IE: casi con seguridad en la facultad / escuela de ingeniería.
O: tal vez en ingeniería, tal vez en matemáticas, tal vez en informática, posiblemente en la escuela de negocios.
MS: casi con certeza en la escuela / escuela de negocios (o en el departamento de economía).
DS: podría estar en estadísticas, podría estar en ingeniería, podría estar en la escuela / escuela de negocios.
¿Cuál es el significado (si lo hay) de lo anterior? Hay un cierto contenido central compartido por OR, MS y (creo) IE que aparecerá en todos ellos. Los cursos tomados más allá de ese contenido central y el enfoque de las aplicaciones dependerán del hogar del programa. Como un ejemplo, las maestrías de MS probablemente tendrán que tomar una clase de contabilidad o dos, una clase de finanzas, etc.
Los requisitos previos también pueden variar. Las especializaciones de IE pueden necesitar más álgebra lineal y más cálculo que las especializaciones de MS, solo porque los ingenieros tienden a suponer que todos deberían conocer esas materias y que los profesores de la escuela B no son necesariamente tan matemáticos (ni los estudiantes de la escuela B).
- ¿El análisis de big data realmente puede ayudar a tomar decisiones comerciales?
- ¿Qué software recomendaría para el análisis de datos cualitativos de 30 entrevistas? Hay 11 códigos y, en promedio, cada respuesta tiene 5 códigos concurrentes.
- ¿Qué es la ciencia de datos y el análisis y cómo puede beneficiar a las empresas?
- ¿Qué piensan los estadísticos de la ciencia de datos?
- ¿Cuál es la mejor arquitectura de chispa (big data) crees que para este caso de uso?
La ciencia de datos es una recién llegada a la lista de especialidades académicas, y actualmente está un poco mal definida (lo que significa que es lo que el profesorado decidió que querían enseñar cuando se les dijo que tenían que desarrollar una especialización de DS). Es probable que sea más pesado en estadísticas y (posiblemente) (con suerte) aprendizaje automático que las otras especialidades enumeradas, y como consecuencia más ligero en modelos de optimización, modelos estocásticos y / o simulación. La ciencia de datos también puede arrastrar contenido de ciencias de la computación (relacionado con bases de datos, Hadoop, etc.) que sospecho que no sería tan común en IE / OR / MS.
