學校停課沒事做的肥宅來回個文 XD 我是 UIUC MSIM 即將畢業的學生。 學校的事情後面分享，我覺得選校系的時候，要先問自己： 「我要的是什麼？」 「我的優先順序是什麼？」 我的看法是： 如果目標是找工作，學校課程越輕鬆越好，最好可以把時間都拿來自己練功。 如果目標是上課學到知識，要選對外系課程限制越低，選課時最能夠選到 CS 跟 Stat 課程的學校。 如果兩個都想要，那你可能是強者，至少我辦不到 XD 強者請參考強者的建議，可以忽略我的 就你的描述，我猜測找到工作應該還是最重要的目標， 而且我假設這個工作應該會是科技業大廠或知名公司， 那麼，在這個目標底下，有一些前提需要檢查或努力： 你修過的程式課有深？ 做過多少比較實際的 project？ 有沒有至少在台灣的業界工作或實習過，做 CS/Data 的工作？ （可能還有其他的，懇請版友協助補充） 這些前提幫助你檢查履歷是否過關，能不能在海投時通過 recruiter 的標準， 拿到至少是 OA 或第一輪面試。 如果過關，學校再鄉下也沒關係；如果沒有過關，可能會需要選地點好一點的學校。 履歷過了，後續面試各憑實力，以碩士入學找實習第二年秋季找正職的情況， 我覺得課程紮實並沒有什麼幫助，甚至有可能佔用太多時間，拖累找工作的進度。 履歷沒過，地點好的學校可以幫助你找一些在地小公司或大廠約聘的簡單打工， 獲得內線消息和團隊的喜愛，進而從兼職轉正。 回到前提檢查，我提的這些標準大多是一些個案的匯總， 以軟體工作而言，我聽到能拿到面試的人至少擁有以下一項： 1. 大學是 CS 背景 2. 修過 CS 重課並有能寫出來的 project //朋友的例子是 distributed system //聽到多起修過這門課的非 CS 學生履歷過關，面試不斷被問這門課的 project 3. 有在台灣做過 CS 或至少是 data engineering 的實習 4. 從學校附近沒聽過而且不給 return 不贊助 visa 的公司開始實習起， 一路往上實習換到大公司（基本上這條路也沒什麼時間唸書） 上述條件的朋友最後拿到實習或正職的公司包括： Google, Tesla, Zillow 資料分析領域樣本比較少，只能講一下我自己的背景是： 1. 大學念三類組，畢業後自學 R 2. 台灣一年全職 SQL 經驗+不同產業全職或兼職兩年半資料分析經驗 3. 技能樹：R, Python, D3.js, SQL, mongoDB query（實習完之後加上 spark） 4. 有兩個 data visualization project 放在 github 上可以直接看 申請職位偏向 analytics & visualization，不投 ML 職位 我海投拿到第一輪面試的知名公司包括： Airbnb, Bloomberg, Financial Times, RStudio 暑假實習在灣區一家中型科技公司做 real-time visualization 正職還在努力中 那 UIUC MSIM 到底怎麼樣呢？ 他是一所學費便宜、生活費低的學校， program 本身則是廢到不行，必修又無用又花時間，選修廢到笑。 但他對我而言很棒，因為只要撐過必修，其他時間都可以拿來自己練功跟找工作， 學校的 CS 和 Stat 水準都還不錯，選課也不算困難，不過會佔用大量時間， 生活成本低，兩年讀下來花費大概是加州的一半。 不要看我把 program 說成這樣，就誤會他很爛 我綜合朋友分享的心得是，現在號稱跟 data 相關的科系， 可能有 87% 你去唸了之後都覺得課程很爛 在這個很新的領域，我覺得大家還沒有共識哪些知識是該教的，哪些不是 也還沒有有系統的建構先備知識跟進階知識 除了那些非常向數學資工靠攏的 data science 科系之外 很多 data/IS 科系課程設計非常疊床架屋 對有基礎的人來說，可能作業可以上課前 5 分鐘開始做就做完 對沒基礎的人來說，每堂課都在教重複的東西，又教得不紮實， 很難循序漸進地學到業界需要的知識 更不用說能寫在履歷上被認可具備職缺需要的技能 