En datavitenskapsklasse lærte meg hvordan du gjør Harvard riktig

Tok et bilde med preseptoren med studenter i klassen

På toppen av datavitenskapsklassen jeg nevnte i forrige oppføring, deltok jeg på et annet datavitenskap-relatert kurs i høsten 2019.

Kurskoden er GOV1005, og navnet på klassen ble kalt "Data." Det tilbys innen Department of Government på Harvard. Denne klassen var under radaren min, men MDE-klassekameraten min, som tidligere jobbet på Facebook, anbefalte denne klassen. Etter å ha deltatt på det første foredraget, ble jeg umiddelbart fascinert og bestemte meg for å fortsette denne klassen.

Design av klassen

Man kan spørre hvordan kommer Department of Government til å tilby en klasse relatert til datavitenskap. Imidlertid er denne klassen avgjørende i den forstand at den forbereder studentene ferdighetene til å analytisk forstå mange av de politiske spørsmålene rundt om i verden. Derfor er kurset designet for å være praktisk.

Når det er sagt, er denne klassen veldig forskjellig fra APCOMP209A, som jeg skrev i forrige oppføring. I APCOMP209A er det primære språket python, og i GOV1005 bruker vi R. Det var så mange anledninger i løpet av semesteret at jeg fikk blandet begge deler, og unødvendig å si, jeg var frustrert over dette dilemmaet.

I APCOMP209A var nesten hele klassetiden forelesninger. I GOV1005 ble imidlertid mesteparten av klassetiden brukt til øvelser i klassen. Vi skrev alle og så på bærbare datamaskinene våre. APCOMP209A krevde at studentene skulle vite statistikk og programmering, men GOV1005 ba om ingenting og bygde de nødvendige ferdighetene fra grunnlaget gjennom hele kurset.

Det var vanskeligere enn jeg trodde

I begynnelsen av klassen nevnte Preceptor (det er slik elevene adresserte ham i klassen) å jobbe med R hver dag. Det jeg trodde han mente var at vi kommer til å jobbe hardt som om vi ville skrevet R hver dag. Jeg tok feil. Han sa om å skrive R hver dag i bokstavelig forstand, og det gjorde vi også.

Jeg har gitt noen kode hver dag!

Siden de fleste studenter ikke var kjent med R, instruerte Preceptor oss om å jobbe med datacamp for å lære om R. Leksene var designet slik at hver student skulle tilbringe omtrent 1 time per dag med R. I tillegg hadde vi såkalte psets (lekser), noe som krevde oss å anvende R-ferdighetene vi har lært.

Etter en god måned var jeg i stand til enkelt å produsere disse bildene

Med et annet datavitenskapskurs påmeldt for samme semester var denne klassen utfordrende. Jeg klarte liksom å komme meg gjennom. Gitt fleksibiliteten til R og dens særegne kodingssyntaks, likte jeg R mye. R Studio er den beste.

For mitt sluttprosjekt samlet jeg data fra US Census Bureau og utviklet et nettsted med visualiseringer av reklamer i USA.

Min endelige prosjektnettsted

The Preceptor

Mer enn klassen selv, vil jeg si at professoren bare var flott. Dr. David Kane var professorens navn. Imidlertid instruerte han studentene om å kalle ham som preseptor, så vi kalte ham som sådan.

Preceptor var en flott pedagog. Det var over 80 elever påmeldt for klassen, men han husket alle studentenes navn. I utallige ganger ville han også ta med hjemmelaget snacks laget av kona, som var en eneste god grunn til å ta denne klassen. De var alle varmt laget, og det var deilig. Jeg ville presse andre studenter til å få en bit til.

Utrolig kvalitet på hjemmelagde informasjonskapsler

Mens mange hovedfagsstudenter registrerte seg for denne klassen, besto studenterstudentene av mer enn halvparten av befolkningen. Alle prøvde å ta sine første skritt inn i datavitenskapens verden.

Å være ung kommer imidlertid med angst, akkurat som hvordan jeg følte meg usikker i løpet av årene som bachelor. Spesielt når du er i et annet miljø, borte fra foreldrene dine, kan innkommende studenter ved Harvard noen ganger ikke være flinke til å søke hjelp fra andre.

Imidlertid kan en klasse som dette bli et sted for dem. Under hver klasse instruerte forsmakeren oss om å slå seg sammen med noen, og vi jobbet med koding sammen. Vi måtte ha en annen partner i hver klasse. Da det ikke var nok, ble elevene ofte kaldt kaldt i løpet av klassen, og de måtte introdusere navnene på elevene rundt seg.

