अमेरिकी रैपर, खेल, आईसीओ, अपंजीकृत

डेटा साइंस में औपचारिक डिग्री प्राप्त करने के 7 कारण

स्रोत नोड: 1865212

डेटा साइंस में औपचारिक डिग्री प्राप्त करने के 7 कारण

डेटा विज्ञान के क्षेत्र में सीखने के लिए अब बहुत सारे विकल्प ऑनलाइन उपलब्ध हैं। यह निर्धारित करने के लिए विचार करने के लिए कई कारक हैं कि क्या ये विकल्प या किसी शैक्षणिक संस्थान से पारंपरिक डिग्री आपकी व्यक्तिगत सीखने की शैली और कैरियर आकांक्षाओं के लिए सबसे अच्छा तरीका है।


By पूर्वांशी मेहता, माइक्रोसॉफ्ट में डेटा वैज्ञानिक.

यह सच है कि ऑनलाइन शिक्षण आपको अपनी पसंद के किसी भी पाठ्यक्रम को अपनाने की लचीलापन और सामर्थ्य प्रदान करता है। लेकिन ऐसे कई कारण हैं जिनसे मुझे लगता है कि एक औपचारिक डिग्री डेटा साइंस के क्षेत्र में प्रवेश करने के इच्छुक किसी व्यक्ति की मदद कर सकती है।

यह सिर्फ मेरा अपना दृष्टिकोण है, और लोग कई स्तरों पर मुझसे असहमत हो सकते हैं। बेझिझक अपनी बातें साझा करें।

पता नहीं कहां से सीखें

मान लीजिए कि आप मशीन लर्निंग सीखना चाहते हैं। आप एंड्रयू एनजी के मशीन लर्निंग कोर्स से शुरुआत करें और इसे खत्म करें। अब आप गूगल करें कि आप एमएल में और क्या पढ़ सकते हैं। आपको 100 मिलेंगे '10 सर्वश्रेष्ठ मशीन लर्निंग पाठ्यक्रम'. अब आप असमंजस में हैं कि कौन सा कोर्स करें।

एमएल में, इतना विशाल क्षेत्र होने के कारण, आप एसवीएम, रिग्रेशन पर एक-एक कोर्स कर सकते हैं और सूची जारी है। अंत में आप आसानी से निराश हो सकते हैं!

एक औपचारिक डिग्री में आमतौर पर एमएल में एक लागू और एक सैद्धांतिक पाठ्यक्रम होगा, जो परिभाषित करने में मदद करता है क्षेत्रों में सबसे महत्वपूर्ण विषय क्या हैं और उन्हें कवर करने वाले संसाधन आपको प्रदान किए जाएंगे।

एक औपचारिक डिग्री निरंतरता का आश्वासन देती है

MOOC पाठ्यक्रम पूरा करने की वर्तमान औसत दर केवल ~15% है [1]। बहुत से लोग चीज़ें सीखना चाहते हैं, लेकिन हो सकता है जिंदगी रास्ते में आ जाता है, या वे रुचि खो देते हैं।

एक औपचारिक डिग्री समय अवधि और आपके द्वारा खर्च किए जाने वाले संसाधनों पर एक बाधा सुनिश्चित करती है।

किसी पाठ्यक्रम के लिए असाइनमेंट

अधिकांश लोकप्रिय ऑनलाइन पाठ्यक्रम असाइनमेंट के समाधान GitHub या अन्य स्रोतों पर उपलब्ध हैं। आप किसी समस्या में बहुत कम समय तक फंसे रहेंगे क्योंकि आप ऑनलाइन खोज करते रहेंगे।

किसी विश्वविद्यालय में अच्छे पाठ्यक्रमों में आमतौर पर कठिन प्रश्न होंगे और ये आपको लीक से हटकर सोचने के लिए मजबूर करेंगे। वास्तव में, मैंने अपने असाइनमेंट से सबसे अधिक सीखा, विशेष रूप से सैद्धांतिक विषयों में वे असाइनमेंट वास्तव में मजेदार हो सकते हैं।

