Data Science@Columbia 介绍
1170821
楼主15fall Data Science，最近哥大Data Science发了AD，自己找intern也基本告一段落，来地里回馈下。
[align="left"]Data Science 职位：[/align]
[align="left"]楼主了解到的Data Science的职位主要有Tech Company 和FinanceCompany。 Tech Company的Data岗位有不怎么偏CS的DataAnalyst，Business Analyst和偏CS的DataEngineer， Machine Learning之类的岗位。楼主并没有投Tech Company的Analyst岗位，也对这方面没有很了解，主要来说一下Tech Company里面偏CS的data 岗位。有些Tech Company会开设DataScientist， Data Engineer， 有些TechCompany并没有专门开Data Scientist的职位例如Google，把DataScientist的岗位划分到了SE下面。Tech Company下的Data Scientist岗位要求大致是Machine Learning, Algorithms，Distributed Systems，programming skills。 一般说来Bigname的Tech Company的偏CS的Data岗位bar都比较高， 例如Google下面专门做Machine Learning的team里基本都是PHD，Amazon的ResearchScientist也基本都是PHD。如果是Master有很强的research背景，也是有可能进去的（但也很少）。大体来讲基本在Tech Company专门做偏CS的Data 的都是PHD或者有多年workexperience的。另外也可以去Tech Company做SE偏datascience的方向（楼主主要考虑的就是这方面的工作）。Finance Company相对来讲门槛没有那么高，至少以DataScience Master的title还是可以比较容易拿到面试的。Finance Company的Data的面试基本都是Machine Learning，DB的基础知识，概念，STAT，语言可能倾向于R，较少用python，编程和算法要求都不高，也并不要求research experience。Tech Company的Analyst职位要求应该跟Finance Company的Data职位要求差不多（楼主基本没怎么面FinanceCompany，了解可能片面，以上对于Finance Company的了解都是基于身边同学的经历）。[/align][align="left"]项目课程设置：[/align][align="left"]之前已经有帖子介绍过哥大Data Science的课程。大家可以参考之前帖子，楼主有几点想要补充下 ：第一学期修的基础课程algorithms for DS， probability，statisticalinference应该是Data Science的foundation，本身对于打data science基础还是很有意义的，只是这部分在找工作面试中可能比较少被考察到。第二学期的三门课程Machine Learning for Data Science（professor是CS的，数学理论深度足够 ，作业布置也贴近industry，是好课），computer system是DB,distributed system, Big Data三个方向知识的混合，因为很多方面知识都有涉及，讲课深度肯定有所影响。关于选课难，其实除了CS的课，EE和Stat的课都能选到。CS的课因为选的人很多(即使是哥大CS的master选课也是需要抢)。其实选CS的课可以之前麻烦CS的同学代选，最后一天wl全部清空的时候麻烦别人退课给你就可以（楼主修的CS的课基本都是这么选的）。关于课程设置的弊病，楼主觉得是美帝Data Science项目的通病，并不是哥大这一个Data Science项目的问题，大部分的data science项目都会把Machine Learning，Distributed Systems这种面试经常考察的课程放在第二学期上,已经错过找intern的高峰期。另一方面如果项目本身不分track，因为DataScience项目本身是CS和Stat混合，本科Stat的同学会觉得上的Stat基础的部分太简单，本身CS的同学会觉得CS基础的部分上的简单，而且都没有project可做。楼主本科CS，上第一学期stat inference前半段理论的时候感觉被虐哭（太久没学数学。。。）。哥大 Data Science项目本身并没有分出有侧重点的track，项目在读的人的 diversity又比较厉害，项目也很难做到CS和STAT难度都兼顾， 导致部分课程为了兼顾大家的background，有些时候并没有讲的很有深度，楼主觉得这是哥大DataScience项目的弊病（也许是大部分Data Science的通病）。但是学校的Advisor说下一届会把probability和stat inference合并成一门课（想waive的也可以waive），会把NLP，DB之类的课程开成elective，楼主觉得课程情况会比我们这届好（毕竟是新的program，各方面会有不完善的地方，department也在努力改善）。[/align][align="left"]实习工作[/align][align="left"]关于找工作，楼主觉得最重要的一点是自己尽早做准备，好好利用暑假（自己哪方面有缺陷可以及早弥补，如果目标是想进tech compamy的偏Data Sciecne的SE的岗位最好来之前把Leetcode题都刷一下，各方面知识都复习下。