选择在线学位还是传统大学学位?看这位实际体验者的分析

来源:hackernoon

作者:Daniel Bourke

智能观 编译

我完成了自己的人工智能硕士学位,其中包括两个优达学城的纳米学位(Udacity Nanodegrees)课程,当然也有其他课程。

优达学城的课程,是我学过的课程中质量较好的。

虽然我从未获得过大学里真正的硕士学位,但我们还是比较一下吧。

成本

在大学的一个开放日,我去看了学校的研究生课程。

如果在大学读计算机科学研究生课程,需要2年,每年支付42,000美元,并且要预先支付50%。

我没有42,000美元,所以我开始寻找其他的学习方式。

创建自己的学习路径,我花了3500美元,这些钱花在了各种课程、书籍和工具上。虽然不是免费的,但3500美元远低于84,000美元。

时间

如果参加大学的计算机科学研究生课程,至少需要2年才能完成。而我在网上学习的课程,差不多一年就可以完成。

不过,学习这些技术是永无止境的。每周都有新的技术需要了解。这是很大的乐趣。

学习

我研究计算机科学,是因为想学人工智能,它更能激发我的兴趣。但大学提供的课程似乎并没有教会我这些。我可以在网上学习任何想要的东西,于是直接找到了相关内容。这挺难的,不过,学习新事物总是很难。

你不妨将精力投入自己想学的东西上。

反馈

本科学习期间,我交的作业,有时候3个月都无法获得反馈。而3个月后,它对我来说已经不重要了。考试也是如此。

优达学城的审核人会在你提交作业后的24小时内(有时在一小时内),给你反馈和建议,更不用说他们的论坛和Slack频道了。这对我的学习非常有用。我可以(几乎)立即获得帮助,而不会被一个问题困扰数星期。

质量

我是一个视觉学习者。必须看到事情发生,才能理解它们。阅读几十个讲义,不是我学习的最佳方式。

优达学城的动画团队做了大量工作,提升课程的可视化效果,以配合他们的讲座。我经常发现反复观看十几遍可视化的课程,可以在脑海中建立概念。

优达学城还与行业专家合作。在我获得的纳米学位课程中,有来自IBM和谷歌的专家提供他们的见解。

内容

我获得的硕士学位能和真正的大学硕士学位相提并论吗?

我不知道答案,但可以这样看待它:大学的硕士学位经受了时间的考验,它们的设立是为了让你准备好进一步的学习和研究。许多公司认可大学硕士学位的价值,甚至认为它们是必需的凭证。

当然,纳米学位存在一些不足,它不会涵盖你要知道的一切,因此才得名纳米学位。但更重要的是,我创建了自己的学习之路,学到了自己想学的内容。这使学习变得更加愉快。

最好的课程是那些激发你学习兴趣的课程。

机会

两个月前,我成了机器学习工程师。从那以后,参与了一系列项目,这些项目需要用到我在纳米学位课程上学习的技能。

插入视频:

但是,我还必须根据项目的要求,了解更多的知识和技能。

我有申请传统大学硕士学位的机会吗?可能有,但我没申请。

我知道自己正在学习的技能的价值,并建立了一个在线作品集作为工作证明。

优达学城还与科技公司合作,提供职业服务,帮助你找到一份工作,但是,我还没有利用这些。

进一步学习

我只记住了所学的1%左右,这就是为什么我的口号是不断学习。

现实世界中的大多数数据,并不像你在某些课程(包括纳米学位)中所发现的那样整洁,你必须不断考虑新的方法来获取数据,包括使用人工智能技术。

获得纳米学位或传统硕士学位,并不是学习之旅的终点,而是一个新的起点。

你永远不能为所面临的挑战做好充分准备,但凭借获得的基础技能,你将学到自己需要的。

总结

在完成人工智能纳米学位后,我是最好的人工智能工程师吗?

不是。

在AI领域获取传统的硕士学位会不会更好?

也许,但我不打算这么做。

我可以根据需要,学习新技术,并解决新问题吗?

可以。

我一直在学的课程让我兴奋吗?

是。

我的知识有一些缺陷吗?

是的,但我可以和那些在这个领域比我更优秀的人一起,并向他们学习。或者,找出我的缺陷并弥补它。

如果你想节省成本和时间,并直接进入人工智能的前沿领域,我会推荐人工智能纳米学位等课程。

如果你正在接受更传统、更全面的教育,并打算继续深造,攻读博士学位等,那么你可以去获得传统的人工智能硕士学位。

你可以用学到的技能来解决问题。这是人们对纳米学位需求很大的原因。

请保持学习。

—完—

亲爱的朋友:

如果你对人工智能感兴趣,也有较好的数学、统计等学科基础,想系统学习这个领域,本文的经验可以借鉴。

如果你有其他相关学习的经验,也欢迎与我们分享。

祝安!

PS:为了方便与读者探讨,特意注册了一个专用号。如果你也是我们的铁杆读者,想探讨交流,可以加微信:znglmym。

智能观 灵米

2018-8-1 于北京中关村

想知道AI加教育领域有哪些最新研究成果?

想要AI领域更多的干货?

想了解更多专家的“智能观”?

请前往:www.智能观.com。

声明:

编译文章旨在帮助读者了解行业新思想、新观点及新动态,为原作者观点,不代表智能观观点。

转载智能观原创文章,请联系

智能观小艾(微信号:zng2017618)!

关于我们

我们关注AI+教育。致力于提供高附加值的知识,以帮助每一位老师和我们的读者不断学习并提高技能。

我们努力让发表的每一篇文章都具有最佳质量,以满足读者的需求。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180801A1RF9600?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券