換我接著來update，謝謝當年Chill人很好的回答了我的問題 有問題歡迎在下面留言，盡量不要私信我問題，一來是我信箱爆了，再來是我希望我的回 答，能幫助到所有的人，六月畢業前我會定期上來回答問題，之後就不知道什麼時候才會 再上ptt．另外，如果你有爬一畝三分的話，要自己辨識裡面的資訊，有時候只是他們從其 他人的回答推論，不見得是他們自己的體會或真實的情況． 我是2017入學，我們這屆有兩個台灣人，接下來一屆一個台灣人都沒有ＱＱ．系上七樓有 個世界地圖，每個人會把自己從哪來來貼上貼紙，韓國都有兩三個了，台灣一個貼紙都沒 有． 幾點總結這個program： 1. 結合了數學與碼model，專注在deep learning領域，培養data scientist 2. 每年都在擴招，但申請也越來越激烈．如果你想知道一些確切的數字，寫個信跟小蜜 要，她的工作就是回答你的問題 3. 有自己的phD program．我覺得這是個很強的signal，表示長遠來說，系上對自己還有 這個領域的未來很有信心，畢竟養phD短期都是賠錢，而且一養就是養4,5年 4. 寫而且幾乎只寫python，所有課都要寫，就算是上spark也是用上pyspark，建deep learning就是用pytorch [簡介DS]: data science的工作廣義大致可以分成三種， 1. data analyst: 有時候會稱作BI，分析居多．最多工作缺． 2. data scientist: 做machine learning和deep learning，建model，有時偏 research，我自己會把machine learning engineer歸在這裡 3. data engineer: 涉略不深，有時候跟big data有關，也可以是SQL撈資料， 很看公司跟職位，建議讀CS 要注意的是，職位名字不能決定工作內容，有時候工作data scientist做的是data analyst的事，每個公司給的titile跟工作內容不一樣 [CDS簡介-Center for Data Science] 2016大概80人，去年2017招了100人，這屆2018的full time大概招到130．每年穩定成長 ，不知道什麼時候會爆炸．我剛來的時候系上有兩層樓，很多空房間可以進去自習，現在 都把空間給phD還有訪問學者，相對來說壓縮了原本master學生的空間．系上對學生另一 個好的地方是24hr你都可以自由進去系上的那兩層樓．相對來說courant cs就只把這種特 權留給他們的phD學生．你什麼時候想去自習都可以，包含暴風雪學校沒開，半夜看完百 老匯，2點想唸書，期中考學校圖書館爆滿(但是不代表系上那邊會有位置)，你都可以刷 你的學生證自由進出，整個CDS就是你家． [課程] 我簡介一下必修： 第一學期有兩個必修，一個會教你數學工具像是probability等，這工具下學期上 machine learning會用到，另一個是Data Science101，當下覺得是廢課，但回首看這堂 課很重要也上得很好，會過一次terminology，對Data Science很多topic會有個簡單的了 解，如果覺得自己缺其他數學工具像是線性代數，可以去選選修，不會寫python可以上 python for Data Science補一下．一年級下學期會上machine learning，這是這個 program最核心的課也最好的課，另一門big data會教map reduce還有spark，上的東西非 常多，很快速的把知識點帶過．第三學期會有一門課capstone，這是集大成把你所學的， 應用做一個project．然而在最後post時，我發現所有的組都在做deep learning，沒有 machine learning，沒有big data，沒有data visualization等等．我覺得蠻失望的，其 實這領域還有很多議題跟方法可以探究，deep learning是現在的顯學． 我們自己開的課不多，每學期大概三到四堂，所有ds的學生都有優先權可以選，二年級的 先，再來是一年級，phD最後選但是優先權最高，會直接把其他人往後擠掉XD．每學期我 們自己開的課夠多，所以不會有沒有課能選的問題，但想不想上又是另一回事了．課絕大 多數都跟deep learning有關，集中在數學理論跟NLP上，如果對image有興趣要自己去CS 修課，但我看今年秋季課表有開image的課． [教授] 如果你是phD，那我覺得這裡研究環境不錯，我想不需要跟你介紹Yann Lecun與 Kyunghyun Cho是誰．