Een cursus Data Science heeft me geleerd hoe je Harvard goed moet doen

Een foto gemaakt met de leermeester met afgestudeerde studenten in de klas

Naast de data science-les die ik in het vorige artikel noemde, nam ik deel aan een andere data science-gerelateerde cursus in de herfst van 2019.

De cursuscode is GOV1005 en de naam van de klas heette "Data". Het wordt aangeboden binnen het Ministerie van Overheid van Harvard. Deze les stond onder mijn radar, maar mijn MDE-klasgenoot, die eerder bij Facebook werkte, raadde deze les aan. Na het bijwonen van de eerste lezing was ik meteen geïntrigeerd en besloot ik deze les te volgen.

Ontwerp van de klasse

Men kan zich afvragen waarom het Ministerie van Overheid een cursus aanbiedt met betrekking tot data science. Deze klas is echter cruciaal in die zin dat het studenten de vaardigheden voorbereidt om veel van de politieke kwesties over de hele wereld analytisch te begrijpen. Daarom is de cursus ontworpen om praktisch te zijn.

Dat gezegd hebbende, deze klasse is enorm verschillend van APCOMP209A, die ik in de vorige invoer schreef. In APCOMP209A is de primaire gebruikte taal python, en in GOV1005 gebruiken we R. Er waren tijdens het semester zoveel gelegenheden dat ik ze allebei door elkaar haalde, en het was onnodig te zeggen dat ik gefrustreerd was over dit dilemma.

In APCOMP209A waren bijna alle lestijden lezingen. In GOV1005 werd het grootste deel van de lestijd echter gebruikt voor klassikale oefeningen. We waren allemaal aan het typen en keken naar onze laptops. APCOMP209A vereiste dat studenten statistieken en programmering kenden, maar GOV1005 vroeg niets en bouwde de nodige vaardigheden op tijdens de cursus.

Het was harder dan ik dacht

Aan het begin van de les vertelde de Preceptor (zo noemden studenten hem in de klas) dat hij elke dag aan R werkte. Wat ik dacht dat hij bedoelde was dat we hard gaan werken alsof we elke dag R zouden schrijven. Ik had het mis. Hij zei dat hij elke dag letterlijk schreef, en dat deden we ook.

Ik heb elke dag een code vastgelegd!

Omdat de meeste studenten niet bekend waren met R, gaf de Preceptor ons de opdracht om op datacamp te werken om meer te leren over R. Het huiswerk was zo ontworpen dat elke student ongeveer 1 uur per dag met R. zou doorbrengen. Daarnaast hadden we zogenaamde psets (huiswerk), waardoor we de R-vaardigheden die we hebben geleerd moesten toepassen.

Na een goede maand kon ik deze beelden gemakkelijk produceren

Met een andere data science-cursus die voor hetzelfde semester was ingeschreven, was deze klas een uitdaging. Ik ben er op de een of andere manier doorheen gekomen. Gezien de flexibiliteit van R en de kenmerkende coderingssyntaxis, ging ik R erg leuk vinden. R Studio is de beste.

Voor mijn laatste project heb ik gegevens verzameld van het US Census Bureau en een website ontwikkeld met visualisaties van creatieven in de Verenigde Staten.

Mijn laatste projectwebsite

De Preceptor

Meer dan de klas zelf, zou ik willen zeggen dat de professor gewoon geweldig was. Dr. David Kane was de naam van de professor. Hij gaf de studenten echter de opdracht hem als Preceptor te noemen, dus noemden we hem als zodanig.

Preceptor was een geweldige opvoeder. Er waren meer dan 80 studenten ingeschreven voor de klas, maar hij onthield alle namen van de studenten. Talloze keren bracht hij ook zelfgemaakte snacks van zijn vrouw mee, wat een goede reden was om deze les te volgen. Ze waren allemaal hartelijk gemaakt en het was heerlijk. Ik zou andere studenten aansporen om nog een hap te nemen.

Ongelooflijke kwaliteit van zelfgemaakte koekjes

Terwijl tal van afgestudeerde studenten zich voor deze klas inschreven, bestonden niet-gegradueerde studenten uit meer dan de helft van de klassen. Ze probeerden allemaal hun eerste stappen te zetten in de wereld van data science.

Jong zijn brengt echter angst met zich mee, net zoals hoe ik me onzeker voelde tijdens mijn jaren als student. Vooral als je in een andere omgeving bent, weg van je ouders, kunnen inkomende studenten op Harvard soms niet goed zijn in het zoeken naar hulp van anderen.

Een klas als deze kan echter een plaats voor hen worden. Tijdens elke les gaf de Preceptor ons de opdracht om met iemand te paren en we werkten samen aan codering. We moesten in elke klas een andere partner hebben. Omdat dat niet genoeg was, werden studenten vaak koud geroepen tijdens de les en moesten ze de namen van studenten om hen heen introduceren.

