Eu vi alguns posts no Medium (e outras plataformas) dando uma perspectiva sobre como obter as habilidades necessárias para ter sucesso em Comprar TCC. O contraste típico é um diploma universitário versus uma coleção personalizada de credenciais online (via MOOCs, campos de treinamento de treinamento, etc.). Como um membro do corpo docente do Instituto de Ciência de Dados de Vanderbilt, acho que tenho uma perspectiva sobre essa decisão que é ouvida com menos frequência online.

Minha experiência, em resumo: além de três diplomas universitários, também fiz vários cursos online e tenho várias credenciais de uma escola de programação online popular. Também tenho agora cerca de 20 anos de (diversificada) experiência de trabalho e, portanto, sei bastante sobre como conseguir comprar TCC em São Paulo, ser promovido e ter sucesso. É importante ressaltar que eu não fui um acadêmico para a vida inteira enclausurado em uma torre de marfim – tive resultados e contratei e demiti pessoas. Se você quiser saber mais sobre a minha experiência, clique aqui:

Vale a pena fazer um mestrado em ciência de dados para você? Leia e decida. Aqui está o que você poderá fazer em um programa de graduação que valha a pena:

Desenvolva relacionamentos incríveis.

A comunidade de ciência de dados é grande e está crescendo. Acontece quando você é considerado o “trabalho mais sexy do século 21”. Como você pode encontrar seu lugar na multidão?

Os programas de mestrado funcionam especialmente bem aqui. Você se tornará parte de um grupo com curadoria de colegas com ideias semelhantes. Conforme você vai para a aula, trabalha em projetos de grupo e coisas do gênero, começa a desenvolver uma valiosa rede de amigos e contatos profissionais. Esses colegas ajudarão no futuro, quando puderem ajudá-lo a conseguir um contato para um novo emprego, ou no próximo ano, quando ambos estiverem em novos empregos e precisarem de ajuda para resolver um problema no qual está preso.

Essas relações não terminam na formatura, nem se limitam aos colegas contemporâneos.

Essas relações não terminam na formatura, nem se limitam aos atuais colegas de escola. Após a formatura, você se tornará parte de uma comunidade mais ampla de ex-alunos. Concedido, isso é atualmente um pouco limitado, pois os programas de ciência de dados ainda são jovens – não há muitos ex-alunos. Mas esse é um benefício que cresce com o tempo. Eu vi isso em funcionamento na Owen Graduate School of Management. A base de ex-alunos é ativa e engajada com a escola, pronta e disposta a ajudar os alunos atuais e recém-formados a navegar no mundo dos negócios. O passo 1 na busca de emprego é conectar-se com ex-alunos dispostos e bem colocados.

Melhor ainda, você pode não perceber isso agora, mas provavelmente haverá graduados em seu programa daqui a 10 anos (ou mais) que provavelmente serão ótimos contatos para você no futuro, seja porque você precisa contratar seu próximo grande funcionário ou estão fazendo algo incrível em outra empresa e você vê uma possível parceria. Você tem uma ponte automática para alcançá-los por meio de sua conexão escolar comum.

Aprenda com seus colegas talentosos.

Não subestime a importância de aprender com os colegas. Esta é uma das partes mais importantes da educação, realmente. Há pesquisas significativas que mostram como a aprendizagem entre pares pode ser eficaz. Aqui está a explicação básica: um colega que recentemente entendeu um conceito está muito mais próximo de seu colega que ainda está confuso. Portanto, é mais provável que essa pessoa use palavras, conceitos ou metáforas específicas que ajudem na compreensão. Os professores, que são especialistas, às vezes não conseguem explicar algo de uma maneira nova e fresca que funcione para alguns alunos.

Além disso, ensinar outra pessoa é uma excelente maneira de adquirir experiência em um tópico. Ouvir e compreender é muito básico. Aplicar esse conhecimento a um projeto ou problema é um nível mais profundo de compreensão. Ensinar outros a fazer o mesmo leva você ainda mais longe.

Trabalhar em uma comunidade de alunos / acadêmicos produz uma compreensão muito mais profunda do que estudar por conta própria.

