Kelas Ilmu Data Mengajari Saya Bagaimana Melakukannya dengan Benar

Mengambil foto bersama Pembimbing dengan Mahasiswa Pascasarjana di Kelas

Di atas kelas ilmu data yang saya sebutkan dalam entri sebelumnya, saya berpartisipasi dalam kursus terkait ilmu data lainnya pada musim gugur 2019.

Kode kursus adalah GOV1005, dan nama kelas disebut "Data." Ini ditawarkan dalam Departemen Pemerintahan di Harvard. Kelas ini berada di bawah radar saya, tetapi teman sekelas MDE saya, yang sebelumnya bekerja di Facebook, merekomendasikan kelas ini. Setelah menghadiri kuliah pertama, saya langsung tertarik dan memutuskan untuk melanjutkan kelas ini.

Desain Kelas

Orang mungkin bertanya mengapa Departemen Pemerintahan menawarkan kelas yang berkaitan dengan ilmu data. Namun, kelas ini sangat penting dalam arti mempersiapkan siswa keterampilan untuk secara analitis memahami banyak masalah politik di seluruh dunia. Oleh karena itu, kursus dirancang untuk menjadi praktik.

Dengan mengatakan bahwa, kelas ini sangat berbeda dari APCOMP209A, yang saya tulis di entri sebelumnya. Dalam APCOMP209A, bahasa utama yang digunakan adalah python, dan dalam GOV1005, kami menggunakan R. Ada begitu banyak kesempatan selama semester saya membuat keduanya tercampur, dan tidak perlu dikatakan, saya frustrasi dengan dilema ini.

Dalam APCOMP209A, hampir semua waktu kelas adalah kuliah. Namun, dalam GOV1005, sebagian besar waktu kelas digunakan untuk latihan di dalam kelas. Kami semua mengetik dan melihat laptop kami. APCOMP209A mengharuskan siswa untuk mengetahui statistik dan pemrograman, tetapi GOV1005 tidak meminta apa pun dan membangun keterampilan yang diperlukan dari awal di seluruh kursus.

Itu lebih sulit daripada yang kupikirkan

Di awal kelas, Pembimbing (begitulah cara siswa memanggilnya di kelas) disebutkan bekerja di R setiap hari. Yang saya pikir dia maksudkan adalah bahwa kita akan bekerja keras seolah-olah kita akan menulis R setiap hari. Saya salah. Dia mengatakan menulis R setiap hari dalam arti literal, dan kami melakukannya.

Saya telah Membuat Beberapa Kode setiap hari!

Karena sebagian besar siswa tidak terbiasa dengan R, Preceptor menginstruksikan kami untuk bekerja pada datacamp untuk belajar tentang R. Pekerjaan rumah dirancang sehingga setiap siswa akan menghabiskan sekitar 1 jam per hari dengan R. Selain itu kami memiliki apa yang disebut psets (pekerjaan rumah), yang mengharuskan kami untuk menerapkan keterampilan R yang telah kami pelajari.

Setelah Bulan Baik Saya Mampu Memproduksi Visual Ini dengan Mudah

Dengan kursus ilmu data lain yang terdaftar untuk semester yang sama, kelas ini menantang. Saya entah bagaimana berhasil melewati. Mengingat fleksibilitas R dan sintaks pengkodeannya yang khas, saya jadi sangat menyukai R. R Studio adalah yang terbaik.

Untuk proyek akhir saya, saya mengumpulkan data dari Biro Sensus AS dan mengembangkan situs web dengan visualisasi materi iklan di Amerika Serikat.

Situs Web Tugas Akhir Saya

Pengajar

Lebih dari kelas itu sendiri, saya ingin mengatakan bahwa profesor itu hebat. David Kane adalah nama profesor. Namun, dia menginstruksikan siswa untuk memanggilnya sebagai Pembimbing, jadi kami memanggilnya demikian.

Pendeta adalah pendidik yang hebat. Ada lebih dari 80 siswa terdaftar di kelas ini, tetapi ia menghafal semua nama siswa. Berkali-kali, ia juga akan membawa makanan ringan buatan sendiri yang dibuat oleh istrinya, yang merupakan alasan bagus untuk mengikuti kelas ini. Mereka semua dibuat dengan hangat, dan itu lezat. Saya akan mendorong siswa lain untuk mendapatkan satu gigitan lagi.

Kualitas Kue Buatan Sendiri yang Luar Biasa

Sementara banyak mahasiswa pascasarjana mendaftar untuk kelas ini, mahasiswa sarjana terdiri lebih dari setengah populasi kelas. Mereka semua mencoba membuat langkah pertama ke dunia ilmu data.

Namun, menjadi muda datang dengan kecemasan, sama seperti bagaimana saya merasa tidak aman selama tahun-tahun saya sebagai sarjana. Terutama ketika Anda berada di lingkungan yang berbeda, jauh dari orang tua Anda, siswa yang masuk di Harvard terkadang tidak pandai mencari bantuan dari orang lain.