Preceptor die zijn zelfgemaakte cold-call-functie gebruikt in R

Door de studenten dit allemaal te laten doorlopen, werden studenten gedwongen contact te leggen met andere studenten. Preceptor zei vaak dat we niet op Harvard zijn om te studeren, maar ook om te netwerken. In feite was er tegen de tijd dat we het semester beëindigden, deze 'eenheid' die de klas belichaamde. Ik denk dat het een fantastische pedagogie was.

'Je doet Harvard verkeerd'

Op een dag gaf de Preceptor ons instructies over deze gedenkwaardige taak.

"Open je laptops en ga naar de online Harvard alumni-website."

Ik deed wat mij gezegd werd. De Preceptor vroeg ons toen om te zoeken naar alle Harvard-alumni die u maar kunt bedenken. Er kwam een ​​figuur in me op, dus ik zocht naar zijn naam in de Harvard-alumni-directory. Er was een hit. Als ik goed keek, vond ik zijn contactadres. Werkelijk? Wat is deze website ...? Ik heb ook geprobeerd op deze website te zoeken met andere beroemde Japanse Harvard-alumni, en er waren meerdere hits.

Een beetje geschokt ging de Preceptor verder:

'Probeer in plaats van te zoeken naar beroemde alumni, te zoeken met termen waarin je geïnteresseerd bent.'

Omdat ik een goede student was, deed ik wat mij werd opgedragen, en ik kreeg een resultaat dat alle alumni op dat gebied liet zien. Ik was geïntrigeerd om zoveel mensen met dezelfde interesse te zien. Vervolgens ging de Preceptor verder en zei het volgende:

'Stuur die persoon nu een e-mail.'

Wat? Werkelijk? Ik ken deze persoon helemaal niet!

Alle studenten begonnen verwoed vragen te stellen.

'Ja, nu, precies hier. Voeg het e-mailadres van uw TA toe in BCC. Dit wordt beoordeeld. '

Ik was verbaasd.

Tijdens de volgende klasvergadering vroeg de Preceptor of er iemand antwoord kreeg.

'Ik krijg een reactie!'
'Ik zal deze persoon bellen om over zijn baan te interviewen!'
"Dit kan leiden tot een mogelijke stagemogelijkheid!"

(Ik heb trouwens geen antwoord gekregen ...)

Je kon de opwinding in de ogen van de studenten zien.

Kijkend naar de studenten zei de leermeester zoiets als dit:

Waarom zijn jullie hier op Harvard nadat ze zoveel geld aan collegegeld hebben uitgegeven? Ja, het gaat om studeren, maar je moet ook gebruikmaken van de middelen die deze instelling te bieden heeft. Profiteren van de alumni is één ding. Omgekeerd, als iemand binnenkort uw hulp komt zoeken, wees dan degene die graag een handje helpt.

'Zo niet, dan doen jullie Harvard verkeerd!'

Ik dacht dat de Preceptor gelijk had. Als internationale student aan Harvard raak ik te veel betrokken bij de studies, wat mijn prioriteit is. Toch is het opmerkelijk dat ik ook moet investeren in het bouwen van een asset die niet puur kennis is.

Hoe data science in de echte wereld leeft

Ik breng de focus nu terug naar data science. Tijdens het semester waren er tal van mogelijkheden waar de Preceptor gasten zou uitnodigen die werkzaam zijn op het gebied van data science.

Als je je voorstelt over datawetenschap, vooral voor mij, moest ik denken dat het alleen betrekking heeft op mensen die bij Facebook, Google en Amazon werken. Deze reeks gesprekken binnen de klas heeft mijn veronderstellingen op de juiste manier weerlegd.

De echte mensen die kwamen praten waren iemand die werkte in de gegevensafdeling van Boston City. Een andere persoon kwam uit de datadivisie van de NBA. Ze werkten op plaatsen die een alledaagse connectie hebben met gewone mensen.

Ik vond de selectie van uitgenodigde docenten fantastisch. Door naar alle gesprekken te luisteren, begreep ik levendig wat het betekent om de kracht van data in de echte wereld te benutten. Door middel van voorbeelden en casestudy's liet het zien hoe data kristalliseert in intelligentie. Ik kreeg sterk het gevoel dat data science niet alleen voor een beperkte groep mensen is, maar eerder voor veel mensen moet worden gebruikt.

Het semester duurde lang en kort, maar net als mijn andere datawetenschapsles, heeft deze les mij enorm veel kennis opgeleverd. Ik ben dankbaar dat ik aan deze les heb deelgenomen.