Indiana University MS Data Science

前几天刚刚考完了最后一门课的考试（Artificial Intelligence）,期待收到毕业证中。
先简单介绍一下这个项目，我们这个项目是Master of Science in Data Science。
次项目有Online的版本和面对面版本。拿到手的学位没有任何区别。我选择的是Online。
先来说说选择Online pros cons吧：
pros 1. 学费便宜很多
       2. 对于已经工作有家要养的同学，这样可以工作和学业兼顾
       3. 学习时间由你自己支配

cons 1. 和教授以及同学见面机会少，以后想让教授给个推荐信比较难
        2. 不能办OPT
        3. 校园内的教育资源没办法利用，比如学校有很多业界大牛来讲座，就没办法参与
        4. 选修课的选择范围没有面授的选择范围大，很多课没有online的版本

其实这个项目的课程类似于Master of Science in Computer Science.
我的理解是这个MS in Data Science = MS Computer Science - 数据关系不大的课程（比如Computer Architecture, Compiler, OS等等 ）+ 统计学的课程课程（比如Statistical Analysis，Time Series Analysis等等）

现在简单介绍下我拿过的课（很多课每个学期会有不同的教授上，所以这只是我个人上那门课的感受，仅供参考）：

Applied Machine Learning
作为一个MS in Data Science，上门Machine Learning的课当然是必须的了。我学的这是是偏应用的Machine Learning，简单来说就是数学证明比较少，内容偏如何应用Machine Learning，比如如何防止overfitting啊，如何取舍Accuracy和recall啊，如何不用第三方库纯Python写一个ML 的算法啊等等。不足之处在于，Un supervised learning和Reinforcement learning内容不足。

Cloud Computing
感觉这门课一大半时间在讲Hadoop，比如Hadoop运行机制啊，如何用Hadoop实现一个PageRank啊。如果你已经对Hadoop／Hbase 很熟了，上的意义不大。

Python
这门课一般是在讲基础的Python的东西，一般是在讲Panda，Numpy之类的东东。如果你对Python这门语言以及Panda很熟的话，没什么上的意义了。

Applied Algorithm
这门课正如其名，对算法的数学证明啊之类的比较少，偏重于如何纯手工把有名的算法实现一遍。建议想去面试算法的同学可以修这门。如果你想学很数学方面的算法，不建议选这门。

Applied Data Science
这门课可以说是一个对Data Science全但是不深的介绍性课程，它会接触Data Science的方方面面，统计啊，数据库啊，Machine Learning啊， Data Visualization啊等等。但是每个方面都比较浅，建议可以作为第一门课程上。

STAT ANALYS FOR EFF DEC MAKING
Statistical Analysis for Effective Decision Making
这门课主要讲如何应用统计学解决实际问题，并没有什么数学证明。对统计学感兴趣但又不想做很多数学证明的可以选这个。 课程中会用到R

DATA SCIENCE ON-RAMP
这门课是可以自己选一些小型课程，每个小型课程1个学分，可以挑自己感兴趣的技术来学习（有Java， Scala，Hadoop，Spark， R，TensorFlow等等）

顶下校友

，冷冷清清。我来个回复吧。

不知线下的项目，性价比如何？