Preceptor Bruker sin hjemmelagde kaldoppringingsfunksjon i R

Ved å få studentene til å gå gjennom alt dette, ble studentene tvunget til å få kontakt med andre studenter. Preceptor vil ofte nevne at vi ikke er på Harvard for å studere, men også for å nettverk. Faktisk, da vi var ferdig med semesteret, var det denne "enhet" som legemliggjorde klassen. Jeg synes det var en fantastisk pedagogikk.

“Du gjør Harvard Wrong”

En dag instruerte preseptoren oss om denne minneverdige oppgaven.

"Åpne bærbare datamaskiner og få tilgang til online Harvard-alumni-nettsted."

Jeg gjorde som jeg ble fortalt. Preceptoren ba oss deretter om å lete etter alle Harvard-alumner som du kan tenke på. Det var en figur som kom opp for meg, så jeg søkte på navnet hans i Harvard-alumni-katalogen. Det ble en hit. Når jeg så nøye, fant jeg kontaktadressen hans. Egentlig? Hva er dette nettstedet ...? Jeg prøvde også å søke på dette nettstedet med andre berømte japanske Harvard-alumner, og det var flere treff.

Med å være litt sjokkert fortsatte Preceptor:

"I stedet for å søke etter kjente alumner, kan du prøve å søke med ord du er interessert i."

Å være en god student, gjorde jeg som jeg ble instruert, og jeg fikk et resultat som viste alle alumner som jobber på det feltet. Jeg var fascinert av å se så mange mennesker med samme interesse. Deretter fortsatte preseptoren og sa følgende:

"Send en e-post til personen akkurat nå."

Hva? Egentlig? Jeg kjenner ikke denne personen i det hele tatt!

Alle elevene begynte å stille spørsmål febrilsk.

“Ja, akkurat nå, akkurat her. Legg til TAs e-postadresse i BCC. Dette blir gradert. ”

Jeg ble overrasket.

Under neste klassemøte spurte preseptoren om noen fikk noe svar.

“Jeg fikk svar!”
"Jeg vil ringe denne personen til å intervjue om jobben sin!"
"Dette kan føre til en potensiell praksisplass!"

(Jeg fikk ikke noe svar forresten ...)

Du kunne se spenningen i studentenes øyne.

Når han så på studentene, sa preseptoren noe slik:

Hvorfor er dere her på Harvard etter å ha brukt så mye penger på undervisning? Ja, det handler om å studere, men du må også utnytte ressursene denne institusjonen har å tilby. Å dra nytte av alumniene er en ting. Omvendt, hvis det er noen som søker etter din hjelp innen kort tid, kan du være den som gir hånden villig.

"Hvis ikke, gjør dere Harvard galt!"

Jeg trodde preseptoren hadde rett. Som internasjonal student ved Harvard har jeg en tendens til å bli for mye fanget opp i studiene, som er min prioritet. Likevel er det bemerkelsesverdig at jeg også trenger å investere i å bygge en eiendel som ikke er rent kunnskap.

Hvordan datavitenskap lever i den virkelige verden

Jeg bringer fokuset tilbake til datavitenskap nå. I løpet av semesteret var det mange muligheter der Preceptor ville invitere gjester som jobber innen datavitenskap.

Når man forestiller seg datavitenskap, spesielt for meg, var jeg nødt til å tro at det bare er relatert til folk som jobber på Facebook, Google og Amazon. Denne serien med samtaler i klassen har motbevist antagelsene mine på riktig måte.

De faktiske menneskene som kom for å snakke var noen som jobbet i dataseksjonen i Boston City. En annen person var fra datainndelingen i NBA. De jobbet på steder som har en hverdagslig forbindelse med vanlige mennesker.

Jeg syntes at utvalget av inviterte forelesere var fantastisk. Å høre på alle samtalene fikk meg til å forstå levende hva det vil si å utnytte kraften til data i den virkelige verden. Gjennom eksempler og casestudier viste det hvordan data krystalliserer til intelligens. Det fikk meg til å føle meg sterkt at datavitenskap ikke bare er for en begrenset gruppe mennesker, men heller bør brukes for mange mennesker.

Semestret føltes langt og kort, men akkurat som min andre datavitenskapsklasse, har denne klassen kommet meg med en enorm mengde kunnskap. Jeg er takknemlig for å ha deltatt i denne klassen.