Georgia Tech OMSA online MS in Analytics 分享 - 留學
By Faithe
at 2020-09-30T15:15
at 2020-09-30T15:15
Table of Contents
不知不覺距離我當初2018年發喬治亞理工錄取文也過了兩年多了
我現在正在上最後一門課
中間有很多人發站內信問過我課程的一些問題
但我因為上班跟上課非常忙碌大部分的信沒有時間回
想說分幾篇文章介紹一下我上過的課跟整個課程狀況
因為我最後一門課一周要花20-30個小時在上面所以可能會斷斷續續的發
請各位多多見諒
接著陸陸續續會介紹一些課程相關訊息
金先介紹整個課程structure:
這個課程主要分成四個部分
第一是基本課程 總共有三門課
工業工程 CS跟商學院會各開一門課
之後會介紹這三門課給大家
這三門課比較特別的是可以先在EDX上面micro master先上過
加起來只要1500 USD 之後可以抵扣九個學分
平均起來一學分只要168USD 比我之前政大上MBA還便宜
而在學校上課一學分275還要加上一堆雜費
所以可以省大概300多USD
不過助教support部分就比實際上課差很多了
有興趣可以先看看
https://www.edx.org/micromasters/gtx-analytics-essential-tools-and-methods
接下來是進階選修
商學院跟CS有各開一門課
強度差距非常大
這在之後會陸續跟大家介紹
然後是強制選修
就是你必須要選滿統計的課兩門
還有OR的課一門
我之後也會分享給大家我上過的那幾堂課
最後是必須要選兩門Track選修
這個學程有三個不同track如下(但其實就其中兩門選修不同而已)
Analytical Tools Track
這個Track主要是要多選兩門OR 或者是Stats的課
一般是工業工程系開的
難度中間偏上
大概一週會花上10-15個小時
但因為我已經有一個IE的碩士打底了所以我花的時間大概都5-8小時而已
GT的工業工程當年是我的夢校 排名在全球各大排名跟全美排名大部分都是第一名
學到的東西蠻多的 主要以Python + R為主
有少數的課程會用到Matlab
課程涵蓋Optimization 貝氏定理 時間序列 迴歸分析 Simulation 等等
每年都有新的課開出來
Business Analytics Track
這是我所選修的Track因為我用不太到coding
IE的課我以前在UW的時候又大部分上過了
課程內容涵蓋digital mkt 作業管理(畢業可以拿六標準差綠帶) 財務分析
其實我有點後悔選了這個track
課程內容有點過度簡單
大概就只有financial analysis那門課會用到一些VBA
每門課每周大概3-5小時以內搞定
上完讓我有種買學位的感覺
不是很推薦
但因為這是一個很新的track
課程內容增加速度很快
希望未來可以改善
Computational Data Analytics Track
CS開的課為主
裡面包含一些比較advanced的機械學習 數據可視化 深度學習 AI等課程
我因為工作上用不太到除了必修的以外就沒有修
但我聽我同學上的說CS背景的大概一門課15-20小時一週
非CS背景的會花到20-30+一週
我覺得可以參考一些OMSCS的分享會比較準
大部分課都是一起上的
那在最後要做一個professional project
我之後開始做案子後會跟大家分享detail
今天就寫到這邊
下次會找時間分享基本必修的三門課跟一些課程資訊
然後進階必修跟我修過的其他課程也會一個一個做分享
另外請盡量不用發站內給我因為我回的機率很低
可以用推文的在我最新的文章上面回復
這樣也不會有重複問問題的狀況
謝謝
※ 引述《stevenju》之銘言:
: 去年喬治亞理工的申請最後並沒有錄取
: 我後來上了愛丁堡大學的課程
: 但其實上完以後並不是很推薦
: 課程的安排有點亂 還有一些課報告寫一下就搞定了
: 我其實並不能了解到那個課程想要focus的重點在哪裡
: 同時也對我上班的東西沒太大幫助
: 我上了一學期果斷的放棄了
: 後來想說那不要上碩士了隨便找個Edx的Micromaster上一下就好
: 結果換了一個新工作
: 因為是負責Alfa Romeo在整個亞洲的產品策略
: 每天接觸到的是天量的data
: 還是口嫌體正直的再申請了喬治亞理工
: 我想對想申請喬治亞理工的同學說一下
: 因為學費真的超低
: 美國申請的人數真的是多到不可思議 (3000人取300)
: 我之前去Reddit看大家的錄取文
: 也幾乎都是Top 50大學CS/Stats/Math之類專業的畢業生
: 還有一堆微軟估狗的大神 (我還看過有一個google XX cheif engineer...)