其他方面的Data Science岗位自己也多了解下，及早为找intern做准备）楼主来的时候没刷题，只能哭晕在地板。因为一旦开始上课，楼主觉得兼顾学业和找intern面试是一件压力很大的事情。另外今年美帝就业有缩招过冬的倾向，其实去年就有这种迹象，今年更加严重。很多大公司股价大跌，intern名额缩水。因为一些公司intern名额缩水，也直接导致另一些即使intern名额不缩水的公司竞争也更加激烈，position消耗的更加快（例如Amazon的SE去年四月还在面试，今年三月初就群发邮件说所以position都满了）。[/align][align="left"]关于哥大Data Science找实习的情况，因为本身在读的人的diversity比较高，有人找偏向tech industry的（主要是做偏Machine Learning，Data Science方向的SE),也有偏向financeindustry的analyst。如果本身尽早做好准备，楼主觉得找intern的前景还是光明的。此处仅针对tech类型的，因为就整个大环境而言，tech industry是需求量最大的， 相对来说最容易找工作。偏向于stat类型的，因为整个行业大环境没有tech好，面试之类的可能并不好拿。例如今年哥大Stat往年可能进入big name的finance company当intern的还是比较多的，但是今年来说光拿面试的难度就比较大。针对big name的tech company（flag），都建议第一学期就投简历。如果是第二学期才开始找，鉴于今年的就业形势不好，找的时候也许大公司就没有什么position剩下了，这个时候就需要自身实力非常强才有可能拿到offer（此处仅针对tech 类型的）。例如Google，Data Science项目楼主知道有三个过了Google的technical interview，时间都很晚，第二学期初才过，那时候Googleintern pool相对来说position比较少，比较难match， 最后只有一个有多年工作经验的match上Google的project。总结来说因为就业形势不好，找intern都尽早做好准备（即使是念CS的今年的实习情况比往年都难）。 [/align][align="left"]关于项目选择，如果考虑的仅仅是找工作这一方面，楼主觉得如果是CS科班出身，也有相同学校level的不错的CS的ML track的program录取，还是去CS的ml track，楼主觉得针对Tech Company方面的偏CS的Data岗位，一般Data Science的master title可以拿到的tech company的面试机会CS的master title一定可以拿到。实在因为Data Science岗位少门槛高至少还能找到SE的工作留在美帝，反之拿着Data Science的master title去投SE限制可能比较多。[/align]
[align="left"]Data Science 职位：[/align]
[align="left"]楼主了解到的Data Science的职位主要有Tech Company 和FinanceCompany。 Tech Company的Data岗位有不怎么偏CS的DataAnalyst，Business Analyst和偏CS的DataEngineer， Machine Learning之类的岗位。楼主并没有投Tech Company的Analyst岗位，也对这方面没有很了解，主要来说一下Tech Company里面偏CS的data 岗位。有些Tech Company会开设DataScientist， Data Engineer， 有些TechCompany并没有专门开Data Scientist的职位例如Google，把DataScientist的岗位划分到了SE下面。Tech Company下的Data Scientist岗位要求大致是Machine Learning, Algorithms，Distributed Systems，programming skills。 一般说来Bigname的Tech Company的偏CS的Data岗位bar都比较高， 例如Google下面专门做Machine Learning的team里基本都是PHD，Amazon的ResearchScientist也基本都是PHD。如果是Master有很强的research背景，也是有可能进去的（但也很少）。大体来讲基本在Tech Company专门做偏CS的Data 的都是PHD或者有多年workexperience的。另外也可以去Tech Company做SE偏datascience的方向（楼主主要考虑的就是这方面的工作）。Finance Company相对来讲门槛没有那么高，至少以DataScience Master的title还是可以比较容易拿到面试的。Finance Company的Data的面试基本都是Machine Learning，DB的基础知识，概念，STAT，语言可能倾向于R，较少用python，编程和算法要求都不高，也并不要求research experience。Tech Company的Analyst职位要求应该跟Finance Company的Data职位要求差不多（楼主基本没怎么面FinanceCompany，了解可能片面，以上对于Finance Company的了解都是基于身边同学的经历）。[/align][align="left"]项目课程设置：[/align][align="left"]之前已经有帖子介绍过哥大Data Science的课程。