Program Gelar Sarjana untuk Coding - dummies

Pilihan untuk mempelajari bagaimana kode sepertinya tidak pernah berakhir, dan tingkat lanjut biasanya menarik bagi sekelompok orang tertentu. Meskipun tidak perlu untuk belajar kode atau mendapatkan pekerjaan coding, gelar lanjutan dapat membantu mempercepat pembelajaran Anda dan membedakan Anda dari kandidat pekerjaan lainnya. Berikut adalah dua jenis program gelar tingkat lanjut:

• Gelar Master: Gelar teknis yang memungkinkan Anda untuk mengeksplorasi dan mengkhususkan diri di bidang ilmu komputer tertentu seperti kecerdasan buatan, keamanan, sistem database, atau pembelajaran mesin. Berdasarkan beban kursus, gelar biasanya membutuhkan satu atau dua tahun penuh waktu, instruksi langsung untuk menyelesaikannya. Setelah selesai, gelar tersebut bisa menjadi cara bagi seorang siswa yang mengejar jurusan non-teknis untuk beralih ke lapangan dan mengejar pekerjaan pengkodean. Sebagai alternatif, beberapa siswa menggunakan pengalaman gelar master sebagai cara untuk mengukur minat mereka atau memperbaiki pencalonan mereka untuk program PhD.

Semakin banyak program master master paruh waktu online tersedia. Sebagai contoh, Stanford dan Johns Hopkins sama-sama menawarkan gelar master di bidang Ilmu Komputer dengan konsentrasi di salah satu dari sepuluh topik sebagai bagian dari gelar paruh waktu online yang membutuhkan rata-rata tiga sampai lima tahun untuk menyelesaikannya. Demikian pula, Northwestern University menawarkan gelar master di Predictive Analytics, sebuah program paruh waktu online dalam data besar yang mengajarkan siswa SQL, NoSQL, Python, dan R.

• Gelar Doktor: Sebuah program yang biasanya ditujukan bagi orang-orang yang tertarik untuk melakukan penelitian terhadap topik yang khusus. Kandidat PhD dapat mengambil enam sampai delapan tahun untuk mendapatkan gelar mereka, jadi ini bukan cara yang paling tepat untuk mempelajari bagaimana kode. Lulusan PhD, terutama mereka yang memiliki topik penelitian mutakhir, membedakan diri mereka di pasar dan umumnya mengerjakan masalah terberat dalam ilmu komputer.

Misalnya, algoritma pencarian inti Google secara teknis menantang dengan beberapa cara - dibutuhkan permintaan pencarian Anda, bandingkan dengan miliaran halaman web yang diindeks, dan mengembalikan hasilnya dalam waktu kurang dari satu detik. Tim ilmuwan komputer PhD bekerja untuk menulis algoritma yang memprediksi apa yang akan Anda cari, mengindeks lebih banyak data (seperti dari jaringan sosial), dan mengembalikan hasilnya kepada Anda lima sampai sepuluh milidetik lebih cepat dari sebelumnya.

Siswa yang mendaftar dan drop out dari program PhD lebih awal sering mengerjakan kursus yang cukup untuk memperoleh gelar master, biasanya tanpa biaya kepada siswa karena program PhD biasanya didanai oleh sekolah.

Kurikulum sekolah komputer pascasarjana untuk pengkodean

Kurikulum sekolah tingkat master untuk ilmu komputer biasanya terdiri dari 10 sampai 12 kelas sains dan matematika komputer. Anda mulai dengan beberapa kelas dasar, dan kemudian mengkhususkan diri dengan memusatkan perhatian pada topik sains komputer tertentu. Kurikulum PhD mengikuti jalur yang sama, kecuali setelah menyelesaikan kursus, Anda mengusulkan topik yang sebelumnya belum dijelajahi untuk penelitian lebih lanjut, habiskan tiga sampai lima tahun untuk melakukan penelitian asli, lalu tunjukkan dan pertahankan hasil Anda sebelum profesor lain ditunjuk untuk mengevaluasi pekerjaan Anda.

Tabel ini adalah contoh kurikulum untuk mendapatkan gelar master di CS dengan konsentrasi dalam Machine Learning dari Universitas Columbia. Beberapa kursus dapat digunakan untuk memenuhi persyaratan gelar, dan kursus yang ditawarkan bervariasi menurut semester.