: 所以如果你非本科系工作經驗又沒很驚人
: 申請一次可能上的機會不大
: 但是如果你有到Edx上他們的Micromaster並且在問答區跟老師有互動
: https://www.edx.org/micromasters/analytics-essential-tools-methods
: 分數又拿的高 之後錄取機率會暴增
: 同時之前修的課還可以抵學分 (3學分500美金 很便宜)
: 我很建議自身條件不到特別好的同學去上
: 然後沒上了下一梯次繼續申請 都是可以的 (例如我)
: 同時我也很推薦MIT開的Python介紹課程
: 講得非常仔細 作業也可以學很多東西
: 我覺得我後來拿了那門課對我重新申請應該是有一定幫助的
: 歡迎因為工作或家庭沒辦法出國的同學想申請的話可以一起討論
: ※ 引述《stevenju (粗心 = =)》之銘言:
: : Admission:
: : University of Edinburgh - Msc. in Data, Innovation and Technology
: : University of Glasgow - Msc. in Data Analytics
: : Pending:
: : Georgia Tech - M.S. in Analytics (春季班)
: : Indiana University (IUB) - M.S. in Data Science (明年秋季班)
: : Decision:
: : Waiting for GT or will choose Edinburgh
: : Background:
: : NCCU IMBA/ESCP Europe MiM Double Degree - 4.0/4.0
: : UW-Seattle M.S. in Industrial Engineering - 3.62/4.0
: : NCKU B.S. in Civil Engineering - 72/100
: : 工作經驗:
: : Fortune 100 美國車廠 - Sr. Product Planning (1 year, 現職, Locate在上海)
: : - Program Manager (2 years, Locate在台灣)
: : 神教 - Strategy Planning Engineer (1.5 year, 台灣)
: : Boeing - Intern IE (0.5 year, Seattle)
: : Reason to Study:
: : 大家看到應該會很奇怪為什麼我都拿了好幾個碩士還想要在職進修
: : 其實主要是因為工作沒有之前在台灣那麼忙
: : 除了晚上常常要跟北美開會下班算是很準時的
: : 想要給自己增加一些技能
: : 然後正好公司在推動轉型 大數據的團隊一個接一個成立
: : 想說我自己以前念IE也是碰過不少
: : 那我網路上上課或許可以幫助自己跟那些團隊溝通
: : 結果Data Camp越上越有興趣
: : 本來想說上上UW網課拿個certificate
: : 不過後來發現GT新的Analytics master program居然只要一萬美不到
: : 比很多certificate還便宜 在EDX上的課還可以抵學分
: : 完全就是適合我這種念來打發時間的(?)
: : 然後我就開始搜尋一下還有沒有類似的program
: : 選校:
: : 因為已經有碩士了 工作我也很喜歡沒有想說利用這轉職幹嘛的
: : 所以我用復旦大數據碩士的學費當標準
: : 只找整個program加起來兩萬以下的
: : 學校不要太爛就好XD
: : 想說我分四年慢慢念一年五千也不是很貴
: : 以下列出幾間我覺得還不錯的
: : Georgia Tech (under 10K USD)
: : 我覺得課程最好也最便宜
: : 畢業證書跟在校生一樣
: : 不過錄取率大概15%
: : 而且幾乎都是名校畢業競爭很大
: : 課程涵蓋商業分析到電腦工作各式各樣專項
: : https://pe.gatech.edu/master-science-degrees/online-master-science-analytics
: : IUB (21K)
: : CS開的學程
: : 這間其實有點爆預算
: : 不過因為很自由沒有必修課
: : 我可以根據公司發展選擇課程
: : 所以也申請了一下
: : 重點是系辦回信超快
: : 學費也只有on Campus一半
: : 學位也跟在校生一樣
: : https://www.soic.indiana.edu/graduate/degrees/data-science/
: : UIUC (19K)
: : CS碩士
: : 太偏coding所以我放棄 (入學要求很高)
: : CS底的可以參考
: : http://cs.illinois.edu/admissions/graduate/faqs/mcs-ds-faqs
: : U of Edin. (11K GBP)
: : 稍微生物統計 (可以選生統方向)
: : 課程較為傳統偏數理統計
: : 我覺得有點無聊XD
: : 但是因為愛丁堡超漂亮我很想畢業典禮可以再去一次
: : 所以也有投 (?)