Além disso, o corpo docente é incrível. Não quero dizer isso como auto-engrandecimento – estou falando sobre meus colegas. Eles são pessoas incríveis e talentosas que estão totalmente engajadas com os alunos e se preocupam muito com o sucesso dos alunos. Portanto, a aprendizagem entre pares é incrível, mas você nunca fica sozinho.
Destaque-se na multidão.

Um dos motivos mais relevantes para se obter um diploma universitário é que você realmente se destaca. Os cursos online costumam ter milhares de participantes. As plataformas baseadas na Web para aprender codificação provavelmente têm centenas de milhares de alunos. Isso é ótimo! Estou emocionado que haja tantos que querem aprender mais e apoio totalmente essas plataformas (um tópico para outra postagem). Como observei acima, eu mesmo usei essas plataformas e me beneficiei delas.

No entanto, quando terminar, você estará entre milhares que acabaram de fazer a mesma coisa. Em um ano ou mais, você é um entre talvez cem mil. Como você se destacará para um recrutador ou gerente de contratação?
Os programas de pós-graduação, por necessidade, têm triagem embutida. Chama-se admissões. Embora esse processo pareça árduo quando você está entrando nele, uma vez que você é admitido, ele é bastante útil. Este processo é o que ajuda você a se destacar como parte de uma escola e também ajuda a gerar um grupo incrível de colegas talentosos.

Pratique o trabalho em equipe.

Costumo dizer isso em meus próprios cursos na Vanderbilt, mas ciência de dados é um esporte de equipe. Uma das coisas que você definitivamente experimentará em um programa de graduação é trabalhar em equipes. Esse tipo de experiência é vital porque praticamente todo o trabalho que você precisa fazer profissionalmente será como parte de uma equipe. Você terá seu próprio trabalho individual, é claro, mas, a menos que seja uma empresa individual, acabará trabalhando com outras pessoas. É melhor praticar isso mais cedo ou mais tarde.

Como você divide o trabalho? O que você faz se alguém não está fazendo a sua parte? Como você evita a duplicação de esforços? Como você comunica de forma eficaz e específica o que precisa ser feito? Como você faz tudo isso com pressão de tempo e um prazo?

Como você trabalha em equipe?

Todas essas são coisas que você experimentará em primeira mão em um programa de graduação. Essas também são coisas que você experimentará no mundo real do trabalho e nos resultados e prazos. É bom começar agora.
Priorize prazos e tarefas de trabalho.

Sim, os prazos são uma coisa. Para ser claro, não me refiro apenas a garantir que você termine seu trabalho dentro de um determinado prazo. Também quero dizer gerenciar vários projetos ou problemas e vários prazos, tudo ao mesmo tempo. Quero dizer, gerenciar seus próprios prazos individuais junto com os prazos de sua equipe em uma classe diferente.

No mundo do trabalho, você nem sempre pode controlar tudo e fazer tudo. Às vezes, você precisa “gerenciar para cima” com seu supervisor para informá-los de que algumas datas de vencimento para entregas precisam mudar. Como você tem essa conversa? Qual é a maneira certa de discutir isso? Como você prioriza com seu supervisor?
Eu converso regularmente com alunos que estão gerenciando muito – não apenas aulas, mas entrevistas (a procura de emprego leva muito tempo e acontece simultaneamente com suas aulas), concursos de casos e outros compromissos.

Eu faço o meu melhor para ser flexível. Algo com que posso lidar é um aluno que me envia um e-mail perguntando sobre o prazo de um projeto em uma semana que corresponde a um semestre em outra classe. Freqüentemente, não sei sobre conflitos como esse. Se meu projeto era para sexta-feira, muitas vezes posso adiar o prazo para domingo com muito pouco impacto em minha programação, e os alunos agora podem se concentrar em sua prova de sexta-feira, em seguida, pivô para a conclusão do projeto no fim de semana.

Praticar esse tipo de planejamento avançado e gerenciamento de tempo / carga de trabalho faz parte de ser um estudante de graduação. É uma habilidade vital no mundo do trabalho. Você tem esse tipo de situação quando está estudando por conta própria.

Desenvolva uma compreensão mais profunda de … tudo.

