Ръководство за нарастващите програми за ускорена наука за данни в Торонто
Забележка: Тази статия беше редактирана на 13 ноември 2018 г., за да отрази актуализираната информация.
През изминалата година четири отделни учебни лагера за Data Science/Machine Learning и една 8-месечна програма за сертификати се приземиха в Торонто. Това е една от стъпките на града към посрещане на текущото и предстоящото търсене на специалисти по данни, анализатори и инженери. За първи път научих за тези програми на срещата на високо равнище за машинно обучение в Торонто (TMLS) миналата зима чрез един от неговите спонсори, The YorkU Machine Learning Certificate Program. (Забавен факт! Тази програма е разработена отчасти като резултат от 2017 TMLS Summit [1] и се фокусира върху реални бизнес проблеми.)
Опитът ми на срещата на върха затвърди решението ми да се науча как да прилагам машинното обучение в здравеопазването. Наскоро обявената програма на Йорк се превърна в един от 5-те възможни маршрута за обучение, които проучих. Вземането на решение кой път да поема беше трудно. Знаех, че не искам да следвам традиционния образователен път, нито искам да правя онлайн курсове. Информацията за алтернативните програми, които ме интересуваха, изглежда беше навсякъде. Открих, че си пожелах проста диаграма с цялата информация, от която се нуждаех, за да започна да анализирам и да взема решение. Поради тази причина съставих тази диаграма, за да служи като ръководство за всеки, който желае да се ориентира в програмите на Торонто за 2018 Data Science.
Програмното ръководство за наука за данни в Торонто 2018
И така, тук имаме две диаграми, показващи ви новите програми за Data Science в Торонто. Ако се интересувате да ги преследвате, ще си зададете важен въпрос: „Коя програма би била най-добрата ми инвестиция?“ Това е въпрос, на който трябва да си отговорите сами, като се свържете с програмата, която ви интересува, и получите по-персонализирана информация. Засега ще ви помогна да започнете да се ориентирате в това решение, като изследвам как тази диаграма се превежда към видовете опит, който бихте имали във всяка програма.
Ангажимент
Нека започнем, като разгледаме какво ни казват различните видове ангажименти. Програмите на пълен работен ден включват 400–500 часа учебно време и работят от 9/10 сутринта до 17:00/18:00 часа от понеделник до петък. Те също така изискват поне 10 допълнителни часа седмично извън часовете за работа с портфолио и дори повече за разбиране на материала. Програмите на пълен работен ден са ускорени, потапящи и интензивни. Следователно гарантираният успех (т.е. максимално учене) в програмите изисква да се откажете от всички други ангажименти, които имате. Програмите на непълен работен ден от друга страна ви дават пространство да се ангажирате с други ангажименти, оставяйки ви място да продължите да работите, например.
Доставка на съдържание
Какво ще кажете за разликите в доставката на съдържание? Някои са лично, а други са комбинация от онлайн и лично. Онлайн обучението за вас ли е? Досега онлайн обучението е достигнало до широката популация и основното предимство и основният му недостатък излязоха наяве: гъвкавост и ниско ниво на отчетност. Гъвкавостта може да бъде страхотна, защото означава, че можете да спрете лекцията на пауза навсякъде, където трябва да отделите време за обработка на съдържанието. Това също означава, че можете по-лесно да планирате програмата заедно с други ангажименти. Но какво се случва, когато материалът стане наистина труден за разбиране или просто не ви се учи? Тази гъвкавост на планирането може да ви направи уязвими към изоставане с материала, докато се натрупва. Липсата на отговорност за изучаване и завършване на проекти означава, че програмите за онлайн доставка са най-подходящи за тези, които са силно самодисциплинирани или просто много добри в играта на наваксване.
Езици
Сега нека да видим как работата с програмата се различава в зависимост от езиците. Всички програми използват Python, основният език, използван в науката за данни и машинното обучение, но е важно да се отбележи, че само програмите на пълен работен ден ще ви научат на езика от нулата. UTSCS се отличава от останалите, като преподава HTML/CSS и Java в рамките на един от своите модули за уеб технологии и визуализация.
Подкрепа за кариера
Освен съдържанието на курса, доставката и цената, последният важен атрибут, който трябва да вземете под внимание, е нивото на кариерна подкрепа, предлагана в рамките на различните програми и дали те отговарят на вашите нужди. Създадох кратък индекс с видовете поддръжка, които идентифицирах в моето проучване. Няма да обяснявам как се различават тези видове поддръжка, защото всяка програма има своя собствена стратегия, която е най-добре представена от програмните съветници на програмата.
С това приключва Ръководството за програмата за наука за данни в Торонто за 2018 г.
Ако проявявате интерес да се запишете в някоя от тези програми, разглеждането на техните уебсайтове и достигането до съветниците по програмата са страхотни следващи стъпки. Надявам се, че сте намерили това за полезно. Аз, например, в крайна сметка избрах програмата Immersive Data Science на Bitmaker и не мога да бъда по-доволен от решението си досега. Ако искате да научите повече за моя опит, не се колебайте да се свържете!
Препратки:
[1] От лично интервю
Връзки към училищния сайт:
https://bitmaker.co/courses/data-science
https://brainstation.io/course/toronto/data-science-bootcamp
https://bootcamp.learn.utoronto.ca/data/
https://continue.yorku.ca/certificates/certificate-in-machine-learning/
