Quiero hacer mi maestría en ciencias de datos o análisis de big data. ¿Cuáles son las mejores universidades para un programa de maestría en este campo?

Answer 1

Esta es una gran pregunta y la respuesta no es sencilla.

Dado el rápido estado de cambio dentro de esta industria, la evaluación de un programa en particular debe hacerse en contra de sus propios objetivos profesionales. Dicho esto, hay un par de factores diferentes que debe considerar al evaluar un programa:

• ¿Qué tan técnico quieres ser? Algunos programas usan R y Python, algunos usan SAS y otros usan herramientas mucho más básicas como Excel. Al evaluar los programas, mire qué usarán en las clases.
• ¿En qué tipo de industria quieres estar, después de graduarte? Debido a la naturaleza fragmentada de cómo se estudian los grandes datos y los análisis en los académicos, muchos programas se centran implícita o explícitamente en técnicas de enseñanza que son específicas de la industria.
• ¿Cuán auto-motivado eres? Si está fuertemente motivado para sí mismo, gran parte del material que aprende en un Programa de Maestría está disponible en línea y el pago de la matrícula tal vez no sea tan bueno como una inversión.
• ¿Cuánto valoras la experiencia en clase? Algunos programas están en línea y para algunas personas esto es lo suficientemente bueno, pero otros ganan valor al ser en persona. ¿Que tipo de persona eres tu?
• ¿Cuál es la tasa de colocación? Cada vez que obtiene una maestría, se está enfocando en conseguir un trabajo y en asegurarse de que las personas que se gradúan obtengan realmente empleos, es importante. Me aparece una bandera roja cuando veo un programa de maestría que no proporciona información sobre dónde terminan las personas después de la graduación.
• Que quieres aprender? Una maestría tradicional en estadística puede ser mejor para algunos estudiantes que una maestría en informática más analítica.
• ¿Qué tanto vínculo tiene con la industria la facultad? Por ejemplo, en USF (divulgación: donde enseño), los maestros de análisis tienen una pasantía requerida. Este programa, llamado práctica, es una piedra angular de la experiencia de la USF.

De todos modos, no pongo mucho stock en las clasificaciones de un campo tan inmaduro. Primero, muchas de las listas de “lo mejor de” que ves son de pago para jugar (las escuelas no se clasifican a menos que gasten dinero) y, en segundo lugar, existe tal variación en el campo, donde el mejor programa para alguien tal vez el peor trabajo para otra persona Teniendo en cuenta estos dos factores, creo que decir que cualquier programa es “mejor” que otro es un poco inmaduro en este campo.

Answer 2

Como dice Nicholas Ross, la respuesta a esta pregunta depende mucho de sus propias habilidades, intereses y objetivos. Hay una gran variedad de programas, y dado que todavía es un campo joven, hay muy poca estandarización.

Una de las primeras preguntas que debe hacer es qué tipo de programa está buscando. Clasifico los programas de ciencia de datos en Business Intelligence, Broad Technical, Deep Technical y Well-Rounded. Cada uno tiene sus ventajas y desventajas, y cada uno funcionará mejor para unos estudiantes que para otros. Considere cuáles son sus puntos fuertes y sus metas, y luego examine cada programa potencial con cuidado para comprender cuál es su visión del graduado ideal y qué tan bien se ajusta a sus propios objetivos.

También repetiré el comentario de Nicholas de que no puedes confiar en las listas de “lo mejor de” que están ahí fuera. Dado que los programas difieren tanto, las listas comparan manzanas y naranjas, muchas listas se basan en el método de pago por reproducción y, en general, el campo simplemente no ha existido lo suficiente como para tener las mejores prácticas bien entendidas para los datos. enseñanza de las ciencias.

Answer 3

Carnegie Mellon es sin duda uno de los mejores en ciencia de datos, con varios programas de maestría como maestría en aprendizaje automático, maestría en ciencia de datos computacional y maestría en inteligencia de negocios y análisis de datos, etc., completamente enfocada en la información. Hay un departamento completo para la ciencia de datos. Muchos trabajos de investigación y el grupo de pares inteligentes malvados son bonos, aparte del rigor del curso.

Answer 4

Aegis Post Graduate Programme en Data Science, Business Analytics y Big Data en asociación con IBM.

El programa ejecutivo incluye tres modos de entrega: Tiempo completo, Fin de semana ejecutivo y Ejecutivo en línea.

El programa de postgrado a tiempo completo se encuentra en Mumbai.

Executive Weekend está disponible en Mumbai, Pune y Bangalore. Los participantes que tengan más de 2 años de experiencia y que no pertenezcan a ninguna de estas ciudades pueden solicitar el Programa Ejecutivo en Línea.

Aegis es uno de los mejores institutos en India en Analytics / Data Science. Está clasificado entre las 10 mejores instituciones en la India.

Para ver la clasificación, por favor haga clic en el enlace: Los 10 mejores cursos de análisis en India – Clasificación 2016

Algunas de las mejores características de este programa se enumeran a continuación:

El certificado final de PGP será emitido por Aegis e IBM conjuntamente.
-El programa está diseñado y entregado conjuntamente por IBM y Aegis School of Data Science.
-Exposición a proyectos vivos de la industria.
-El mejor y único PGP en Data Science en India
-Programa entregado por expertos en la materia de IBM y los mejores científicos de datos
-Centro de administración de profesionales para ayudarlo a cambiar su carrera y encontrar oportunidades adecuadas.
-IBM Business Analytics Lab
– Estructura de crédito globalmente aceptable.

Haga clic aquí para saber más sobre este programa:

Tiempo completo: http://goo.gl/7veAon
Modo ejecutivo de fin de semana: http://goo.gl/I9J3r5
Modo en línea ejecutivo: http://goo.gl/jX7r70

Answer 5

Lee la siguiente respuesta:

1. MS en la ciencia de datos
2. MS en DS vale la pena

Answer 6

Los programas de maestría de la Escuela de Información de Berkeley suenan como una excelente opción para usted.
Los másteres se adaptan más a los profesionales que a los académicos.