当前版本：2017-12-16，v1.1.0，新加入FAQ部分
大家好，我是USF 2017 Fall入学的葛晨曦，就读于MSDS（以前的MSAN）项目。因为感慨于互联网上各种有关各个学校／项目的信息实在纷乱，加上又是一年招生季，大家肯定有不少问题想问，所以我跑去跟招生委员会喝茶聊天，然后来跟大家分享一下自己对于项目的感受。我会尽力在文中不混淆主观感受和客观事实。文中的数据都是官方数据，还有我跟系里喝茶问到的（未公布）消息，或者会标明这是我推断的数据。另外我在文章中不经区分地使用“数据科学家”和“数据工程师”，定义这个东西见仁见智，而头衔这个东西又很虚，做了什么才是最重要的。见谅。
1. Trivia：如果有问题想问，你可以在文章下面直接回复，或者如果你有一亩三分地/ChaseDream的账号，可以通过如下链接到对应的论坛里去回复。我希望你能尽可能通过公开提问而不是私信我的方式来问问题，这样可能会帮助到更多的人。一亩三分地 ChaseDream
2. Director of Program的邮箱：David Uminsky：duminsky@usfca.edu；Director of Practicum (也就是internship)的邮箱：Nicholas Ross：ncross@usfca.edu；发邮件的时候请be professional。
关于我
如前所述，我今年（2017）夏季在USF开始就读MSDS项目，之前两年在芝加哥西北大学学BioMed Engineering，做机器学习和肝硬化相关研究。西北的MSiA项目也是DS界的大明星，所以后面我也会结合自己的感受（我的导师就是MSiA的系主任，我颇上了一些他们的课）谈谈两个项目的对比。
项目综述
USF的MSDS（MS for Data Science）是旧金山大学推出的时长一年的数据科学研究生项目，项目的目标是把学生培养成Data Scientists，最大的特色是安排了7-8个月的实习。
关于实习
我们先来说说实习。
MSDS项目在每年的11月，也就是新生入学的第三个quarter第一天开始，给每个人都安排了一个直到第二年毕业，跨越了3个学期的长实习。所谓安排，就是学校去联系公司“hi 你们有没有实习机会呀”，然后联系到七八十个伸出橄榄枝的公司以后，全系一起坐下来听公司介绍一番实习项目，然后双向选择的一个过程。
往年的实习项目名单可以在这里找到，因为长久以来USF和这些公司都有合作，所以可以假定其中很大一部分会成为明年的项目公司，但每年也有新的面孔加进来。
具体到实习本身，是每周的周一周三，全天去公司上班，每周工作16-20小时；其余时间上课，周末当然是休息的。上班要有上班的样子，实习生并没有什么不同，而公司的福利（免费午饭，随便打公司的xbox，工作电脑等等）当然也不会少。有的公司是给薪水的，时薪几乎都在每小时$14-$30（有一家小气的每个月给$500，虽然我觉得有的给就已经不错啦）。强调，我认为有钱拿的公司不超过30%，请不要想当然地觉得实习都是有薪水的。
不过就算没有薪水和免费的可乐喝也不要紧，实习最重要的是学以致用和获取工作经验。这两点在之后的求职中都非常重要，后者相当于敲门砖，而前者反映了你的个人能力。
有些人可能会担心自己转专业而来，不能在入学三到四个月内具有工作的能力——大可不必担心。首先，公司定实习项目的时候会考虑到（而系里也会跟他们反复强调）很多人都是数据科学初窥门径，所以绝大多数还是能够循序渐进的（我个人目前并不知道任何人不能胜任）；其次，系里会给每个实习安排一个导师，而公司也会出一个负责人和导师对接，我们每周都会和导师开会，讨论项目的进度，所以遇到真正的技术难题导师会提供很多有帮助的insight；最后，我了解到的实习都是组队的，所以不会出现单飞的情况（个人感觉，未证实）。
第一手的实习体验
看各个论坛里，似乎都有人好奇实习的感受。最简单的获取方法是到我系的FB主页上看。这里有对于系里学生的采访和不同实习公司的小队谈自己做的事/自己的实习感受。官媒当然或多或少口气有些bias，但至少能知道我们在公司都做些什么事。
什么，你不能翻墙？申请的时候还是用gmail邮箱比较好吧，翻墙是一定要掌握的技能。如果晚些时候有空，也许我会有体系地把这些文章都搬下来。（2018.3 不，我果然还是懒得这么做）