: : 公司裡面校友也不少也是原因就是
: : 證書跟on Campus一樣
: : 免申請費 世界排名也OK
: : http://www.ed.ac.uk/data-science/postgraduate
: : Glasgow (10K GBP)
: : 其實就是統計系的一個組
: : 課程我覺得還OK
: : 今年剛剛launch
: : 因為學校漂亮到爆申請的
: : 證書跟on Campus一樣
: : 系上也很support
: : 免申請費
: : http://www.gla.ac.uk/postgraduate/taught/dataanalyticsonline/
: : 以上這些課程雖然是online的
: : 但是要求跟on Campus一樣
: : 然後又很便宜 (重點XD)
: : 我覺得蠻適合像我這種背景的
: : 不過如果是第一碩士還是建議去念on Campus的啦
: : 畢竟跟學校的interaction還有對學校的認同感online課程沒法提供給你
: : 另外如果你有點閒錢沒處花
: : 可以申請UCB/Columbia/NWU/NYU/Brandies這幾所
: : 我之前看他們課程也都做得非常棒
: : 但是60K USD起我直接pass就是 XD
: : 希望有幫助到大家啦
--
我現在正在上最後一門課
中間有很多人發站內信問過我課程的一些問題
但我因為上班跟上課非常忙碌大部分的信沒有時間回
想說分幾篇文章介紹一下我上過的課跟整個課程狀況
因為我最後一門課一周要花20-30個小時在上面所以可能會斷斷續續的發
請各位多多見諒
接著陸陸續續會介紹一些課程相關訊息
金先介紹整個課程structure:
這個課程主要分成四個部分
第一是基本課程 總共有三門課
工業工程 CS跟商學院會各開一門課
之後會介紹這三門課給大家
這三門課比較特別的是可以先在EDX上面micro master先上過
加起來只要1500 USD 之後可以抵扣九個學分
平均起來一學分只要168USD 比我之前政大上MBA還便宜
而在學校上課一學分275還要加上一堆雜費
所以可以省大概300多USD
不過助教support部分就比實際上課差很多了
有興趣可以先看看
https://www.edx.org/micromasters/gtx-analytics-essential-tools-and-methods
接下來是進階選修
商學院跟CS有各開一門課
強度差距非常大
這在之後會陸續跟大家介紹
然後是強制選修
就是你必須要選滿統計的課兩門
還有OR的課一門
我之後也會分享給大家我上過的那幾堂課
最後是必須要選兩門Track選修
這個學程有三個不同track如下(但其實就其中兩門選修不同而已)
Analytical Tools Track
這個Track主要是要多選兩門OR 或者是Stats的課
一般是工業工程系開的
難度中間偏上
大概一週會花上10-15個小時
但因為我已經有一個IE的碩士打底了所以我花的時間大概都5-8小時而已
GT的工業工程當年是我的夢校 排名在全球各大排名跟全美排名大部分都是第一名
學到的東西蠻多的 主要以Python + R為主
有少數的課程會用到Matlab
課程涵蓋Optimization 貝氏定理 時間序列 迴歸分析 Simulation 等等
每年都有新的課開出來
Business Analytics Track
這是我所選修的Track因為我用不太到coding
IE的課我以前在UW的時候又大部分上過了
課程內容涵蓋digital mkt 作業管理(畢業可以拿六標準差綠帶) 財務分析
其實我有點後悔選了這個track
課程內容有點過度簡單
大概就只有financial analysis那門課會用到一些VBA
每門課每周大概3-5小時以內搞定
上完讓我有種買學位的感覺
不是很推薦
但因為這是一個很新的track
課程內容增加速度很快
希望未來可以改善
Computational Data Analytics Track
CS開的課為主
裡面包含一些比較advanced的機械學習 數據可視化 深度學習 AI等課程
我因為工作上用不太到除了必修的以外就沒有修
但我聽我同學上的說CS背景的大概一門課15-20小時一週
非CS背景的會花到20-30+一週
我覺得可以參考一些OMSCS的分享會比較準
大部分課都是一起上的
那在最後要做一個professional project
我之後開始做案子後會跟大家分享detail
今天就寫到這邊
下次會找時間分享基本必修的三門課跟一些課程資訊
