西北Master of Science in Analytics(MSiA)独家介绍分享

感谢分享！！！！非常非常有用

多谢楼主，很有帮助！

感谢分享

顶，，，，，

看到新一届貌似又放榜了，恭喜一下录取的同学们，也趁这个机会最后update一下毕业感想：

1）Data Science领域无论是scope还是depth发展真的都非常迅速，知识开始过时或者被层层包装到底层的速度也很惊人。这不是一条一劳永逸的道路，工作了也必须持续学习才能跟上发展。

2）读一个Data Science项目的收获不能止于课上学到了什么做过什么，而很重要是入门以后学会如何持续学习，该往哪个方向学习，哪些技术发展前景更好，哪些技术应用面更广，哪些更合适自己。

3）回头来看我非常appreciate这个14门必修课+1门选修课的课程设置，因为假如回到刚入学时候对Data这个领域只有几篇medium post的粗浅认知的我是很难把课选到如此全面的。假设放开选课我觉得我会更偏向于选一些听起来很酷或者是一个比较时兴的名词那种课，从而错过一些对实际工作更加有帮助的好课。以下几门课我的印象尤其深刻：
- Analytics for Big Data：项目Director的课，作业量非常大。主要讲unstructured data, map reduce, 作业写Spark。入职以后帮助很大。
- Analytics Value Chain: 一门开始容易被名字欺骗，后来一提起来就闻风丧胆的课，两位讲师请的都是业界DS/ML Engineer，每两周专门从湾区飞过来上课。这门课主要教how to productionize machine learning，project从最开始的data pipeline到中间的machine learning processing到最后final output，然后把app放在aws server上面，再套一个web UI供人使用，完全的full stack。
- Leadership：完全改头换面的两节Business课之一，Kellogg的老师来教，本以为是水课，结果教的真的非常好，不讲空洞的大道理，只是教从最细节的地方understand yourself and understand others，如何show leadership when you're not the leader。收获极大。
- Data Visualization: 吐槽一下必须用d3而不是tableau或者ggplot2来做final project，这真的很硬核🤦

4）我觉得总体来看，MSiA作为一个找工向的master，自我定位非常清楚，教的东西更偏向于广而不是深，注重的是技术与当前业界的对接，各种公司五花八门的Data Scientist的要求偏重的方向都有涉及。而深度更多靠个人修炼而不靠课程提供。

点赞！！顶楼主，很有帮助

class 15学姐来点赞！