换我接着来update，谢谢当年Chill人很好的回答了我的问题 有问题欢迎在下面留言，尽量不要私信我问题，一来是我信箱爆了，再来是我希望我的回 答，能帮助到所有的人，六月毕业前我会定期上来回答问题，之後就不知道什麽时候才会 再上ptt．另外，如果你有爬一亩三分的话，要自己辨识里面的资讯，有时候只是他们从其 他人的回答推论，不见得是他们自己的体会或真实的情况． 我是2017入学，我们这届有两个台湾人，接下来一届一个台湾人都没有ＱＱ．系上七楼有 个世界地图，每个人会把自己从哪来来贴上贴纸，韩国都有两三个了，台湾一个贴纸都没 有． 几点总结这个program： 1. 结合了数学与码model，专注在deep learning领域，培养data scientist 2. 每年都在扩招，但申请也越来越激烈．如果你想知道一些确切的数字，写个信跟小蜜 要，她的工作就是回答你的问题 3. 有自己的phD program．我觉得这是个很强的signal，表示长远来说，系上对自己还有 这个领域的未来很有信心，毕竟养phD短期都是赔钱，而且一养就是养4,5年 4. 写而且几乎只写python，所有课都要写，就算是上spark也是用上pyspark，建deep learning就是用pytorch [简介DS]: data science的工作广义大致可以分成三种， 1. data analyst: 有时候会称作BI，分析居多．最多工作缺． 2. data scientist: 做machine learning和deep learning，建model，有时偏 research，我自己会把machine learning engineer归在这里 3. data engineer: 涉略不深，有时候跟big data有关，也可以是SQL捞资料， 很看公司跟职位，建议读CS 要注意的是，职位名字不能决定工作内容，有时候工作data scientist做的是data analyst的事，每个公司给的titile跟工作内容不一样 [CDS简介-Center for Data Science] 2016大概80人，去年2017招了100人，这届2018的full time大概招到130．每年稳定成长 ，不知道什麽时候会爆炸．我刚来的时候系上有两层楼，很多空房间可以进去自习，现在 都把空间给phD还有访问学者，相对来说压缩了原本master学生的空间．系上对学生另一 个好的地方是24hr你都可以自由进去系上的那两层楼．相对来说courant cs就只把这种特 权留给他们的phD学生．你什麽时候想去自习都可以，包含暴风雪学校没开，半夜看完百 老汇，2点想念书，期中考学校图书馆爆满(但是不代表系上那边会有位置)，你都可以刷 你的学生证自由进出，整个CDS就是你家． [课程] 我简介一下必修： 第一学期有两个必修，一个会教你数学工具像是probability等，这工具下学期上 machine learning会用到，另一个是Data Science101，当下觉得是废课，但回首看这堂 课很重要也上得很好，会过一次terminology，对Data Science很多topic会有个简单的了 解，如果觉得自己缺其他数学工具像是线性代数，可以去选选修，不会写python可以上 python for Data Science补一下．一年级下学期会上machine learning，这是这个 program最核心的课也最好的课，另一门big data会教map reduce还有spark，上的东西非 常多，很快速的把知识点带过．第三学期会有一门课capstone，这是集大成把你所学的， 应用做一个project．然而在最後post时，我发现所有的组都在做deep learning，没有 machine learning，没有big data，没有data visualization等等．我觉得蛮失望的，其 实这领域还有很多议题跟方法可以探究，deep learning是现在的显学． 我们自己开的课不多，每学期大概三到四堂，所有ds的学生都有优先权可以选，二年级的 先，再来是一年级，phD最後选但是优先权最高，会直接把其他人往後挤掉XD．每学期我 们自己开的课够多，所以不会有没有课能选的问题，但想不想上又是另一回事了．课绝大 多数都跟deep learning有关，集中在数学理论跟NLP上，如果对image有兴趣要自己去CS 修课，但我看今年秋季课表有开image的课． [教授] 如果你是phD，那我觉得这里研究环境不错，我想不需要跟你介绍Yann Lecun与 Kyunghyun Cho是谁．