然後進階必修跟我修過的其他課程也會一個一個做分享
另外請盡量不用發站內給我因為我回的機率很低
可以用推文的在我最新的文章上面回復
這樣也不會有重複問問題的狀況
謝謝
※ 引述《stevenju》之銘言:
: 去年喬治亞理工的申請最後並沒有錄取
: 我後來上了愛丁堡大學的課程
: 但其實上完以後並不是很推薦
: 課程的安排有點亂 還有一些課報告寫一下就搞定了
: 我其實並不能了解到那個課程想要focus的重點在哪裡
: 同時也對我上班的東西沒太大幫助
: 我上了一學期果斷的放棄了
: 後來想說那不要上碩士了隨便找個Edx的Micromaster上一下就好
: 結果換了一個新工作
: 因為是負責Alfa Romeo在整個亞洲的產品策略
: 每天接觸到的是天量的data
: 還是口嫌體正直的再申請了喬治亞理工
: 我想對想申請喬治亞理工的同學說一下
: 因為學費真的超低
: 美國申請的人數真的是多到不可思議 (3000人取300)
: 我之前去Reddit看大家的錄取文
: 也幾乎都是Top 50大學CS/Stats/Math之類專業的畢業生
: 還有一堆微軟估狗的大神 (我還看過有一個google XX cheif engineer...)
: 所以如果你非本科系工作經驗又沒很驚人
: 申請一次可能上的機會不大
: 但是如果你有到Edx上他們的Micromaster並且在問答區跟老師有互動
: https://www.edx.org/micromasters/analytics-essential-tools-methods
: 分數又拿的高 之後錄取機率會暴增
: 同時之前修的課還可以抵學分 (3學分500美金 很便宜)
: 我很建議自身條件不到特別好的同學去上
: 然後沒上了下一梯次繼續申請 都是可以的 (例如我)
: 同時我也很推薦MIT開的Python介紹課程
: 講得非常仔細 作業也可以學很多東西
: 我覺得我後來拿了那門課對我重新申請應該是有一定幫助的
: 歡迎因為工作或家庭沒辦法出國的同學想申請的話可以一起討論
: ※ 引述《stevenju (粗心 = =)》之銘言:
: : Admission:
: : University of Edinburgh - Msc. in Data, Innovation and Technology
: : University of Glasgow - Msc. in Data Analytics
: : Pending:
: : Georgia Tech - M.S. in Analytics (春季班)
: : Indiana University (IUB) - M.S. in Data Science (明年秋季班)
: : Decision:
: : Waiting for GT or will choose Edinburgh
: : Background:
: : NCCU IMBA/ESCP Europe MiM Double Degree - 4.0/4.0
: : UW-Seattle M.S. in Industrial Engineering - 3.62/4.0
: : NCKU B.S. in Civil Engineering - 72/100
: : 工作經驗:
: : Fortune 100 美國車廠 - Sr. Product Planning (1 year, 現職, Locate在上海)
: : - Program Manager (2 years, Locate在台灣)
: : 神教 - Strategy Planning Engineer (1.5 year, 台灣)
: : Boeing - Intern IE (0.5 year, Seattle)
: : Reason to Study:
: : 大家看到應該會很奇怪為什麼我都拿了好幾個碩士還想要在職進修
: : 其實主要是因為工作沒有之前在台灣那麼忙
: : 除了晚上常常要跟北美開會下班算是很準時的
: : 想要給自己增加一些技能
: : 然後正好公司在推動轉型 大數據的團隊一個接一個成立
: : 想說我自己以前念IE也是碰過不少
: : 那我網路上上課或許可以幫助自己跟那些團隊溝通
: : 結果Data Camp越上越有興趣
: : 本來想說上上UW網課拿個certificate
: : 不過後來發現GT新的Analytics master program居然只要一萬美不到
: : 比很多certificate還便宜 在EDX上的課還可以抵學分
: : 完全就是適合我這種念來打發時間的(?)
