첫 글을 쓴 후리뷰OMSA 프로그램의 많은 예비 학생들과 현재 학생들과 연락을 받았습니다.이 프로그램은 다양한 배경을 가진 학생들을 끌어 들이기 때문에 모든 사람에게 적용되는 조언을 제공하는 것은 어려울 수 있습니다.다음은 제가받는 가장 일반적인 질문과 그에 대한 답변입니다.

OMSA가 나에게 적합한 프로그램입니까?

프로그램 설명을 읽으면디동의 개요페이지, 그들은 “학제 간”이라는 설명자를 사용합니다.저는 이것이 프로그램에 대한 완벽한 단어 선택이라고 생각합니다.이 프로그램에서 다루는 주제의 범위는 다양한 분야에서 나옵니다.그만큼필수과정은 재무, 회계, 객체 지향 프로그래밍, 데이터 분석, 기계 학습, 통계, 웹 개발, 클라우드 컴퓨팅, 데이터 정리, 스크립팅 언어 및 데이터 시각화를 다룹니다.이 고도로 기술적 인 프로그램의 강조점은 깊이에 대한 폭입니다.그게 매력적으로 들리면 이것이 당신을위한 프로그램 일 수 있습니다.그러나 전문가가되고 이러한 개별 분야 중 하나를 전문으로하고 싶다면이 프로그램보다 더 나은 옵션이 있습니다.

이 프로그램은 폭을 강조하지만 자료의 난이도를 과소 평가하지 마십시오.비즈니스, 컴퓨터 과학 및 통계 분야에서 유능하다는 것은 쉬운 일이 아닙니다.종종 개인은이 프로그램에서 다루는 분야 중 하나 이상으로 어려움을 겪습니다.학위의 기술적 엄격함에 관심이 있다면 등록 전에 기술을 향상 시키거나 다른 프로그램을 고려할 것을 권합니다.다른 온라인 정량 석사 학위에는 데이터 과학, 응용 경제학, 통계, 컴퓨터 과학, 비즈니스 분석 및 MBA : 분석 집중이 포함됩니다.대학의 비즈니스 스쿨에서 실행되는 분석 프로그램은 수학 및 컴퓨터 과학에서 덜 엄격 할 것입니다.

어떤 OMSA 전문화를 선택해야합니까?

필수 과정을 마치면 3 가지 전문화 중에서 선택할 수 있습니다.전문화라는 단어는 대부분의 프로그램이 모든 학생에게 동일하기 때문에 약간 오해의 소지가 있습니다.해당 전문 분야에는 6/36 크레딧 만 제공됩니다.그렇지 않으면 나머지는 필요하거나 귀하의 재량에 달려 있습니다.다음과 같이 세 가지 전문 분야를 빠르게 요약 할 수 있습니다.

난이도가 다소 주관적이지만 대부분의 학생들이 내 평가에 동의 할 것이라고 생각합니다.컴퓨터 과학 과정은 주당 가장 많은 시간을 요구하는 경향이 있습니다.

추천하고 싶은 특별한 수업 순서가 있습니까?

이 프로그램에서 다루는 다양한 분야가 너무 많기 때문에 적절한 수업 순서를 결정하기가 까다로울 수 있습니다.결정하는 동안 고려해야 할 많은 변수가 있습니다.다음은 이상적인 2 ~ 4 년 대학원 계획을 세우기 전에 답해야 할 몇 가지 질문입니다.

한 학기에 몇 개의 수업을들을 수 있습니까?
평균 작업량은 코스에 따라 3 학점당 주당 8-20 시간입니다.수업 기대치에 따라 어떤 수업을 함께 사용할 수 있는지 고려해야합니다.귀하의 개인 시간 약속은 해당 과목의 기술 강도에 따라 평균과 다릅니다.예를 들어 통계에 대한 배경 지식이 풍부하다면 통계 과정에 평균 이하의 시간을 할애 할 수 있습니다.