如果你是master有考虑想申phD，想找他们做研究，那你要给他们非 常好非常好的理由，因为全世界的学生都在找他们一起做研究．office hour外排队的学 生很惊人，还有被他钉白版的回忆...．如果你觉得你来这里念master可以帮助你比较顺 利申请到我们自己的phD，我持保留态度，目前为止，我没看到我们这一届有人成功，前 几届有，我自己思考一下，可能我们这届的人尽管非常聪明，但过去这两年并不专注在 reseach上，在申phD跟找工作上比较摇摆不定，所以没有比较强的研究结果．系上是有研 究风气的，每个礼拜都有各式senimiar可以参加．星期四下午固定有nlp talk． [程式] 我们写python，也只写python．没有任何其他的语言(只有ㄧ门课用R做text，但是没人想 选)或软体(SAS)．一旦跟deep learning有关，我们就是用pytroch，我想跟韩法二人组在 facebook应该是有关．我被录的时候本来就会一点python，如果不会系上有门课python for data science，不是教你怎麽写python，是教你ds有关的python怎麽用，例如pandas ，scikit learn，我蛮後悔没有上，看起来像废课，但其实“认真学”很有帮助，很多人 都把它当水课没有认真上，其实python认真学起来是有很多知识要学的！自己是暑假大量 自学pandas,，scikit learn，但同一时间，同学早知道怎麽用了．如果想真的好好学会 python，你要自己去学．我自己是有兴趣去多学，大部分的同学都是只要code work就好 ，很多时候後不深究，其实对python的掌握度不是很高．但是掌握很高对Data Scientist 要干嘛？对很多人来说钻研python也不会帮助你的model accuracy上升，还不如对model 了解更透彻． [选课自由] 你如果选不是elective清单上的课，需要得到系上核可．只要你能提出这课跟data science与你的职业生涯有关，都会被核准，非常非常自由．例如，你可以去音乐系选课 或甚至选艺术的课，只要跟ds有关都可以．但是系上核准你可以选，不代表你选得上，选 不选得上是由对方的系决定． [系上资源] 每个礼拜五，有些时候会是workshop，教你怎麽面试，怎麽用julia等等，大部分是 company infosession，公司来介绍他们自己并顺便招intern或full-time．每个学期会有 一次比较大型的career fair，会有七八家公司来．这是系上用心的地方．但大多数人的 实习跟工作还是自己找的．有时候会寄open position的资讯还有post在自己非公开的 piazza社团，除非是alumni主动来要人，不然其实跟你自己google找是一样的，只是多一 个人你找而已． 另外，我们有自己的library，藏书不多但都是很好很经典的书，都是被挑过的，跟data science有关的书籍，想要的话可以透过线上系统借．像是fluent python这种好书，当我 发现系上有可以借的时候，对他们的眼光另眼相看．如果是要找地方借房间开group meeting或是面试，除了跟nyu library借房间，也可跟系上预约，大概有6间房间是可以 预借的．很方便． [找实习或找工作] 实习：我觉得很难找，但你永远都可以退而求其次，找不到回国找，找不到改作unpaid， 找不到改帮professor做research．我没有听说想找的人，会找不到的．身边抽样来看， 大概一半能找到很正式的intern，其中有很少数是我们叫得出大公司，大部分都是纽约中 小型企业，另一半就是所所谓的退而求其次． 正职：我还是觉得很难找．我的感受是80%的面试与offer都发生在20%的人的身上，剩下 80%的人抢20%的机会，大家压力都很大．虽然我的感受是工作很难找，但我把身边认识的 人数了数，距离毕业还有一个月，其实已经有大概快8成的人找到了．当然，里面包含 了打算回国的人，有的是因为个人因素，有的是他们国内的公司对他们言发展比美国好， 其他留下来的这些，公司大大小小都有．往前看过去几年的学长姐，其实没有想留下来 的人留不下来，就看你的决心有多少，你愿意牺牲多少？