Columbia University MSDS 就读体验
104679
首先想说感觉每个人上这个项目有完全不同的经历。以下内容仅仅是个人体验。我上这个项目主要的目的是给自己一点时间找工作，所以课程上的并不硬核，很多课也水过去.
基础信息: 10节课(7节必修+选修), 一般都是一年半上完. 具体: datascience.columbia.edu
有一个capstone project作为实操项目, 可以放在简历上, 但是必须修完一些课程后才能上, 所以对第一年暑假实习找工作帮助不大.
总结：我不太喜欢这个项目. 找工支持不够，还逼着上一些不是很大用的课程
个人背景：美本数学（因此可能在上一些课的时候有适当的基础）
找工：当时找工作是2021年末，所以赶上了科技公司的最后一波扩招，因此体验可能和其他届不太相同. 我个人是最后转码成功. 同届学生情况来看, 感觉看领英，自己问下来的朋友情况大多都找到了(我没有和同届同学有很多交流,所以可能说不准)。但并不觉得学校对于找工作有很大支持, 主要是自己加油. 有career fair, 来参加的是很少很少的一些知名公司(主要bank, 无tech)，和很多我没听说过的小公司（也可能只是我没听说). 简历上我放了一点点学校做的projects, 大部分是实习和自己找的projects (udemy上).
research: 当时只想找工作所以没找research, 但感觉机会蛮多的.
城市体验: 当时covid所以我没去纽约
课程: 必修课有些感觉十分没必要上. 但其他对面试, 和打ml/ds基础挺有帮助的. 有些课比较理论. 但我本科是学数学的, 所以有些课比较好接受. elective可以上很多课, stats/cs/ieor, etc 的课都可以选 (但能不能选上就是天命). 因为可以选很多课，所以体验可以相当不一样。我当时没想选硬核课，所以课业并不重。教学质量参差不齐，以下是我对我上的所有课的印象。
COMS 4995 APPLIED MACHINE LEARNING：很多内容和之前学的理论ml重合了，教得比较浅显，给分容易. 我觉得youtube上也可以学到类似内容. 但有project, 可以写到简历上
COMS 4995 APPLIED DEEP LEARNING: 也比较浅显, 但有project, 也可以写到简历上, 给分容易
STAT 5293 GR 002 INTRO TO PROB GRAPHICAL：课程内容挺有趣的, 不是很简单。但作业很少，给分容易。
STAT 5702 EXPLORATORY DATA ANALYSIS（必修）：私以为完全没必要用一节课的时间学习画图. 大多时间我觉得很无聊, 所以水过
STAT 5703 STAT INFERENCE & MODELING (必修): 非常理论, 我觉得是我上过这些课中最难的课. 我当时的教授讲的挺好(Last name Li). 我觉得上下来, 很多之前只懂一点点的东西被整理清晰了. 作业我觉得很难很难, 但其实给分很好. 期中当时很难, 但期末反馈给老师以后, 就简单了很多
COMS 4111 INTRODUCTION TO DATABASES: 教授当时讲的很乱. 作业比较多, 但不是很难.
COMS 4721 MACHINE LEARNING FOR DATA (必修): 老师讲的挺好, 挺清晰, 比较理论. 作业和考试都不太难. 如果找data scientist相关工作, 我感觉对准备面试比较有帮助.
CSOR 4246 ALGORITHMS FOR DATA SCIEN (必修): 如果转码的话, 对刷leetcode比较有帮助. 老师讲得挺好, 挺清晰. 作业和考试有点偏难.