所以最終 data 領域找工作還是各憑本事， 你會什麼、做過什麼 project，在業界環境做過什麼樣的 production 決定了能找到什麼工作 最後分享一下我在 UIUC 修課的心得，我猜大致上也可以適用在其他美國的學校 CS / distributed system 上課是非常邏輯性的工程思考，我覺得完全不用 CS 背景也可以學習跟聽懂 但 CS 課的重頭戲是 MP 也就是 project（這什麼廢話） 我上的這學期有五個作業、三個 MP、兩次期中考一次期末考 所以基本上就是無限輪迴：作業-MP-期中 MP 截止日都在圖書館待到凌晨，作業截止前都在 TA hour 煩 TA 作業都寫得出來，但 MP 基本上把我整死，還好同組美國小哥很罩 T_T 上 distributed system 的這學期我基本上沒有心力做任何其他的事 這就是為什麼我覺得紮實學習跟找工作其實頗互斥 Stat / statistical learning 這門課就是上經典 ML 書 ESL 的內容 但上課非常理論都在推倒，好像有七個作業兩個 project（太痛苦根本已失憶） 作業說是作業其實都是用 R 或 Python 實作演算法 每次都花掉我整個週末，寫到生氣 project 是處理很煩的高維度問題，資料又超大，我們最後根本放棄治療 因為沒有找 CS 工作，所以不確定 distributed system 對工作或面試幫助如何 但實習的時候有碰 spark 處理大量資料，覺得這門課的思考還是有幫助 statistical learning 則是比較直接的幫助， 因為相關知識很常出現在 data 職位的 OA 裡 至於我們系上有著 data 甚至 programming 名稱的相關課程 大部分都花時間在不太重要也對找工作沒什麼幫助的事情上 我的結論是：CS/Stat 重課比較能對找工作需要的技能有直接幫助 但相對的修這些課會花很多時間在 找工作比較用不到但可能也很重要的基礎或分支知識上 系上開的廢課有時也會出現浪費時間的課 但輕重搭配，或是放棄上課練功，全選輕課然後自學或狂實習可能也是有效率的方法 我們系上兩位我很敬佩的同學，就採取後者的方式 MSIM 的 40 畢業學分中，允許有 12 學分修外系研究所的課 但他們應該是只修一門外系課或甚至不修，學分都花在不花時間的系上廢課上 然後每個學期都實習，從當地小公司一路換到灣區， 連暑假都在上廢物網路課補學分，最後提早畢業直接去做正職工作 我覺得有這決心跟執行規劃的紀律非常厲害～ 以上故事給你參考，祝大家健康平安～～～ ※ 引述《KenSugo (書狗)》之銘言： : 小弟本科經濟，有修許多程式的課，但未來想做碼農或是數據分析等相關工作，希望能於 : 就學期間能多修相關CS課程做好準備，最終目的希望能在美國找到工作，目前在糾結這3 : 所學校，希望板上大大能給小弟建議。 : 1. : UIUC MSIM : 優點：在iSchool學院下、提供四種職位導的向課程，選課非常靈活，可以修CS的相關課 : 程。 : 缺點：地理位置極差，離附近兩個大城都要開車且要2小時以上，找工比較難 : 2. : NEU MSDAE (data analytics) : 優點：離紐約近，找工機會大，有co-op，運動風氣好 : 缺點：排名不確定是否是刷的，名氣較UIUC小，生活費三間裡面最貴 : 3. : Upitt MSIS : 優點：課程偏CS，另外好像可以修CMU的課 : 缺點：爬文說好像是水課 : 原本是打算去NEU了，但是今天突然收到UIUC的ad，因此想問問看板上強者們的建議，關 : 於這三間學校的當地環境、就業情況的評價如何，謝謝 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 76.10.45.122 (美國) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/studyabroad/M.1584510100.A.E73.html