매 학기에 어떤 수업이 제공됩니까?
여름 학기는 가을과 봄보다 짧습니다.따라서 전체 수업 목록의 하위 집합 인 더 빠른 속도로 이동할 수있는 과정 만 제공합니다.더 빠른 속도로 실행되기 때문에 주당 평균 워크로드는 평균보다 약 20 % 높습니다.

가까이에서 수강하기에 가장 적합한 수업은 무엇입니까?
서로 밀접하게 관련된 두 가지 분야를 취하는 것이 훨씬 쉽습니다.개인적으로 저는 데이터 분석을위한 컴퓨팅 소개를 마치고 프로그래밍 기술의 정점에있었습니다.가장 어려운 컴퓨터 공학 과정 인 데이터 및 시각적 분석을이 과정 직후에 수강했으면합니다.어떤 수업이 보완 과목으로 잘 어울리는 지 고려해야합니다.

OMSA 프로그램은 그만한 가치가 있습니까?

가치를 결정하려면 프로그램 비용과 프로그램 완료의 예상 수익을 추정해야합니다.이 프로그램의 금전적 비용은 13,000 달러 *이지만 프로그램을 완료하는 데 인건비는 2,160 시간 **입니다.비교 가능한 대학원 학위 측면 에서이 프로그램의 수업료는 스펙트럼의 가장 낮은 쪽입니다.그러나 사회에서 자격주의의 가치가 떨어지고 있다고 생각한다면이 자료를 배우는 데 훨씬 더 저렴한 옵션이 있습니다 (예 :Coursera,무료 온라인 리소스등).수업료가 당신과 관련이 없다면 시간 약속을해야합니다.앞서 언급했듯이이 프로그램은 깊이가 아닌 분석 공간의 폭에 관한 것입니다.실험, 인공 지능 또는 데이터 엔지니어링과 같은 분석 하위 집합의 전문가가되고 싶다면 다른 곳에서 시간을 보내는 것이 좋습니다.

반환 관점에서이 프로그램은 주로 구조화 된 학습 환경과 최소한 엔트리 레벨 데이터 분석 위치의 두 가지를 제공합니다.이 프로그램은 각 분야의 전문가들이 제공하는 대부분의 과정에 대해 잘 짜여진 강의 계획서를 제공합니다.과제는 구성되어 있으며 일반적으로 가능한 한 적시에 피드백을받을 수 있도록 자동 채점자가 있습니다.환경에는 다음을 포함하여 과제에 대한 지원을 찾기위한 다양한 커뮤니케이션 모드가 포함됩니다광장, Slack 및 근무 시간 세션.특정 문제를 해결하기위한 힌트를 찾기 위해 Piazza의 수십 개의 게시물을 읽는 것은 약간 엉망 일 수 있습니다.이것은 그들이 당신의 학습을 가능하게하는 정도에 관한 것입니다.위의 어느 곳에서도 강의를 언급하지 않았 음을 알 수 있습니다.코스에 따라 맞거나 놓칠 수 있습니다.많은 강의는 수준이 너무 높아서 완전히 건너 뛰는 것이 현명 할 것입니다.일부 강의 또는 과제에는 유용한 링크가 포함됩니다.그러나 대부분의 학습은 자체 연구 (일명 인터넷 검색)를 통해 GT 환경 외부에서 이루어집니다.반환 관점에서이 프로그램에서 얻는 지식은 단순히 학위를 취득하는 것이 아니라 자료를 배우는 데 투입 한 노력에 크게 의존합니다.