परियोजनाओं

यदि यह एक लोकप्रिय पाठ्यक्रम है, तो लगभग हर कोई इसे कर रहा है। तो, आपके द्वारा लिए गए कंप्यूटर विज़न कोर्स में 'ऑब्जेक्ट डिटेक्शन प्रोजेक्ट' हजारों अन्य लोगों द्वारा लिया गया है। अपने बायोडाटा को अलग दिखाने के लिए आपके पास अपना खुद का कुछ होना चाहिए।

जब आप अभी भी अपनी बुनियादी बातों पर काम कर रहे हों तो काम करने के लिए विचार प्राप्त करना बहुत कठिन होता है। यदि आपको ऐसे प्रोफेसर की सहायता मिलती है जो आप पर विचारों की बौछार कर सकता है, तो आपको अच्छी शुरुआत मिलेगी।

अनुसंधान परियोजनायें

अकेले शोध में उतरना कठिन है। पेपर न केवल आपको अन्य लोगों पर बढ़त दिलाते हैं बल्कि आपको किसी विषय के बारे में गहराई से जानने में भी मदद करते हैं। आप किसी प्रोफेसर के अधीन काम कर सकते हैं और शायद कुछ प्रकाशन प्राप्त कर सकते हैं।

अंतरराष्ट्रीय निवेश

एक अंतरराष्ट्रीय माहौल और एक अलग देश में स्नातक डिग्री का अनुभव प्राप्त करना अपने आप में एक अनुभव हो सकता है।

उद्योग अभी भी औपचारिक शिक्षा को महत्व देता है

इस तिथि तक ऐसे कई पद हैं जिन्हें प्राप्त करना बहुत आसान है यदि आपके पास औपचारिक डिग्री है। ऐसा कई कारणों से है. मैं इस पर टिप्पणी नहीं कर रहा हूं कि यह गलत है या सही, लेकिन मान लीजिए, पीएच.डी. के लिए कुछ पद आरक्षित हैं। छात्र.

[1] एमओओसी पूर्णता दरें (katygordan.com)

मूल। अनुमति के साथ पुनर्प्रकाशित।

जैव: पूर्वांशी मेहतामाइक्रोसॉफ्ट सुरक्षा अनुसंधान टीम का सदस्य है, जिस पर अधिक नवीनतम लेख उपलब्ध हैं मध्यम.

संबंधित:



शीर्ष आलेख पिछले 30 दिन
सबसे लोकप्रिय
  1. डेटा वैज्ञानिकों और एमएल इंजीनियरों के बीच अंतर
  2. 3 कारण क्यों आपको तंत्रिका नेटवर्क के बजाय रैखिक प्रतिगमन मॉडल का उपयोग करना चाहिए
  3. सर्वाधिक सामान्य डेटा विज्ञान साक्षात्कार प्रश्न और उत्तर
  4. GitHub Copilot ओपन सोर्स अल्टरनेटिव्स
  5. Google के अनुसंधान निदेशक से डेटा विज्ञान सीखने की सलाह
सर्वाधिक साझा
  1. डेटा वैज्ञानिकों और एमएल इंजीनियरों के बीच अंतर
  2. अपने पंडों के डेटाफ़्रेम को कैसे क्वेरी करें
  3. आपको "उत्पादक डेटा विज्ञान" क्यों और कैसे सीखना चाहिए?
  4. न केवल डीप लर्निंग के लिए: जीपीयू डेटा साइंस और डेटा एनालिटिक्स को कैसे तेज करता है
  5. रे के साथ अपना पहला वितरित पायथन एप्लिकेशन लिखना

स्रोत: https://www.kdnuggets.com/2021/08/7-reasons-डिग्री-डेटा-विज्ञान.html

समय टिकट:

से अधिक केडनगेट्स

केडीनगेट्स न्यूज़, दिसंबर 13: डेटा साइंस में महारत हासिल करने के लिए 5 सुपर चीट शीट्स • डेटा साइंस के लिए Google के नोटबुकएलएम का उपयोग करना: एक व्यापक गाइड - केडीनगेट्स

स्रोत नोड: 2420693
समय टिकट: दिसम्बर 13, 2023