: : 然後我就開始搜尋一下還有沒有類似的program
: : 選校:
: : 因為已經有碩士了 工作我也很喜歡沒有想說利用這轉職幹嘛的
: : 所以我用復旦大數據碩士的學費當標準
: : 只找整個program加起來兩萬以下的
: : 學校不要太爛就好XD
: : 想說我分四年慢慢念一年五千也不是很貴
: : 以下列出幾間我覺得還不錯的
: : Georgia Tech (under 10K USD)
: : 我覺得課程最好也最便宜
: : 畢業證書跟在校生一樣
: : 不過錄取率大概15%
: : 而且幾乎都是名校畢業競爭很大
: : 課程涵蓋商業分析到電腦工作各式各樣專項
: : https://pe.gatech.edu/master-science-degrees/online-master-science-analytics
: : IUB (21K)
: : CS開的學程
: : 這間其實有點爆預算
: : 不過因為很自由沒有必修課
: : 我可以根據公司發展選擇課程
: : 所以也申請了一下
: : 重點是系辦回信超快
: : 學費也只有on Campus一半
: : 學位也跟在校生一樣
: : https://www.soic.indiana.edu/graduate/degrees/data-science/
: : UIUC (19K)
: : CS碩士
: : 太偏coding所以我放棄 (入學要求很高)
: : CS底的可以參考
: : http://cs.illinois.edu/admissions/graduate/faqs/mcs-ds-faqs
: : U of Edin. (11K GBP)
: : 稍微生物統計 (可以選生統方向)
: : 課程較為傳統偏數理統計
: : 我覺得有點無聊XD
: : 但是因為愛丁堡超漂亮我很想畢業典禮可以再去一次
: : 所以也有投 (?)
: : 公司裡面校友也不少也是原因就是
: : 證書跟on Campus一樣
: : 免申請費 世界排名也OK
: : http://www.ed.ac.uk/data-science/postgraduate
: : Glasgow (10K GBP)
: : 其實就是統計系的一個組
: : 課程我覺得還OK
: : 今年剛剛launch
: : 因為學校漂亮到爆申請的
: : 證書跟on Campus一樣
: : 系上也很support
: : 免申請費
: : http://www.gla.ac.uk/postgraduate/taught/dataanalyticsonline/
: : 以上這些課程雖然是online的
: : 但是要求跟on Campus一樣
: : 然後又很便宜 (重點XD)
: : 我覺得蠻適合像我這種背景的
: : 不過如果是第一碩士還是建議去念on Campus的啦
: : 畢竟跟學校的interaction還有對學校的認同感online課程沒法提供給你
: : 另外如果你有點閒錢沒處花
: : 可以申請UCB/Columbia/NWU/NYU/Brandies這幾所
: : 我之前看他們課程也都做得非常棒
: : 但是60K USD起我直接pass就是 XD
: : 希望有幫助到大家啦
--
Tags:
留學
All Comments
By Necoo
at 2020-10-03T14:08
at 2020-10-03T14:08
By Skylar DavisLinda
at 2020-10-07T14:43
at 2020-10-07T14:43
By Hedy
at 2020-10-10T10:38
at 2020-10-10T10:38
By David
at 2020-10-14T07:42
at 2020-10-14T07:42
By Sandy
at 2020-10-19T05:01
at 2020-10-19T05:01
Related Posts
贈送giffgaff電信網卡
By Regina
at 2020-09-30T10:59
at 2020-09-30T10:59
GPA3.8 過線TG 錄取Columbia/USC/NYU/UVa MSCS
By Harry
at 2020-09-30T05:16
at 2020-09-30T05:16
2021Fall 商轉Data Science選校請益
By Carol
at 2020-09-30T01:25
at 2020-09-30T01:25
WES寄送分數的時機
By Mary
at 2020-09-29T23:42
at 2020-09-29T23:42
有關thesis/non-thesis
By Jacky
at 2020-09-29T20:34
at 2020-09-29T20:34