关于就业
感觉大家最关注的其实是这一块，但如果跳过实习没办法讲。
一点数据
先摆数据——我们是第6届，123届三月内就业率100%，第4届三月内就业率95%（国际生薪水median 110k），第5届（刚毕业的那一届）官方数据还没出来，我今天打听到的是在92-95%之间的一个值，因为还没有完成统计。
那么我们明显看出了一个下降曲线，是否说明就业一年不如一年呢？我这里可以提供另一组数据：第5届的international student，三月内就业率是32/33，而之前几届只有两个华人三月内未就业，一个去了IBM中国，一个在百度AI研究所。所以对华人学生，就业率一如既往地高，是大好事。
（两件事值得注意，一个是这个本身并不能说明华人／国际生就比美国学生优秀，我们毕竟找不到工作就得回国了，所以自然要比毕业后去埃及做义工的学姐或者去欧洲游山玩水的学长更拼命；另一个也顺带解释一下三月就业率的算法，就是如果这个人并没有在找工作，那就没法完成三月就业率的计算，这就是为什么上一届毕业都半年了官方还没发布数据。）
就业资源
那么为什么项目可以达到这么高的就业率呢？客观来说以下几点很重要。
- 实习实习实习。
实习的公司在你表现好的时候会发return offer——既然你已经熟悉了公司的情况，而且也证明了你是个能干的人，为啥不欢迎你呢？而就算没有拿到，出去以后你也是个有工作经验的人，比起其他的面试者是个相当大的优势。 - 地段！
三番可以算是数据科学的一个重要根据地了吧，从五楼扔个披萨下去都能砸中两个数据科学家。相关的公司多，机会自然也多，步行可达的距离里，有twitter、Uber，Linkedin、育碧（！）、世嘉（！）等等大公司和无数千奇百怪的中小公司；往南就是硅谷，可能更适合SDE但同样少不了数据科学家的职位。虽然也不是说远了就不能找工作，毕竟如果遇到onsite面试，飞来飞去肯定不够方便。 - social机会
承接上一条，因为周围公司很多，随手一搜周围就有十几个数据科学的meet up，不乏由uber或者Airbnb这种公司主办的，而这也是一个很好的和公司员工建立connection的机会。
MSDS项目在每周五下午也会举办seminar，邀请业界的人来给我们讲他们是怎么在生产中实践数据科学的。虽然有一些主讲人的演讲水平的确可疑，但也有很多非常精彩，只要留心就能学到很好的东西；而且这个面向社会开放，所以——更多的social机会！一个周五下午翘班出来听讲座的Data Scientist一定是很热爱数据科学了吧。 - 学校的资源
我还没太想明白其中原因，不过我系教授似乎热衷于帮助大家找工作，有人会发动自己的私人connection来把你推荐给公司，而且系里在毕业后也会持续地推着你找工作，或者提供很多类似于“如何在拿到offer之后向HR提出合理要求”的建议咨询。跟系里聊天的时候谈到了一个词，叫做High-touched，就是说教授和我们的联系非常紧密，我个人觉得是没错的。这群人每天不上课的时候就在我系活动区无所事事游荡，过来跟你聊聊天拉拉家常什么的，关心一下你最近觉得课程是否太紧或者实习是不是太累；然后下课后偶尔会组织大家一起去喝一杯聊聊天，甚至有时候可以和教授去bar认真喝酒——当然他们的职业素养没有任何问题。和他们接触的时候就觉得并不是很拘谨，很轻松愉快的感觉，我还挺喜欢的。
不单如此，我们系的课程设计就是围绕着“如何成为一名合格的数据工程师”来展开的，所以其中有非常有用的数据库或者分布式计算的课程，更有“如何面试”或者“如何和人社交”这种非常功利（不一定是贬义）的课程。我知道人们对这种课的存在价值有一些不同的意见，但如果是很需要相关指导的人会觉得这种课很有帮助。系里的风格是很偏向于实践的，做的绝大多数事都是为了帮助我们更加适合于未来的职业。我个人觉得这种课程设置法，比起传统的个人选课制，劣势在于少了很多灵活性，比如说不能只上好课而逃避烂课，但优势在于培育的方向非常全面。为什么还没毕业的学生会认为自己设计的课表比在业界打拼多年的教授更合理呢——至少我不觉得。
关于上课