Rigor é provavelmente minha maior preocupação com relação ao aprendizado automatizado. Deixe-me definir isso: por aprendizagem “automatizada”, quero dizer especificamente aprendizagem individualizada, onde não há interação ou feedback personalizado. Isso é encontrado principalmente em MOOCs online com milhares de alunos e em plataformas automatizadas que ensinam codificação por meio de vídeos individualizados e exercícios simples.

Descobri que é impossível combinar rigor com aprendizagem automatizada, pelo menos com as ferramentas e tecnologias atuais. Tenho muitas tarefas automatizadas em minhas aulas – leituras, vídeos e questionários e feedback avaliados automaticamente. Eles são uma parte importante da minha aula … para conceitos introdutórios básicos. Meus alunos fazem isso como trabalho de preparação. O aprendizado aprofundado vem em sala de aula por meio de discussão, resolução de problemas em grupo e assim por diante.

O rigor vem em (pelo menos) duas formas. Em primeiro lugar, trata-se simplesmente de lidar com problemas mais difíceis. Você não pode automatizar problemas mais difíceis porque muitos alunos ficarão presos e o feedback automatizado é impossível a menos que você conheça o erro.

No momento, é preciso um ser humano para ver o que o aluno está fazendo de errado e personalizar a ajuda para aproximá-lo da resposta sem revelar. As plataformas automatizadas também sempre erram pelo lado do “fácil”, porque nada é mais frustrante para os usuários do que não ser capaz de resolver um problema e não ter ninguém para pedir ajuda.

Rigor não se resume a problemas mais difíceis. São problemas em aberto.

A forma mais importante de rigor são os problemas e projetos abertos. Por exemplo, como projeto final em minha aula de Pesquisa de Aplicativos de Ciência de Dados, meus alunos estão escrevendo seu próprio estudo de caso sobre um aplicativo de Ciência de Dados.

Esta atribuição faz muito. Primeiro, ele testa sua compreensão dos usos específicos da ciência de dados na vida real, forçando-os a pesquisar como as empresas ou organizações estão usando a ciência de dados. Em segundo lugar, isso os coloca no papel de “professores” porque eles precisam identificar os objetivos de aprendizagem e as questões para discussão em classe.

Isso os empurra para um nível mais alto de compreensão, como observei acima. Terceiro, também testa suas habilidades de comunicação e escrita porque eles precisam reunir todas as suas idéias em um documento conciso. Não há como esse tipo de tarefa funcione em qualquer plataforma de aprendizagem automatizada. Isso empurra meus alunos de maneiras que esses programas simplesmente não conseguem fazer e, assim, gera um domínio mais profundo desses tópicos.

Trabalhe em projetos únicos, interessantes e importantes

Se você ler por cerca de um minuto sobre “como ser um cientista de dados”, receberá um conselho de que deve trabalhar em projetos.

Logo após esse conselho, você encontrará mais conselhos de que precisa para se destacar da multidão, para que seu projeto final de MOOC (também feito por 10.000 outros alunos) não funcione. Sua ligeira variação em uma competição Kaggle também não deve chamar a atenção. E você definitivamente não deve usar nenhum conjunto de dados que já viu em um tutorial online.

A maioria dos programas de mestrado incluirá o trabalho em projetos interessantes em conjunto com professores ou empresas locais. Freqüentemente, eles já possuem dados interessantes e uma série de questões ou problemas reais que estão interessados ​​em resolver.

Um mestrado deve ajudar você a trabalhar em projetos reais com dados reais e obstáculos reais.

Mas você também tem suporte real e os recursos de que precisa para ter sucesso. Esse tipo de experiência é exatamente o que você precisa.

Esses são os tipos de projetos que ajudam você a se destacar. Estes são os tipos de projetos que o ajudam a desenvolver suas habilidades ao lidar com dados confusos, colunas de banco de dados mal nomeadas e a decepção de perceber que o que você pensava ser sua variável principal está faltando em 75% dos seus dados porque não era um campo obrigatório.

Envolva-se em conversas significativas sobre ética e preconceito

A maioria dos programas possui um curso de ética obrigatório. Você pode (e deve!) Ler sobre as questões éticas da ciência de dados. Existem alguns e não vou entrar neles aqui (por exemplo, preconceito racial, privacidade de dados, etc.). É melhor ter diálogos difíceis sobre ética pessoalmente e repetidamente ao longo do tempo. Também é melhor tê-los em um contexto mais amplo, não isoladamente.