如我前面所说的，你永远可以退 而求其次． [补充一下] 我听説有收到full time offer的公司(我相信还有很多人拿到其 他公司的offer，只是我比较边ＱＱ，大概就认识20个人): Black Rock, Morgan Stanley, Nvidia, DiDi Lab, Alibaba, Bloomberg(Hong Kong), TripAdvisor, BuzzFeed, Capital One, Apple, Amazon, Google, PWC, Wayfair, comcast, Facebook, IBM, C hase(JPM), MongoDB, Lyft, Quora, Yahoo...,还有一些start up 5/7/2019: 再更新一下，离毕业还有半个月，身边9成5的人都找到工作了，前几天遇到上 一届NYU DS的，问了他们的情况，他说，扣掉找一找後来不想找或没找的，剩下的所有人 最後都找到到工作．现在看起来，虽然过程很辛苦，但是大家结果都找的不错． 另外我想提一下，选学校地点其实在一个时候会扮演很重要的角色．就是当你找不到大公 司的实习或工作的时候．local的start up与中小企业的类型跟数量多少个会很重要．大 公司不会管你住的地点，住远住进都一样，可是很多start up与中小公司会，他们倾向找 当地的人，当地的人比较有机会有connection知道这种缺，有时候你甚至可以被直接被内 推．如果你一帆风顺的话，大概不会有机会体会到地点的重要． [最後] 我想感谢在地球另一端的家人，朋友，给我如大海般的包容和无尽的支持． 谢谢我的室友，CS的台湾同学们，DS的中国同学们(虽然你们大概永远不会看到)，还有学 长学姊学弟． 没有你们，我真的不知道是怎麽熬过这些煎熬与苦涩，我爱你们． 在纽约的这两年，真的很苦，妈的． --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.166.175.139 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/studyabroad/M.1554654404.A.A7B.html 谢谢补充！ 可以很深．系上有跟数学系合开课，六门选修你可以都去上跟数学工具有关的课，跟 Courant的数学天才们一起深到地心去．只是大多数人念master还是在找工作比较应用取向 对！new grad找hard core data scientist门槛真的很高，真的想做读phD或做sde再转会 比较容易！ ※ 编辑: o9010802 (118.166.175.139), 04/08/2019 06:51:09 主要是Data Science相关的，但title很杂，不同产业跟公司会给不同title，只有少数几 个是SDE，剩下的有有ML Engineer或research engineer，Data Analyst，Data Scientist...等等[A ※ 编辑: o9010802 (111.251.218.7), 04/09/2019 06:54:44 资料清不完 model出不来 深度学习误人材 1. SQL．学校不会教，但找实习工作都要你会．尤其是data analyst和data scientist的 缺．是一个比较通用且门槛比较低，但是很少人精通的技能，我觉得很值得投资 2. Python．不太会写就把他学好，尤其是built-in data, type, function搞清楚，常用 API记一下，还有注意一下coding style．最有用的三个package: Pandas, numpy and scikit-learn可以学一点，做个project放到履历上，找实习时会加点分． 3. 英文，如果这是你的问题的话． 4. 机率跟线性代数等数学工具，可以快速复习一下不用太深太细，有点印象开学会再重学 数学课我直接waive掉了，我听同学说一学期教的东西是大学部的三倍，课有点重． 5. 改好你的履历，改的时候记得想九月时投履历你想要你的履历长怎样，到开学前的这段 时间把他完成．没工作经验可以在台湾找个工作/实习做，或是自己做几个project．一 来就要开始找实习了，你可能担心自己还没准备好，但事实是越晚就越难找，现在就开 始准备． 另外打个广告，如果你是NYU Courant CS/IS/DS/或其他的新生，想要的话可以站内我，我 加你们到FB社团里．我们每年都有找工作心得分享会，今年可能在五月底，想邀请你一起 来参加，人在台湾我们也可以视讯或分享投影片给你，你将来也可以认识courant里不多的 台湾人QQ． ※ 编辑: o9010802 (96.242.159.5), 04/13/2019 11:04:05 ※ 编辑: o9010802 (96.242.159.5), 05/08/2019 10:08:18 ※ 编辑: o9010802 (96.242.159.5), 05/08/2019 10:13:47