マスターの1セッションは半年で、1年間に10月〜3月と4月〜9月の2セッションある。コースは10科目+修論で構成される。1セッション2科目ずつ進めて就学年限の5年以内に終わらせるつもりだ。科目1つの重みは、期待される学習時間をベースに計算すると、undergraduate 1科目の半分、つまり、undergraduate のハーフコースに相当する。1年の4科目履修は、undergraduateの2科目に相当するわけだ。
成績評価方法は科目によって異なるが、Coursework2つを提出する場合とCoursework + 期末試験の場合のいずれかのようだ。基本的に期末試験だけで評価されるundergraduateの時とは時間の使い方が異なるわけだ。また、科目情報は履修しないとポータルサイト上に公開されないため、undergraduateの時のように履修前から学習を進めておくことができない。BScの時と比べて、スケジュールがフレキシブルに組めないようになっている。
最初のセッションは先月終わった。成績通知は7月だそうだ。不合格の場合は10月に再履修。その間、今月4月から別の科目を履修して進めている。
最初のセッションの内容は、大まかに言うと、今後の準備としてのPythonいじりと、データサイエンスの中の統計学の確認、それから一部の機械学習手法の紹介だった。Pythonは、scraping、unit testほか、主要な点をまとめておくからあとは課題を仕上げるために各自でどんどん身につけていってねというスタンス。それでいい。手取り足取りでやられてはマスターに進んだ甲斐がない。データサイエンスと統計学の関係が確認出来たのはよかった。BScでやみくもに機械学習を履修して以降、あやふやなままだったからだ。課題と試験はそれなりにきっちりやっつけた。
Undergraduate１科目分を半年単位で終わらせていく。勤労学生のスケジュールは相変わらずタイトだ。