O uso ético de dados e a aplicação ética de algoritmos (por exemplo) são de responsabilidade de todos na área. Não podemos deixar a ética de lado como especialidade de alguns.

A ética é algo facilmente omitido em um conjunto de certificados autocurados. Também é virtualmente impossível de fazer em um ambiente de aprendizagem automatizado. Meus colegas na Owen que ensinam ética ficaram particularmente perturbados com a mudança para o online com a pandemia por causa da perda dessas conversas.

Grande parte da ética consiste em compreender como suas próprias escolhas aparentemente inócuas podem impactar negativamente os outros. Consequências não-intencionais. Sem outras pessoas para ajudá-lo a ver seus próprios pontos cegos ou contar suas histórias, é difícil desenvolver sua imaginação ética.

Finalmente: vamos falar sobre custo.

O custo do diploma, claro, é o principal problema aqui. No entanto, em vez de olhar apenas para o custo, você deve se perguntar se é um bom valor. Os custos são bastante tangíveis na forma de mensalidades. Tentei descrever os benefícios, que talvez sejam mais abstratos.

Então, para terminar, vou passar algum tempo falando sobre por que esses diplomas são tão caros. Não é porque as universidades queiram enganar você – afinal, elas são organizações sem fins lucrativos. Pelo que eu posso dizer (isso está acima do meu nível salarial), a maioria dos programas universitários é executada com custo; eles só querem empatar.

Porque é que isso custa assim tanto?

Primeiro, o bom ensino é caro. Por que você está interessado em ciência de dados? Eu estaria disposto a apostar que pelo menos parte desses juros está relacionada às escalas de pagamento. Considerando o que um cientista de dados experiente pode fazer na indústria, quanto você acha que custa a uma escola pagar uma para ensinar em tempo integral?

Você não acha que os instrutores de ciência de dados podem conseguir empregos muito bons, especialmente dada a demanda atual por essas habilidades? A maioria dos professores ganha menos como professor do que ganharia na indústria, mas o estilo de vida (mais flexibilidade, mais autonomia) é um benefício não monetário. Pessoalmente, também gosto muito da variedade, dos relacionamentos e do frescor que vem com cada novo grupo de alunos. E nada me deixa mais feliz do que ouvir sobre ex-alunos fazendo coisas incríveis.

Isso é amplamente verdade. Quanto mais uma profissão paga, mais as escolas têm que pagar aos professores, mesmo que a maioria de nós esteja disposta a trabalhar por menos do que os salários da indústria. Mas … é apenas um pouco menos, não muito menos. Portanto, escolas de negócios, faculdades de direito, escolas de medicina, etc., todas têm mensalidades mais altas porque custa mais empregar pessoas com essas habilidades. O corpo docente tem opções externas lucrativas, portanto, os salários precisam acompanhar para manter o seu melhor corpo docente.
O bom ensino custa caro. O bom ensino não escala.

Em segundo lugar, o bom ensino simplesmente não escala. Acredito muito em Ed Tech e adoro muitas das novas ferramentas de tecnologia, mas espero ter convencido você de que um professor humano interagindo com os alunos ainda é a melhor maneira de desenvolver um entendimento profundo em tópicos complexos entre os alunos. Além disso, os relacionamentos que você constrói com outros estudantes são vitais não apenas para sua compreensão, mas também para o desenvolvimento de sua carreira a longo prazo. Ainda não vi uma tecnologia que possa replicar essa experiência em uma classe de milhares.

Eu mesmo vi isso porque escrevi e projetei ferramentas automatizadas para minhas aulas. Eu os uso para apresentar conceitos e fornecer responsabilidade em torno da preparação da aula. Mas as ferramentas automatizadas não funcionam bem para nada rigoroso ou algo aberto, que são as questões mais importantes e interessantes. Ferramentas automatizadas não são boas para desenvolver um entendimento profundo. E sem automação, você não pode obter escala.

É para você?
Acredito que sim. Eu acredito muito na educação em geral e no ensino superior em particular. É por isso que faço o que faço.
Ensino superior não é para todos, mas se você está procurando entrar no Data Science e deseja e é capaz de fazer o investimento necessário de tempo e dinheiro, acredito que vale a pena.