estadísticos ayudar a un jugador de cricket a analizar sus datos históricos y mejorar su rendimiento?

¿El núcleo RBF utilizado en SVM significa que la dimensión de proyección será la misma que el tamaño del conjunto de datos original?

¿Es necesario implementar algoritmos principales de aprendizaje automático desde cero al menos una vez para obtener una pasantía en ciencia de datos en una empresa prestigiosa?