如果你是master有考慮想申phD，想找他們做研究，那你要給他們非 常好非常好的理由，因為全世界的學生都在找他們一起做研究．office hour外排隊的學 生很驚人，還有被他釘白版的回憶...．如果你覺得你來這裡念master可以幫助你比較順 利申請到我們自己的phD，我持保留態度，目前為止，我沒看到我們這一屆有人成功，前 幾屆有，我自己思考一下，可能我們這屆的人儘管非常聰明，但過去這兩年並不專注在 reseach上，在申phD跟找工作上比較搖擺不定，所以沒有比較強的研究結果．系上是有研 究風氣的，每個禮拜都有各式senimiar可以參加．星期四下午固定有nlp talk． [程式] 我們寫python，也只寫python．沒有任何其他的語言(只有ㄧ門課用R做text，但是沒人想 選)或軟體(SAS)．一旦跟deep learning有關，我們就是用pytroch，我想跟韓法二人組在 facebook應該是有關．我被錄的時候本來就會一點python，如果不會系上有門課python for data science，不是教你怎麼寫python，是教你ds有關的python怎麼用，例如pandas ，scikit learn，我蠻後悔沒有上，看起來像廢課，但其實“認真學”很有幫助，很多人 都把它當水課沒有認真上，其實python認真學起來是有很多知識要學的！自己是暑假大量 自學pandas,，scikit learn，但同一時間，同學早知道怎麼用了．如果想真的好好學會 python，你要自己去學．我自己是有興趣去多學，大部分的同學都是只要code work就好 ，很多時候後不深究，其實對python的掌握度不是很高．但是掌握很高對Data Scientist 要幹嘛？對很多人來說鑽研python也不會幫助你的model accuracy上升，還不如對model 了解更透徹． [選課自由] 你如果選不是elective清單上的課，需要得到系上核可．只要你能提出這課跟data science與你的職業生涯有關，都會被核准，非常非常自由．例如，你可以去音樂系選課 或甚至選藝術的課，只要跟ds有關都可以．但是系上核准你可以選，不代表你選得上，選 不選得上是由對方的系決定． [系上資源] 每個禮拜五，有些時候會是workshop，教你怎麼面試，怎麼用julia等等，大部分是 company infosession，公司來介紹他們自己並順便招intern或full-time．每個學期會有 一次比較大型的career fair，會有七八家公司來．這是系上用心的地方．但大多數人的 實習跟工作還是自己找的．有時候會寄open position的資訊還有post在自己非公開的 piazza社團，除非是alumni主動來要人，不然其實跟你自己google找是一樣的，只是多一 個人你找而已． 另外，我們有自己的library，藏書不多但都是很好很經典的書，都是被挑過的，跟data science有關的書籍，想要的話可以透過線上系統借．像是fluent python這種好書，當我 發現系上有可以借的時候，對他們的眼光另眼相看．如果是要找地方借房間開group meeting或是面試，除了跟nyu library借房間，也可跟系上預約，大概有6間房間是可以 預借的．很方便． [找實習或找工作] 實習：我覺得很難找，但你永遠都可以退而求其次，找不到回國找，找不到改作unpaid， 找不到改幫professor做research．我沒有聽說想找的人，會找不到的．身邊抽樣來看， 大概一半能找到很正式的intern，其中有很少數是我們叫得出大公司，大部分都是紐約中 小型企業，另一半就是所所謂的退而求其次． 正職：我還是覺得很難找．我的感受是80%的面試與offer都發生在20%的人的身上，剩下 80%的人搶20%的機會，大家壓力都很大．雖然我的感受是工作很難找，但我把身邊認識的 人數了數，距離畢業還有一個月，其實已經有大概快8成的人找到了．當然，裡面包含 了打算回國的人，有的是因為個人因素，有的是他們國內的公司對他們言發展比美國好， 其他留下來的這些，公司大大小小都有．往前看過去幾年的學長姐，其實沒有想留下來 的人留不下來，就看你的決心有多少，你願意犧牲多少？