En datavetenskapsklass lärde mig hur man gör Harvard rätt

Tog en bild med preceptorn med doktorander i klassen

Ovanpå datavetenskapsklassen som jag nämnde i föregående post deltog jag i en annan datavetenskaplig kurs under hösten 2019.

Kurskoden är GOV1005, och klassens namn kallades “Data.” Det erbjuds inom Department of Government i Harvard. Den här klassen låg under min radar, men min MDE-klasskamrat, som tidigare arbetade på Facebook, rekommenderade den här klassen. Efter att ha deltagit i den första föreläsningen blev jag omedelbart fascinerad och beslutade att fortsätta denna klass.

Klassens design

Man kan fråga sig hur det är att ministeriet erbjuder en klass relaterad till datavetenskap. Men denna klass är avgörande i den meningen att den förbereder eleverna färdigheter för att analytiskt förstå många av de politiska frågorna runt om i världen. Därför är kursen utformad för att vara praktisk.

Med det sagt är denna klass mycket annorlunda än APCOMP209A, som jag skrev i föregående post. I APCOMP209A är det primära språket python, och i GOV1005 använder vi R. Det var så många tillfällen under semestern att jag blandade båda av dem, och onödigt att säga, jag var frustrerad över detta dilemma.

I APCOMP209A var nästan hela klasstiden föreläsningar. I GOV1005 användes emellertid majoriteten av klasstiden för klasserövningar. Vi skrev alla och tittade på våra bärbara datorer. APCOMP209A krävde att eleverna skulle känna till statistik och programmering, men GOV1005 bad om ingenting och byggde de nödvändiga färdigheterna från grunden under hela kursen.

Det var hårdare än jag trodde

I början av lektionen nämnde preceptorn (det var hur eleverna talade honom i klassen) att arbeta på R varje dag. Det jag trodde att han menade var att vi kommer att jobba hårt som om vi skulle skriva R varje dag. Jag hade fel. Han sa att han skrev R varje dag i bokstavlig mening, och det gjorde vi också.

Jag har begått någon kod varje dag!

Eftersom de flesta studenter inte känner till R, instruerade Preceptor oss att arbeta med datakamp för att lära oss om R. Läxorna var utformade så att varje student skulle tillbringa ungefär 1 timme per dag med R. Dessutom hade vi så kallade psets (läxor), vilket krävde att vi använde de R-färdigheter vi har lärt oss.

Efter en god månad kunde jag enkelt producera dessa bilder

Med en annan datavetenskapskurs som registrerades för samma termin var denna klass utmanande. Jag lyckades på något sätt komma igenom. Med tanke på flexibiliteten hos R och dess distinkta kodningssyntax, kom jag att gilla R mycket. R Studio är bäst.

För mitt slutprojekt samlade jag in data från US Census Bureau och utvecklade en webbplats med visualiseringar av annonsmaterial i USA.

Min slutliga projektwebbplats

Preceptorn

Mer än klassen själv skulle jag vilja säga att professorn var bara bra. Dr. David Kane var professorens namn. Men han instruerade eleverna att kalla honom som preceptor, så vi kallade honom som sådan.

Preceptor var en stor pedagog. Det var över 80 studenter som registrerades för klassen, men han memorerade alla studenternas namn. För otaliga gånger skulle han också ha hemlagade tilltugg tillagade av sin fru, vilket var en enda god anledning att ta denna klass. De var alla varmt tillverkade, och det var utsökt. Jag skulle pressa andra studenter att få en bit till.

Otrolig kvalitet på hemlagade kakor

Medan många forskarstuderande registrerade sig för denna klass, bestod studenterna av mer än hälften av klasspopulationen. Alla försökte ta sina första steg in i datavetenskapens värld.

Att vara ung kommer dock med ångest, precis som hur jag kände mig osäker under mina år som grundutbildning. Särskilt när du befinner dig i en annan miljö, borta från dina föräldrar, kan inkommande studenter i Harvard ibland inte vara bra på att söka hjälp från andra.

Men en klass som denna kan bli en plats för dem. Under varje klass instruerade Preceptor oss att para ihop med någon, och vi arbetade med att koda tillsammans. Vi var tvungna att ha en annan partner i varje klass. Eftersom det inte var tillräckligt kallades eleverna ofta under klassen och de var tvungna att införa namnen på eleverna runt omkring dem.

