杜克大学MQM入读体验与就业情况(力推MQM)

avatar 579309
Askavia-
26884
36
MQM (finance) 2019届入读,现在还有三个月毕业,大家都在忙找工作。目前比较忙,但准备抽空在毕业之前详细介绍下杜克大学MQM这个专业。先说结论:非常建议大家来MQM这个项目,不管是就读体验还是就业情况,我都很满意。附上上一届师兄师姐就业报告fuqua.duke.edu

MQM就业一年比一年好,去年国际生base salary的中位数是90000美刀,signin bonus中位数10000刀,additional compensation中位数15000刀。今年career service更加接近Fuqua MBA水准(当然还是有一定差距,毕竟MBA是亲儿子),总体上谨慎预计今年就业情况不会比去年差。就业岗位基本是business相关,Business analyst 和data analyst居多。少部分本科有统计或者CS背景的同学能找到Data scientist岗。

Team Fuqua真的太赞,去network时Fuqua校友总体非常友善,愿意帮助,所以MQM的同学会要到蛮多refer,对找工作的帮助非常大。(MQM的同学也多是乐于助人的性格,所以时常感受的善意和温暖)

关于编程技能方面,教的课程的难度确实不如西北,MIT等analytics项目,但SQL, R和Tableau会教得很深(尤其SQL和tableau,应付找工作和考tableau的证书没有问题),项目作业大多用R,有些作业会用Python。不过良心说一句,fuqua院内提供了很多基于python的机器学习和深度学习的workshop,还要求每个学生入学前去datacamp上完成相应的python课程和project。同时,杜克大学也提供了data science的网课和讲座。对于一心想找data岗的同学(比如我),有大量的资源可以使用。

有空再更新,总之非常推荐mqm!
  • 35
置顶回复
收起
avatar 579309
Askavia-楼主
后续楼主会争取抽出时间,详细客观分析MQM的优势和劣势,以及介绍课程设置。chasedream有一个帖子介绍得更客观,也比这个帖子介绍的更全面一些,感兴趣的大家可以看一下。forum.chasedream.com

关于大家关心的tech skill,我个人的理解是做analytics的岗位(data analyst, business analyst), MQM的tech skill足够用了。MQM的必修data课程是:Data infrastructure, Data science for business, Data visualization, Decision analytics. Data science for business这门课去年是哈佛的印度教授Natesh Pillai任课(今年Natesh教授MQM的Statistics and Probability课堂),今年是由Fuqua的教授Alexandre Belloni任教,此人很大牛(性格也比较倔强),MIT博士毕业,在课上主要教machine learning的内容,上课把概念和原理讲得比较深入,课后需要同学们花大量的时间去钻研代码。这门课也是MQM同学找data岗的主战场。Data infrastructure是Ryan Burk教授的课,主要讲SQL,课程内容很具备深度,MQM同学第一学期基本都泡在SQL上。找工作的时候,涉及SQL的笔试面试MQM同学都挺有把握。 Data Visualization主要讲授Tableau,学完这门课老师会发优惠券,鼓励大家考tableau的证书。一般来说,上完这门课刷两天题再去考证,大家都能考到Tableau的证书。 Decision analytics则是由沃顿商学院的博士后Jiaming Xu任教,是一门教授商业里如何做决策的课程,课上用oracle,课后有12个课时的对应的Python workshop。

另外每个track的tech程度也略有区别。楼主比较清楚Finance track。Finance Track的五门必修课,其中有四门非常贴近业界实战水平:Derivative,Intermediate finance, Fixed income, 以及 Risk management。用Jeremy Petranka院长的话说, 很开心和骄傲能给MQM争取到这几门课。Intermediate finance是Ravi Bensal教授的课,这门课的每份团队作业基本上都是五个组员要一起花十个小时敲码才有可能做完, 上完这门课一个哥伦比亚的同学以及一位中国台湾的同学找到了Dimensional Fund的工作;Fixed income和Risk management则是请David A. Hsieh教授任教,此人耶鲁本科,MIT博士,浸淫美国金融圈很久,上课是按照业界实际需求讲课。课后的R代码几千行,期末考试是三个小时写bond valuation, strips, repo, libor, swaps, binomial model的R码来解决实际问题。Derivative是请Ming Yang教授任教,这也是中国学生普遍很喜欢的一个老师,普林斯顿经济学博士毕业,课后的团队作业也是要花很久写R码,和Intermediate finance一起开设在第三个学期,让finance的同学们第三学期睡眠质量普遍不足......

除此以外,MQM很关注soft skillset的培养,有三四门必修课是强调business communication以及negotiation,平时的career service也很注重培养soft skill,经常帮同学们模拟case interview。依据往年规律,这个项目找到最好工作的一批人里,很多人其实并不是技术型选手,而是往往具有外向、擅长沟通和network的特质。这也是MQM比较成功的点:大家毕业时候soft skill会达到Fuqua商学院比较标准的水平。

之前有杜克统计学的老哥指出,Fuqua的machine learning 和deep learning workshop达不到业界的data science要求。说得很对,也很中肯。这些workshop都是杜克大学统计硕士的director SudiptaDasmohapatra教授上的,一次workshop六到八个小时,不可能完全对接数据科学业界标准;但对想找data analytics岗位的同学们来说,也确实是有益的补充。另外MQM还有Python workshop,以及免费提供的datacamp账号,用好这些资源找data analytics的岗位个人觉得没问题。

总结一下:对于像我这种找data analytics岗位的同学来说,MQM的tech的程度和提供的资源是够用的。对于本科无统计/编程背景的同学来说,做 core data scientist难度非常大。所以如果是想做软件工程师或者是数据科学家,这个项目不适合。对于想找analytics岗位(business analyst, data analyst, financial analyst, marketing analyst等)且本科偏商科的同学来说,这个项目是比较合适的选择。当然选择商业分析硕士项目时,也要考虑到美国整体就业环境的恶化,以及商业分析硕士的风口正在消失,结合个人特点和职业规划,谨慎选择适合自己的项目。
大米 2
1
tt6688+2很有用的信息!
36条回复