大家可以参考之前帖子，楼主有几点想要补充下 ：第一学期修的基础课程algorithms for DS， probability，statisticalinference应该是Data Science的foundation，本身对于打data science基础还是很有意义的，只是这部分在找工作面试中可能比较少被考察到。第二学期的三门课程Machine Learning for Data Science（professor是CS的，数学理论深度足够 ，作业布置也贴近industry，是好课），computer system是DB,distributed system, Big Data三个方向知识的混合，因为很多方面知识都有涉及，讲课深度肯定有所影响。关于选课难，其实除了CS的课，EE和Stat的课都能选到。CS的课因为选的人很多(即使是哥大CS的master选课也是需要抢)。其实选CS的课可以之前麻烦CS的同学代选，最后一天wl全部清空的时候麻烦别人退课给你就可以（楼主修的CS的课基本都是这么选的）。关于课程设置的弊病，楼主觉得是美帝Data Science项目的通病，并不是哥大这一个Data Science项目的问题，大部分的data science项目都会把Machine Learning，Distributed Systems这种面试经常考察的课程放在第二学期上,已经错过找intern的高峰期。另一方面如果项目本身不分track，因为DataScience项目本身是CS和Stat混合，本科Stat的同学会觉得上的Stat基础的部分太简单，本身CS的同学会觉得CS基础的部分上的简单，而且都没有project可做。楼主本科CS，上第一学期stat inference前半段理论的时候感觉被虐哭（太久没学数学。。。）。哥大 Data Science项目本身并没有分出有侧重点的track，项目在读的人的 diversity又比较厉害，项目也很难做到CS和STAT难度都兼顾， 导致部分课程为了兼顾大家的background，有些时候并没有讲的很有深度，楼主觉得这是哥大DataScience项目的弊病（也许是大部分Data Science的通病）。但是学校的Advisor说下一届会把probability和stat inference合并成一门课（想waive的也可以waive），会把NLP，DB之类的课程开成elective，楼主觉得课程情况会比我们这届好（毕竟是新的program，各方面会有不完善的地方，department也在努力改善）。[/align][align="left"]实习工作[/align][align="left"]关于找工作，楼主觉得最重要的一点是自己尽早做准备，好好利用暑假（自己哪方面有缺陷可以及早弥补，如果目标是想进tech compamy的偏Data Sciecne的SE的岗位最好来之前把Leetcode题都刷一下，各方面知识都复习下。其他方面的Data Science岗位自己也多了解下，及早为找intern做准备）楼主来的时候没刷题，只能哭晕在地板。因为一旦开始上课，楼主觉得兼顾学业和找intern面试是一件压力很大的事情。另外今年美帝就业有缩招过冬的倾向，其实去年就有这种迹象，今年更加严重。很多大公司股价大跌，intern名额缩水。因为一些公司intern名额缩水，也直接导致另一些即使intern名额不缩水的公司竞争也更加激烈，position消耗的更加快（例如Amazon的SE去年四月还在面试，今年三月初就群发邮件说所以position都满了）。[/align][align="left"]关于哥大Data Science找实习的情况，因为本身在读的人的diversity比较高，有人找偏向tech industry的（主要是做偏Machine Learning，Data Science方向的SE),也有偏向financeindustry的analyst。如果本身尽早做好准备，楼主觉得找intern的前景还是光明的。此处仅针对tech类型的，因为就整个大环境而言，tech industry是需求量最大的， 相对来说最容易找工作。偏向于stat类型的，因为整个行业大环境没有tech好，面试之类的可能并不好拿。例如今年哥大Stat往年可能进入big name的finance company当intern的还是比较多的，但是今年来说光拿面试的难度就比较大。针对big name的tech company（flag），都建议第一学期就投简历。如果是第二学期才开始找，鉴于今年的就业形势不好，找的时候也许大公司就没有什么position剩下了，这个时候就需要自身实力非常强才有可能拿到offer（此处仅针对tech 类型的）。例如Google，Data Science项目楼主知道有三个过了Google的technical interview，时间都很晚，第二学期初才过，那时候Googleintern pool相对来说position比较少，比较难match， 最后只有一个有多年工作经验的match上Google的project。总结来说因为就业形势不好，找intern都尽早做好准备（即使是念CS的今年的实习情况比往年都难）。 [/align][align="left"]关于项目选择，如果考虑的仅仅是找工作这一方面，楼主觉得如果是CS科班出身，也有相同学校level的不错的CS的ML track的program录取，还是去CS的ml track，楼主觉得针对Tech Company方面的偏CS的Data岗位，一般Data Science的master title可以拿到的tech company的面试机会CS的master title一定可以拿到。实在因为Data Science岗位少门槛高至少还能找到SE的工作留在美帝，反之拿着Data Science的master title去投SE限制可能比较多。[/align]
- 47