Preceptor som använder sin hemlagade kallanropsfunktion i R

Genom att låta eleverna gå igenom allt detta tvingades studenterna att få kontakt med andra studenter. Preceptor skulle ofta nämna att vi inte är på Harvard för att studera utan också för att nätverk. I själva verket, när vi avslutade termin, var det denna "enhet" som förkroppsligade klassen. Jag tycker att det var en fantastisk pedagogik.

“Du gör Harvard Wrong”

En dag instruerade preceptorn oss om denna minnesvärda uppgift.

"Öppna dina bärbara datorer och få tillgång till webbplatsen för Harvard-alumner online."

Jag gjorde som jag fick höra. Preceptoren bad oss ​​sedan leta efter alla Harvard-studenter som du kan tänka på. Det var en siffra som kom fram till mig, så jag sökte efter hans namn i Harvard-alumnkatalogen. Det blev en hit. När jag tittade noggrant hittade jag hans kontaktadress. Verkligen? Vad är den här webbplatsen ...? Jag försökte också söka på denna webbplats med andra kända japanska Harvard-studenter, och det fanns flera träffar.

Att vara något chockad fortsatte Preceptor:

"Istället för att söka efter kända alumner, prova att söka med termer som du är intresserad av."

Som en bra student gjorde jag som jag fick instruktionerna och jag fick ett resultat som visade alla studenter som arbetar inom det området. Jag var fascinerad av att se så många människor med samma intresse. Sedan fortsatte preceptorn och sa följande:

"Skicka ett e-postmeddelande till den personen just nu."

Vad? Verkligen? Jag känner inte den här personen alls!

Alla elever började ställa frågor uppriktigt.

”Ja, just nu, just här. Lägg till din TA: s e-postadress i BCC. Detta kommer att betygsättas. ”

Jag blev förvånad.

Under nästa klassmöte frågade preceptorn om någon fick något svar.

“Jag fick svar!”
"Jag kommer att ringa den här personen för att intervjua om sitt jobb!"
"Detta kan leda till en potentiell praktikmöjlighet!"

(Jag fick inget svar förresten ...)

Man kunde se spänningen i elevernas ögon.

När han tittade på eleverna sa Preceptoren något liknande:

Varför är ni här på Harvard efter att ha använt så mycket pengar på undervisning? Ja, det handlar om att studera, men du måste också utnyttja de resurser som denna institution har att erbjuda. Att dra nytta av alumnerna är en sak. Omvänt, om någon kommer att söka efter din hjälp inom kort, var den som ger handen frivilligt.

"Om inte, gör ni Harvard fel!"

Jag trodde att receptet hade rätt. Som internationell student vid Harvard tenderar jag att bli för mycket upptagen av studierna, vilket är min prioritering. Det är dock anmärkningsvärt att jag också behöver investera i att bygga en tillgång som inte är rent kunskap.

Hur datavetenskap lever i verklig värld

Jag tar tillbaka fokuset på datavetenskap nu. Under semestern fanns det många möjligheter där Preceptor skulle bjuda in gäster som arbetar inom datavetenskap.

När man föreställer sig datavetenskap, speciellt för mig, tänkte jag att det bara är relaterat till människor som arbetar på Facebook, Google och Amazon. Denna serie förhandlingar inom klassen har motbevisat mina antaganden på rätt sätt.

De faktiska människorna som kom för att prata var någon som arbetade i datasektionen i Boston City. En annan person var från NBA: s uppdelning. De arbetade på platser som har en vardaglig koppling till vanliga människor.

Jag tyckte att urvalet av inbjudna föreläsare var fantastiskt. Att lyssna på alla samtalen fick mig levande att förstå vad det innebär att utnyttja kraften hos data i den verkliga världen. Genom exempel och fallstudier visade det hur data kristalliseras till intelligens. Det fick mig att känna starkt att datavetenskap inte bara är för en begränsad grupp människor, utan snarare bör användas för många människor.

Semestern kändes lång och kort, men precis som min andra datavetenskurs har denna klass gynnat mig med en enorm mängd kunskap. Jag är tacksam för att ha deltagit i den här klassen.