之前说到课程，指的都是课程设计，我觉得我系的课程实在是非常合理。但说到上课嘛，就非常微妙了。简单来说，我系的老师质量参差不齐相当明显。有大家都很喜欢并且上课也讲得好的老师，有讲得虽然很好但大家普遍颇有微词的老师，有我觉得讲得好但很多人认为讲得不好的老师，还有我觉得让自己学到了很多东西但完全不会讲课的老师。
客观来讲，我系的上课水平，平均来说肯定是不如西北的（别的学校我没上过课也不好评价）。西北虽然我也选过坑爹教授的课，也有人讲得一塌糊涂，但总体来说可以胜过USF。而对于教授讲的不好的情况，就需要自己付出更多的时间，或上网或和大家讨论来保证自己学到了，不然会陷入“无法理解-无法听课”的死循环。我们这一届很幸运，大家的学习热情都颇为高涨，po到群里的问题往往能激起一大串讨论和不少有趣的想法，希望以后也是继续如此吧。而教授不会讲课的问题，我希望可以通过一届一届学生的经验积累而越变越好，但目前来看教学质量参差不齐是一定的。
关于同学
我还蛮喜欢这届的同学的。大家具有不同的背景是超棒的一件事，因为生活环境越多样，就越能遇到跟自己之前想法不一样的人，从而激励出一些更新鲜的思考。而我们系因为会招收一些有工作经验的人，所以不乏遇到很多心智比我们更加成熟的人，聊天起来也觉得很愉快。而且系里有8台Nintendo Switch！
如果你在别处看到系里之前发生的一些冲突，我完全不了解其原委，实在没有办法置评。
关于其他项目
我在逛论坛的时候，发现很大的一类问题是“AA项目和BB项目怎么选啊”？我个人的观点是，最重要的是想清你想做什么。MSDS这个项目的初衷就是把你培养成Data scientist，那么如果你想成为一个Sofeware engineer，不如去报任何学校的cs项目；如果你想毕业直接回国就业，不如去名气比我们大的多的哥大纽大UC各校；如果你想做机器学习相关研究，统计PhD比我们项目适合一百倍真的。我自黑的时候会说我在就业培训班，并没有特别错，因为我就想找一个数据科学相关工作，所以我觉得这个项目无比适合自己。所以，知道你到底想做什么很重要啊，如果问类似的问题之前能想想自己的能力和好恶，说不定自己就能把问题想清楚了。
另外之前说要具体谈一下西北MSiA。为什么我没有去MSiA呢？芝加哥太冷了，我在三番12月也可以穿短袖跑来跑去，非常开心。
除此之外呢？我觉得他们的教学质量非常高，课程设计和我们相差仿佛，但没有安排的实习非常遗憾 ，以及芝加哥目前还稍偏金融一点，跟科技起家的三番没法比，所以到时候飞到加州面试实在是很辛苦的事。
其他项目就不做比较啦，第一我也没上过别的项目的课，第二我相信你比我更了解你自己。
想想自己到底想做什么。
关于面试的一点碎念
我知道论坛里非常好找到以前的面试经验，只想提醒一下各位，用它来帮自己舒缓紧张的情绪是很好的，围绕着它突击几天以便通过面试是完全没有帮助的。
今天聊天的时候得知，这个面试被故意设置的难度偏低，就是因为其目的并不是筛掉大家，而只是确认你不会在之后的学习过程中受苦受难。如果你完全没学过线代和概率论，就算通过了面试，在接下来一年的课程里你会觉得云里雾里。除非你喜欢这样暗无天日的压迫感，否则还是确认一下自己上过相关的prerequisites。
其他
只有在这儿生活过你才会了解到，三番的生活成本实在是非常高。在西北的时候课非常贵而生活非常便宜，而在这儿完全倒了过来，课程很便宜，生活成本太高。学完两个学位的成本是比较近似的，都在$70k左右。
FAQ
- 开始找工作了吗？
没有，2018年初才会开始。但之前我们已经接受了如何面试/如何social等一些的课程。 - 是否更适合已有工作经验的人？
（官方回答）否，除非你有很多年的经验，否则有无工作经验对你的成功程度并没有显著的影响。
（个人观点）否，这个项目50/50有经验/无经验学生的比例就是为了两者可以互相学习交流，反而有利于提前适应工作，也会学到很多东西。 - 西北的MSiA和USF MSDS比以后发展哪个好？
我没法评估两者未来的发展谁更好，因为就业率都接近100%。从个人感受而言，西北的教学质量好于usf，usf的实习带来的帮助非常大。两个项目都很好，很难直观地比较优劣因为两者的特色是正交的。
后记
没有后记，有问题就问吧。
更新记录
2017-12-16，v1.0.0，发布原始版本
2017-12-23，v1.1.0，新加入FAQ部分
网友评论