Namun, kelas seperti ini dapat menjadi tempat bagi mereka. Selama setiap kelas, Preceptor menginstruksikan kami untuk berpasangan dengan seseorang, dan kami bekerja pada coding bersama. Kami harus memiliki pasangan yang berbeda di setiap kelas. Dengan itu tidak cukup, siswa sering dipanggil dingin selama kelas, dan mereka harus memperkenalkan nama-nama siswa di sekitar mereka.

Pengajar Menggunakan Fungsi Pemanggilan Dingin Buatan Sendiri di R

Dengan menyuruh siswa melewati semua ini, siswa terpaksa terhubung dengan siswa lain. Pengajar sering menyebutkan bahwa kita tidak di Harvard untuk belajar tetapi juga ke jaringan. Faktanya, pada saat kami menyelesaikan semester, ada "kesatuan" yang mewujudkan kelas. Saya pikir itu adalah pedagogi yang fantastis.

"Kau Melakukan Harvard Salah"

Suatu hari, Preceptor menginstruksikan kami pada tugas yang tak terlupakan ini.

"Buka laptop Anda dan akses situs web alumni Harvard online."

Saya melakukan apa yang diperintahkan. Pembimbing kemudian meminta kami untuk mencari alumni Harvard yang dapat Anda pikirkan. Ada satu sosok yang muncul di benak saya, jadi saya mencari namanya di direktori alumni Harvard. Ada hit. Melihat dengan cermat, saya menemukan alamat kontaknya. Betulkah? Apa situs web ini ...? Saya juga mencoba mencari situs web ini dengan alumni Harvard Jepang terkenal lainnya, dan ada beberapa hit.

Menjadi sedikit terkejut, sang Pembimbing melanjutkan:

"Daripada mencari alumni terkenal, coba cari dengan istilah yang kamu minati."

Menjadi siswa yang baik, saya melakukan apa yang diperintahkan, dan saya mendapatkan hasil yang menunjukkan semua alumni yang bekerja di bidang itu. Saya tertarik melihat begitu banyak orang dengan minat yang sama. Kemudian, Pembimbing melanjutkan dan mengatakan yang berikut:

"Kirim email ke orang itu, sekarang juga."

Apa? Betulkah? Saya tidak kenal orang ini sama sekali!

Semua siswa mulai bertanya dengan panik.

"Ya, sekarang, di sini. Tambahkan alamat email TA Anda di BCC. Ini akan dinilai. "

Saya heran.

Selama pertemuan kelas berikutnya, Pembimbing bertanya apakah ada yang mendapat tanggapan.

"Aku mendapat jawaban!"
"Aku akan memanggil orang ini untuk mewawancarai tentang pekerjaannya!"
"Ini mungkin mengarah pada peluang magang potensial!"

(Ngomong-ngomong, aku tidak mendapatkan jawaban ...)

Anda bisa melihat kegembiraan di mata siswa.

Melihat siswa, Preceptor mengatakan sesuatu seperti ini:

Mengapa kalian di sini di Harvard setelah menghabiskan begitu banyak uang untuk biaya kuliah? Ya, ini tentang belajar, tetapi Anda juga perlu memanfaatkan sumber daya yang ditawarkan lembaga ini. Mengambil keuntungan dari alumni adalah satu hal. Begitu juga sebaliknya, jika seseorang datang mencari bantuan Anda segera, jadilah orang yang mau membantu.

"Jika tidak, kalian salah melakukan Harvard!"

Saya pikir Guru itu benar. Sebagai mahasiswa internasional di Harvard, saya cenderung terlalu terperangkap dalam studi, yang merupakan prioritas saya. Namun, patut dicatat bahwa saya juga perlu berinvestasi dalam membangun aset yang tidak murni pengetahuan.

Bagaimana Ilmu Data Tinggal di Dunia Nyata

Saya membawa fokus kembali ke ilmu data sekarang. Selama semester, ada banyak peluang di mana Pembimbing akan mengundang para tamu yang bekerja di bidang ilmu data.

Ketika seseorang membayangkan tentang ilmu data, terutama bagi saya, saya pasti berpikir bahwa itu hanya terkait dengan orang yang bekerja di Facebook, Google, dan Amazon. Rangkaian pembicaraan di dalam kelas ini telah menyanggah asumsi saya dengan cara yang benar.

Orang sebenarnya yang datang untuk berbicara adalah seseorang yang bekerja di bagian data Kota Boston. Orang lain berasal dari divisi data NBA. Mereka bekerja di tempat-tempat yang memiliki koneksi sehari-hari dengan orang-orang biasa.

Saya pikir pemilihan dosen yang diundang sangat fantastis. Mendengarkan semua pembicaraan membuat saya memahami dengan jelas apa artinya memanfaatkan kekuatan data di dunia nyata. Melalui contoh dan studi kasus, ini menunjukkan bagaimana data mengkristal menjadi kecerdasan. Itu membuat saya merasa sangat bahwa ilmu data tidak hanya untuk sekelompok orang yang terbatas, tetapi harus digunakan untuk banyak orang.

Semester terasa panjang dan pendek, tetapi seperti kelas ilmu data saya yang lain, kelas ini telah memberi saya manfaat dengan pengetahuan yang sangat besar. Saya bersyukur telah berpartisipasi dalam kelas ini.