Esta es una gran pregunta y supongo que está preguntando sobre esto a nivel de posgrado. Desafortunadamente, como muchas preguntas, no hay una respuesta fácil.
La razón de esto es que Data Science no es una habilidad bien definida. Debido a esto, las escuelas tienen enfoques muy diferentes sobre cómo y qué deben aprender los estudiantes de Ciencias de datos.
Por ejemplo:
- ¿Cuál es una explicación amable de GradientBoost?
- ¿Quiénes son los mejores expertos en aprendizaje automático (ML)?
- ¿Cuáles son las diferentes estrategias de gestión de datos? ¿Sus ventajas y desventajas?
- ¿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?
- Python (lenguaje de programación): ¿Qué se puede hacer con Python y simplemente no se puede hacer con R en el dominio de la ciencia de datos?
- El Masters of Analytics de NC State utiliza el lenguaje de programación SAS, que, aunque popular en algunas industrias, no es utilizado por muchas empresas de tecnología.
- El Master of Analytics de UC Berkeley está en línea, no es un 100% de experiencia en el aula.
- El Master of Analytics de la USF (MS in Analytics – College of Arts and Sciences | University of San Francisco) utiliza Python y R y es un programa de tiempo completo de un año.
- Muchas escuelas requieren tomar cursos con estudiantes que no reciben títulos de maestría. Por ejemplo, toma clases de CS con estudiantes de CS y clases de Estadística con estudiantes de Estadística. Esta es una excelente manera para que la escuela ahorre dinero, pero significa que la clase no se enfoca en la ciencia de datos.
- Algunas escuelas tienen profesores que trabajan en Data Science y, por lo tanto, están más familiarizados con lo que se está haciendo ahora. Otras escuelas tienen profesores que están más en sintonía con la investigación, algo que puede no pagar dividendos para los estudiantes que buscan trabajo.
En otras palabras, hay una amplia variación en los programas. Para evaluar lo que es mejor para usted, le recomiendo considerar lo siguiente:
- ¿Por qué estás obteniendo el título? Si está buscando un trabajo en ciencia de datos, asegúrese de que cualquier escuela a la que asista proporcione estadísticas de empleo posteriores a la graduación. Por ejemplo, tanto NC State como USF tienen, en sus páginas web, el porcentaje de sus estudiantes que tienen trabajo después de 3 meses. Si está obteniendo un título para obtener un trabajo, ¡no asista a una escuela que no le brinde esta información!
- ¿Qué necesitas aprender? Si está interesado en Machine Learning, asegúrese de que el plan de estudios del programa incluya clases de Machine Learning. ¿Quieres tener un trabajo que requiera Python? Bueno, ¡asegúrate de que las clases usen Python! La mayoría de los programas proporcionarán con gusto una lista de clases e información.
- ¿En qué industria quieres entrar? Si quieres hacer finanzas, ¡entonces ve a una escuela que ubique a los estudiantes en la industria financiera! Si desea ingresar a la tecnología (facebook, google, etc.), asegúrese de que el programa tenga un historial de que los estudiantes obtengan trabajo allí.
- ¿Qué tipo de experiencia en el aula quieres? Como dije anteriormente, algunos programas están en línea, algunos programas te hacen tomar clases con estudiantes de ciencias sin datos … ¿Es esto algo que quieres? Probablemente no, así que asegúrese de saber esto antes de aceptar asistir.
- ¿Desea obtener experiencia práctica y práctica antes de graduarse? El programa de USF, por ejemplo, tiene una pasantía de 9 meses en el medio, establecida por el programa, que permite a los estudiantes obtener experiencia práctica trabajando con compañías tecnológicas locales.
Desearía que hubiera una respuesta fácil a su pregunta, pero desafortunadamente, ¡no la hay! Tendrá que investigar un montón y pensar en la respuesta a las preguntas anteriores antes de averiguar qué programa es el adecuado para usted.
¡Buena suerte y avíseme si tiene alguna pregunta específica!
Gracias,
-mella
ps Divulgación completa: enseño en el programa de Maestría en Análisis de la USF (MS in Analytics – College of Arts and Sciences | University of San Francisco) y, si has leído hasta aquí, ¡te recomendaría que lo revises!