Columbia University MS in Computer Science

Nomor Kursus	Nama Kursus	Deskripsi Kursus
W4118	Sistem Operasi I	Desain dan implementasi sistem operasi termasuk topik seperti manajemen proses dan Analisis Algoritma I
Analisis Algoritma I	Desain dan analisis algoritma yang efisien termasuk pemilahan dan pencarian	W4705
Pengolahan Bahasa Alami	Pengambilan, pelepasan, dan analisis pidato emosional alami	W4252
Teori Belajar Komputasi	Komputasi dan kemungkinan statistik dan keterbatasan pembelajaran	W4771
Pembelajaran Mesin	Pembelajaran Mesin dengan model klasifikasi, regresi, dan inferensi	W4111
Intro ke Database	Memahami bagaimana merancang dan membangun database relasional	W4246
Algoritma untuk Ilmu Data	Metode untuk mengatur, menyortir, dan mencari data	W4772
Advanced Machine Learning	Alat pembelajaran mesin tingkat lanjut dengan aplikasi dalam pemodelan persepsi dan perilaku	E6232
Analisis Algoritma II	Pascasarjana jurusan desain dan analisis algoritma aproksimasi yang efisien untuk masalah optimasi	E6998
Topik Lanjutan dalam Pembelajaran Mesin	Pascasarjana mencakup penelitian terkini tentang jaringan Bayesian, kesimpulan, model Markov, dan regresi	Kurikulum, yang dalam hal ini terdiri dari sepuluh kelas, dimulai dengan tiga kelas dasar, dan kemudian dengan cepat berfokus pada area konsentrasi. Konsentrasi bervariasi di seluruh program, namun umumnya mencakup hal berikut:

Keamanan:

• Menetapkan izin pengguna dan mencegah akses yang tidak sah, seperti mencegah pengguna mengakses rincian kartu kredit Anda di situs e-commerce Pembelajaran di mesin: < Menemukan pola dalam data, dan membuat prediksi di masa depan, seperti memprediksi film apa yang harus Anda tonton selanjutnya berdasarkan film yang telah Anda lihat dan sukai
• Sistem jaringan: Protokol, prinsip, dan algoritme untuk bagaimana komputer berkomunikasi satu sama lain, seperti menyiapkan jaringan nirkabel yang bekerja dengan baik untuk ratusan ribu pengguna
• Penglihatan komputer: Menggandakan kemampuan mata manusia untuk memproses dan menganalisis gambar, seperti menghitung jumlah orang yang masuk atau keluar dari toko berdasarkan program yang menganalisis umpan video langsung
• Pengolahan bahasa alami: Mengotomasi analisis teks dan ucapan, seperti menggunakan perintah suara untuk mengubah ucapan menjadi teks
• Melakukan penelitian di coding Siswa didorong dalam program gelar master dan diminta dalam program PhD untuk melakukan penelitian asli.Topik penelitian bervariasi dari teoritis, seperti memperkirakan berapa lama algoritma akan dibutuhkan untuk menemukan solusi, hingga praktis, seperti mengoptimalkan rute pengiriman dengan diberi satu set titik.

Terkadang penelitian akademis ini dikomersialkan untuk menciptakan produk dan perusahaan bernilai ratusan juta hingga miliaran dolar. Misalnya, pada tahun 2003 peneliti universitas menciptakan sebuah algoritma bernama Farecast yang menganalisis 12.000 harga tiket pesawat. Nantinya, bisa menganalisa miliaran harga tiket secara real time, dan memprediksi apakah harga tiket pesawat Anda akan meningkat, turun, atau tetap sama. Microsoft membeli teknologinya seharga $ 100 juta dan memasukkannya ke dalam mesin pencari Bing.

Dalam contoh lain, Shazam didasarkan pada makalah akademis yang menganalisis bagaimana mengidentifikasi rekaman audio berdasarkan sampel singkat berkualitas rendah, biasanya rekaman audio dari telepon genggam. Hari ini, Shazam memungkinkan pengguna merekam cuplikan pendek sebuah lagu, mengidentifikasi judul lagu, dan menawarkan lagu untuk pembelian.

Perusahaan telah mengumpulkan lebih dari $ 100 juta dana untuk operasi dan secara pribadi bernilai lebih dari $ 1 miliar. Kedua produk tersebut berdasarkan pada makalah penelitian yang diterbitkan yang mengidentifikasi masalah yang dapat diatasi dengan teknologi dan menghadirkan solusi teknologi yang memecahkan kendala yang ada dengan akurasi tinggi.

Penelitian Anda sendiri mungkin tidak mengarah pada penciptaan perusahaan bernilai miliaran dolar, namun harus maju, bahkan secara bertahap, solusi untuk masalah ilmu komputer atau membantu menghilangkan kendala yang ada.