ENGI 4000 E 006 PDL FOR DATA SCIENCE (必修): 不知道为什么有这个课
STAT 5701 PROBABILITY & STAT FOR DA (必修): 可以参加考试免掉这节课, 但我没过welp. 考得不难, 但是知识点太广了, 我根本不记得, 而且很多和5701本身其实没太大关系. 5701本身很简单, 就是本科intro stats. 所以我一节课都没去上, 水过
有其他问题也可以评论询问. 最后求米
基础信息: 10节课(7节必修+选修), 一般都是一年半上完. 具体: datascience.columbia.edu
有一个capstone project作为实操项目, 可以放在简历上, 但是必须修完一些课程后才能上, 所以对第一年暑假实习找工作帮助不大.
总结：我不太喜欢这个项目. 找工支持不够，还逼着上一些不是很大用的课程
个人背景：美本数学（因此可能在上一些课的时候有适当的基础）
找工：当时找工作是2021年末，所以赶上了科技公司的最后一波扩招，因此体验可能和其他届不太相同. 我个人是最后转码成功. 同届学生情况来看, 感觉看领英，自己问下来的朋友情况大多都找到了(我没有和同届同学有很多交流,所以可能说不准)。但并不觉得学校对于找工作有很大支持, 主要是自己加油. 有career fair, 来参加的是很少很少的一些知名公司(主要bank, 无tech)，和很多我没听说过的小公司（也可能只是我没听说). 简历上我放了一点点学校做的projects, 大部分是实习和自己找的projects (udemy上).
research: 当时只想找工作所以没找research, 但感觉机会蛮多的.
城市体验: 当时covid所以我没去纽约
课程: 必修课有些感觉十分没必要上. 但其他对面试, 和打ml/ds基础挺有帮助的. 有些课比较理论. 但我本科是学数学的, 所以有些课比较好接受. elective可以上很多课, stats/cs/ieor, etc 的课都可以选 (但能不能选上就是天命). 因为可以选很多课，所以体验可以相当不一样。我当时没想选硬核课，所以课业并不重。教学质量参差不齐，以下是我对我上的所有课的印象。
COMS 4995 APPLIED MACHINE LEARNING：很多内容和之前学的理论ml重合了，教得比较浅显，给分容易. 我觉得youtube上也可以学到类似内容. 但有project, 可以写到简历上
COMS 4995 APPLIED DEEP LEARNING: 也比较浅显, 但有project, 也可以写到简历上, 给分容易
STAT 5293 GR 002 INTRO TO PROB GRAPHICAL：课程内容挺有趣的, 不是很简单。但作业很少，给分容易。
STAT 5702 EXPLORATORY DATA ANALYSIS（必修）：私以为完全没必要用一节课的时间学习画图. 大多时间我觉得很无聊, 所以水过
STAT 5703 STAT INFERENCE & MODELING (必修): 非常理论, 我觉得是我上过这些课中最难的课. 我当时的教授讲的挺好(Last name Li). 我觉得上下来, 很多之前只懂一点点的东西被整理清晰了. 作业我觉得很难很难, 但其实给分很好. 期中当时很难, 但期末反馈给老师以后, 就简单了很多
COMS 4111 INTRODUCTION TO DATABASES: 教授当时讲的很乱. 作业比较多, 但不是很难.
COMS 4721 MACHINE LEARNING FOR DATA (必修): 老师讲的挺好, 挺清晰, 比较理论. 作业和考试都不太难. 如果找data scientist相关工作, 我感觉对准备面试比较有帮助.
CSOR 4246 ALGORITHMS FOR DATA SCIEN (必修): 如果转码的话, 对刷leetcode比较有帮助. 老师讲得挺好, 挺清晰. 作业和考试有点偏难.
ENGI 4000 E 006 PDL FOR DATA SCIENCE (必修): 不知道为什么有这个课
STAT 5701 PROBABILITY & STAT FOR DA (必修): 可以参加考试免掉这节课, 但我没过welp. 考得不难, 但是知识点太广了, 我根本不记得, 而且很多和5701本身其实没太大关系. 5701本身很简单, 就是本科intro stats. 所以我一节课都没去上, 水过
有其他问题也可以评论询问. 最后求米
- 47
9条回复