Ein Data Science-Kurs brachte mir bei, wie man Harvard richtig macht

Habe ein Foto mit dem Lehrer mit Doktoranden in der Klasse gemacht

Zusätzlich zu dem im vorherigen Eintrag erwähnten Data Science-Kurs nahm ich im Herbst 2019 an einem weiteren Data Science-Kurs teil.

Der Kurscode lautet GOV1005 und der Name der Klasse wurde "Daten" genannt. Es wird im Department of Government in Harvard angeboten. Diese Klasse stand unter meinem Radar, aber mein MDE-Klassenkamerad, der zuvor bei Facebook arbeitete, empfahl diese Klasse. Nachdem ich die erste Vorlesung besucht hatte, war ich sofort fasziniert und entschied mich, diese Klasse zu besuchen.

Design der Klasse

Man kann sich fragen, warum das Regierungsministerium einen Kurs in Bezug auf Datenwissenschaft anbietet. Diese Klasse ist jedoch insofern von entscheidender Bedeutung, als sie die Schüler auf die Fähigkeit vorbereitet, viele der politischen Probleme auf der ganzen Welt analytisch zu verstehen. Daher ist der Kurs so konzipiert, dass er zum Anfassen ist.

Trotzdem unterscheidet sich diese Klasse erheblich von APCOMP209A, das ich im vorherigen Eintrag geschrieben habe. In APCOMP209A wird hauptsächlich Python verwendet, und in GOV1005 verwenden wir R. Während des Semesters gab es so viele Gelegenheiten, dass ich beide durcheinander brachte, und natürlich war ich von diesem Dilemma frustriert.

In APCOMP209A bestand fast die gesamte Unterrichtszeit aus Vorlesungen. In GOV1005 wurde der Großteil der Unterrichtszeit jedoch für Übungen im Unterricht verwendet. Wir tippten alle und schauten in unsere Laptops. Für APCOMP209A mussten die Schüler Statistiken und Programmierung kennen, aber GOV1005 verlangte nichts und baute die erforderlichen Fähigkeiten während des gesamten Kurses von Grund auf auf.

Es war schwerer als ich dachte

Zu Beginn des Unterrichts erwähnte der Lehrer (so sprachen ihn die Schüler im Unterricht an), dass er jeden Tag an R arbeitet. Was ich dachte, er meinte war, dass wir hart arbeiten werden, als würden wir jeden Tag R schreiben. Ich lag falsch. Er sagte, er schreibe R jeden Tag im wahrsten Sinne des Wortes, und so taten wir es.

Ich habe jeden Tag einen Code festgelegt!

Da die meisten Schüler mit R nicht vertraut waren, wies uns der Präzeptor an, am Datencamp zu arbeiten, um mehr über R zu erfahren. Die Hausaufgaben waren so konzipiert, dass jeder Schüler ungefähr 1 Stunde pro Tag mit R verbringen würde. Zusätzlich hatten wir sogenannte Psets (Hausaufgaben). was erforderte, dass wir die R-Fähigkeiten anwenden, die wir gelernt haben.

Nach einem guten Monat war ich in der Lage, diese Bilder einfach zu produzieren

Mit einem weiteren Data Science-Kurs, der für dasselbe Semester eingeschrieben war, war diese Klasse eine Herausforderung. Ich habe es irgendwie geschafft durchzukommen. Angesichts der Flexibilität von R und seiner unverwechselbaren Codierungssyntax hat mir R sehr gut gefallen. R Studio ist das Beste.

Für mein letztes Projekt sammelte ich Daten vom US Census Bureau und entwickelte eine Website mit Visualisierungen von Kreativen in den USA.

Meine endgültige Projektwebsite

Der Lehrer

Mehr als die Klasse selbst möchte ich sagen, dass der Professor einfach großartig war. Dr. David Kane war der Name des Professors. Er wies die Schüler jedoch an, ihn als Lehrer zu bezeichnen, und so nannten wir ihn als solchen.

Preceptor war ein großartiger Erzieher. Es waren über 80 Schüler für die Klasse registriert, aber er merkte sich alle Namen der Schüler. Unzählige Male brachte er auch hausgemachte Snacks seiner Frau mit, was ein guter Grund war, an diesem Kurs teilzunehmen. Sie waren alle warm gemacht und es war köstlich. Ich würde andere Schüler dazu drängen, noch einen Bissen zu bekommen.

Unglaubliche Qualität von hausgemachten Keksen

Während sich zahlreiche Doktoranden für diese Klasse anmeldeten, machten Studenten mehr als die Hälfte der Klassenbevölkerung aus. Alle versuchten, ihre ersten Schritte in die Welt der Datenwissenschaft zu machen.

Jung zu sein bringt jedoch Angst mit sich, genauso wie ich mich während meiner Studienzeit unsicher fühlte. Besonders wenn Sie sich in einer anderen Umgebung befinden als Ihre Eltern, können ankommende Schüler in Harvard manchmal nicht gut darin sein, Hilfe von anderen zu suchen.

Eine solche Klasse kann jedoch ein Ort für sie werden. Während jeder Klasse wies uns der Preceptor an, uns mit jemandem zu paaren, und wir arbeiteten gemeinsam an der Codierung. Wir mussten in jeder Klasse einen anderen Partner haben. Da dies nicht ausreichte, wurden die Schüler während des Unterrichts oft kalt angerufen und mussten die Namen der Schüler in ihrer Umgebung eingeben.