如我前面所說的，你永遠可以退 而求其次． [補充一下] 我聽説有收到full time offer的公司(我相信還有很多人拿到其 他公司的offer，只是我比較邊ＱＱ，大概就認識20個人): 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...,還有一些start up 5/7/2019: 再更新一下，離畢業還有半個月，身邊9成5的人都找到工作了，前幾天遇到上 一屆NYU DS的，問了他們的情況，他說，扣掉找一找後來不想找或沒找的，剩下的所有人 最後都找到到工作．現在看起來，雖然過程很辛苦，但是大家結果都找的不錯． 另外我想提一下，選學校地點其實在一個時候會扮演很重要的角色．就是當你找不到大公 司的實習或工作的時候．local的start up與中小企業的類型跟數量多少個會很重要．大 公司不會管你住的地點，住遠住進都一樣，可是很多start up與中小公司會，他們傾向找 當地的人，當地的人比較有機會有connection知道這種缺，有時候你甚至可以被直接被內 推．如果你一帆風順的話，大概不會有機會體會到地點的重要． [最後] 我想感謝在地球另一端的家人，朋友，給我如大海般的包容和無盡的支持． 謝謝我的室友，CS的台灣同學們，DS的中國同學們(雖然你們大概永遠不會看到)，還有學 長學姊學弟． 沒有你們，我真的不知道是怎麼熬過這些煎熬與苦澀，我愛你們． 在紐約的這兩年，真的很苦，媽的． --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.166.175.139 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/studyabroad/M.1554654404.A.A7B.html 謝謝補充！ 可以很深．系上有跟數學系合開課，六門選修你可以都去上跟數學工具有關的課，跟 Courant的數學天才們一起深到地心去．只是大多數人念master還是在找工作比較應用取向 對！new grad找hard core data scientist門檻真的很高，真的想做讀phD或做sde再轉會 比較容易！ ※ 編輯: o9010802 (118.166.175.139), 04/08/2019 06:51:09 主要是Data Science相關的，但title很雜，不同產業跟公司會給不同title，只有少數幾 個是SDE，剩下的有有ML Engineer或research engineer，Data Analyst，Data Scientist...等等[A ※ 編輯: o9010802 (111.251.218.7), 04/09/2019 06:54:44 資料清不完 model出不來 深度學習誤人材 1. SQL．學校不會教，但找實習工作都要你會．尤其是data analyst和data scientist的 缺．是一個比較通用且門檻比較低，但是很少人精通的技能，我覺得很值得投資 2. Python．不太會寫就把他學好，尤其是built-in data, type, function搞清楚，常用 API記一下，還有注意一下coding style．最有用的三個package: Pandas, numpy and scikit-learn可以學一點，做個project放到履歷上，找實習時會加點分． 3. 英文，如果這是你的問題的話． 4. 機率跟線性代數等數學工具，可以快速複習一下不用太深太細，有點印象開學會再重學 數學課我直接waive掉了，我聽同學說一學期教的東西是大學部的三倍，課有點重． 5. 改好你的履歷，改的時候記得想九月時投履歷你想要你的履歷長怎樣，到開學前的這段 時間把他完成．沒工作經驗可以在台灣找個工作/實習做，或是自己做幾個project．一 來就要開始找實習了，你可能擔心自己還沒準備好，但事實是越晚就越難找，現在就開 始準備． 另外打個廣告，如果你是NYU Courant CS/IS/DS/或其他的新生，想要的話可以站內我，我 加你們到FB社團裡．我們每年都有找工作心得分享會，今年可能在五月底，想邀請你一起 來參加，人在台灣我們也可以視訊或分享投影片給你，你將來也可以認識courant裡不多的 台灣人QQ． ※ 編輯: o9010802 (96.242.159.5), 04/13/2019 11:04:05 ※ 編輯: o9010802 (96.242.159.5), 05/08/2019 10:08:18 ※ 編輯: o9010802 (96.242.159.5), 05/08/2019 10:13:47