대부분의 사람들이 대학원 프로그램에 등록하는 주된 이유 인 취업 기회로 이동합니다. 데이터 분석 기술에 대한 수요가 급증하고 있다는 점을 반복 할 필요가 없습니다. 모든 산업에서 기술에 대한 의존도가 높아짐에 따라 컴퓨터 과학과 통계 기술이 시장성이없는 미래는 보이지 않습니다. 인공 지능은 자동화 된 각 프로세스에 설치 및 지속적인 유지 관리가 필요하기 때문에 이러한 기술에 대한 우리의 의존도를 높일뿐입니다. 이 프로그램에는 너무 많은 유형의 개인이 등록되어 있기 때문에이 학위가 원하는 직업을 얻는 데 얼마나 도움이 될 것인지 말하기는 어렵습니다. 제 생각에는 OMSA 학위와 0 년의 업무 경험으로 졸업하는 학생은 3 ~ 5 년의 경력을 원하는 일반적인 분석 채용 공고에 적합합니다. 예를 들어 데이터 분석가, 선임 데이터 분석가, 비즈니스 인텔리전스 엔지니어, 주니어 데이터 과학자 및 데이터 과학 동료가 있습니다. 그러나 이러한 직책 중 하나를 최고의 회사 또는 더 고위 분석 역할에서 원하는 경우 추가 업무 경험이나 개인 프로젝트를 통해 학위를 늘려야합니다.

3 ~ 5 년의 추가 데이터 분석 경험을 추가하는 것이이 프로그램의 비용에 해당하는 가치가 있는지 여부는 귀하가 결정합니다.다음 기준 중 하나 이상에 해당하는 사람들에게이 프로그램이 가장 가치 있다고 생각합니다.

• 경력을 데이터 분석으로 전환하려는 정량적 / 프로그래밍 배경이있는 숙련 된 전문가
• 경험이 풍부한해석학3 ~ 5 년까지 전문적인 발전을 가속화하려는 전문가
• 학습을 용이하게하기위한 구조가 필요한 학생
• 끈기가 필요한 복잡한 문제를 두려워하지 않는 학생
• 특정 데이터 분석 또는 데이터 과학 주제 (예 : 인공 지능, 기계 학습 엔지니어링, 데이터 엔지니어링, 데이터 시각화 등)를 전문적으로 다루고 싶지 않은 숙련 된 전문가

* (학점당 275 시간 * 36 학점) + ((194 학점 + 학기당 107 학점) * 9 학기)
** (주당 3 학점당 12 시간 * 학기당 15 주) * (36/3 3 학점 블록)

이 프로그램을 어떻게 준비 할 수 있습니까?

이 프로그램에 지원하고 등록하기로 결정한 경우 자료에 대한 준비가되었는지 확인해야합니다.입학요구 사항학생들이이 프로그램을 준비 할 때 차선책입니다.이 프로그램에서 성공하려면 데이터 분석, 수학 및 컴퓨터 과학 전반에 걸쳐 일정 수준의 경험을 쌓는 것이 좋습니다.

데이터 분석 주제 및 도구익숙한와:

• SQL
• 뛰어나다
• 데이터 시각화
• 데이터 정리
• 데이터 분석

수학 측면에서 당신은편안다음과 함께 :

• 미적분-적분, 미분, 함수, 한계
• 통계 — 가설 검정, p- 값, 신뢰 구간, 샘플링
• 확률-분포, 오류
• 선형 대수 행렬, 행렬 연산, 벡터, 연립 방정식

컴퓨터 과학에 관한 한,이 프로그램에 앞서 두 개의 엄격한 학부 컴퓨터 과학 과정을 이수해야합니다.엄격함은 3 학점당 주당 10 시간 이상이 필요하다는 것을 의미합니다.적어도 하나의 객체 지향 프로그래밍 언어를 사용하는 중급 프로그래머 여야합니다.여기에는 코드 내 문제 디버깅 및 진단 경험이 포함됩니다.웹 개발에 대한 지식도 도움이 될 것입니다.무엇보다도 첫 번째 시도에서 거의 옳지 않은 어려운 문제를 해결하기위한 만족할 줄 모르는 욕구가 필요합니다.

추가 질문이나 의견이 있으면 언제든지밖.저는 항상 데이터 분석이나 금융에 대해 생각하고 있습니다.

~데이터 제너럴리스트