Präzeptor mit seiner hausgemachten Cold-Call-Funktion in R.

Indem die Schüler all dies durchmachten, waren die Schüler gezwungen, sich mit anderen Schülern zu verbinden. Preceptor erwähnte oft, dass wir nicht in Harvard sind, um zu studieren, sondern um uns zu vernetzen. Tatsächlich gab es zum Ende des Semesters diese „Einheit“, die die Klasse verkörperte. Ich denke, es war eine fantastische Pädagogik.

"Du machst Harvard falsch"

Eines Tages unterrichtete uns der Lehrer über diese denkwürdige Aufgabe.

"Öffnen Sie Ihre Laptops und greifen Sie auf die Online-Website der Harvard-Alumni zu."

Ich habe getan, was mir gesagt wurde. Der Preceptor bat uns dann, nach Harvard-Alumni zu suchen, an die Sie denken können. Da mir eine Figur in den Sinn kam, suchte ich im Harvard-Alumni-Verzeichnis nach seinem Namen. Es gab einen Treffer. Bei genauerem Hinsehen fand ich seine Kontaktadresse. "Ja wirklich?" Was ist diese Website…? Ich habe auch versucht, diese Website mit anderen berühmten japanischen Harvard-Alumni zu durchsuchen, und es gab mehrere Treffer.

Der Präzeptor war leicht geschockt und fuhr fort:

"Anstatt nach berühmten Alumni zu suchen, versuchen Sie, nach Begriffen zu suchen, an denen Sie interessiert sind."

Als guter Schüler habe ich getan, was mir befohlen wurde, und ich habe ein Ergebnis erhalten, das alle Alumni zeigt, die in diesem Bereich arbeiten. Ich war fasziniert, so viele Menschen mit dem gleichen Interesse zu sehen. Dann fuhr der Lehrer fort und sagte Folgendes:

"Senden Sie jetzt eine E-Mail an diese Person."

Was? "Ja wirklich?" Ich kenne diese Person überhaupt nicht!

Alle Schüler stellten verzweifelt Fragen.

„Ja, genau jetzt, genau hier. Fügen Sie die E-Mail-Adresse Ihres TA in BCC hinzu. Dies wird benotet. “

Ich war erstaunt.

Während des nächsten Klassentreffens fragte der Lehrer, ob jemand eine Antwort erhalten habe.

"Ich habe eine Antwort bekommen!"
"Ich werde diese Person anrufen, um ein Interview über ihren Job zu führen!"
"Dies könnte zu einer möglichen Praktikumsmöglichkeit führen!"

(Ich habe übrigens keine Antwort bekommen ...)

Sie konnten die Aufregung in den Augen der Schüler sehen.

Der Lehrer sah die Schüler an und sagte so etwas:

Warum seid ihr hier in Harvard, nachdem ihr so ​​viel Geld für Unterricht ausgegeben habt? Ja, es geht ums Lernen, aber Sie müssen auch die Ressourcen nutzen, die diese Institution bietet. Die Alumni auszunutzen ist eine Sache. Umgekehrt, wenn jemand in Kürze nach Ihrer Hilfe sucht, seien Sie derjenige, der bereitwillig hilft.

"Wenn nicht, macht ihr Harvard falsch!"

Ich dachte, der Lehrer hätte recht. Als internationaler Student in Harvard neige ich dazu, mich zu sehr mit dem Studium zu beschäftigen, was meine Priorität ist. Dennoch ist es bemerkenswert, dass ich auch in den Aufbau eines Vermögenswerts investieren muss, der nicht nur Wissen ist.

Wie Data Science in der realen Welt lebt

Ich konzentriere mich jetzt wieder auf die Datenwissenschaft. Während des Semesters gab es zahlreiche Möglichkeiten, bei denen der Preceptor Gäste einlud, die auf dem Gebiet der Datenwissenschaft arbeiten.

Wenn man sich speziell für mich Datenwissenschaft vorstellt, musste ich denken, dass sie nur mit Menschen zusammenhängt, die bei Facebook, Google und Amazon arbeiten. Diese Reihe von Gesprächen innerhalb der Klasse hat meine Annahmen auf die richtige Weise widerlegt.

Die tatsächlichen Leute, die zum Reden kamen, waren jemand, der im Datenbereich von Boston City arbeitete. Eine andere Person war aus der Datenabteilung der NBA. Sie arbeiteten an Orten, die eine alltägliche Beziehung zu gewöhnlichen Menschen haben.

Ich fand die Auswahl der eingeladenen Dozenten fantastisch. Durch das Anhören aller Gespräche habe ich klar verstanden, was es bedeutet, die Macht der Daten in der realen Welt zu nutzen. Anhand von Beispielen und Fallstudien wurde gezeigt, wie Daten zu Intelligenz kristallisieren. Ich hatte das starke Gefühl, dass Data Science nicht nur für eine begrenzte Gruppe von Menschen gedacht ist, sondern für viele Menschen genutzt werden sollte.

Das Semester fühlte sich lang und kurz an, aber genau wie meine andere datenwissenschaftliche Klasse hat mir diese Klasse eine enorme Menge an Wissen gebracht. Ich bin dankbar, an dieser Klasse teilgenommen zu haben.