Obtuve una maestría en Estadística Aplicada de DePaul. En general, fue un muy buen programa y me ayudó a prepararme para un papel en Big Data en Facebook.
Mejores escuelas para maestrías en ciencia de datos
DePaul se ubica en los mejores programas, al igual que Northwestern.
- ¿Cuál es la diferencia entre datos e información?
- ¿Llegarán los big data y la visualización de datos a una era de exponer BS pseudo-filosóficas y pseudocientíficas (como la radiografía expone la patología subyacente) visualizando antipatrones en razonamiento, calidad de evidencia y silenciamiento de críticos? ¿'Veremos' BS?
- ¿Cómo es trabajar en los centros de datos de grandes empresas? ¿Y cuánto debo estar calificado para trabajar en el Centro de datos de Google?
- Estoy planeando obtener la admisión para MS Data Science. ¿Alguien puede sugerirme las mejores universidades en las que pueda ingresar y tener buenos aspectos futuros?
- ¿Qué tan necesario es una comprensión profunda de la computación paralela para un científico de datos?
Universidad DePaul
- Grado: Maestría en Ciencias en Análisis Predictivo
- Concentraciones en métodos computacionales, cuidado de la salud, hospitalidad y mercadeo
- Escuela: Facultad de Informática y Medios Digitales.
- Ubicación: Chicago, IL
- Programa a tiempo completo: 2 años
- Programa a tiempo parcial: sí
- Opción en línea: sí
El plan de estudios de dos años de DePaul se centra en proporcionar a los estudiantes habilidades avanzadas en minería de datos, estadísticas multivariadas, aprendizaje automático y procesamiento de bases de datos. Una vez que han elegido sus concentraciones, los estudiantes pueden elegir entre una amplia gama de asignaturas optativas, incluidos los cursos de la Kellstadt Business School. Para fomentar las habilidades del mundo real, los estudiantes trabajan en proyectos de análisis de datos patrocinados por la industria y / o pasantías en el campo de la analítica.
Esta es la descripción del curso de Machine Learning:
CSC 578 – Redes neuronales y aprendizaje automático
Un estudio de la estructura básica de las redes neuronales y cómo las máquinas pueden aprender. Esto incluirá análisis de árboles de decisión, aprendizaje bayesiano, algoritmos genéticos, PAC, aprendizaje analítico y de refuerzo. Las redes neuronales a estudiar incluyen Hopfield, backpropagation, Kohonen, ART y Neuro-Fuzzy. Los estudiantes explorarán las aplicaciones actuales y diseñarán varios sistemas de aprendizaje. No se asume ninguna experiencia previa en inteligencia artificial.
Si desea una introducción a la ciencia de datos, puede hacer este curso en línea: Introducción a la ciencia de datos – Universidad de Washington | Coursera