2023哥大统计硕士毕业感想

avatar 757408
YuDaoFu
6971
4
生活的诸多方面,有什么是你一度感觉很不适应、很不习惯的吗?现在适应的如何了?有什么方面是你希望自己能早点知道的,可以提醒新人注意吗?:
房租和学费和加州比起来真的是还要贵太多了,而且街道特别脏,地铁也不是非常安全。

你以前是在哪个国家读的本科?在美国感觉学习负担压力大吗?感觉读本科和读研究生,有哪些不同?:
加州某UC top 100。之前本来是想走学术道路的,但是申请的所有学术型master都被拒了(疫情之前每年暑假都在玩,想着大三大四了再做研究然后就突发疫情就全部online了,申请时一个科研项目都没有)于是在NYU Data Science和哥大统计中选择了哥大(当时还是疫情初期,想拿个藤校title然后回国发展)。学术方面感觉本科其实更有压力,quater制教学进度比semester制进度较快,再加上哥大统计硕士课程难度不大(要我说不如实/复分析)

一周需要学习多久才能跟上?你觉得拿A拿B难吗?:
哥大统计课程难度不太大,楼主感觉只要写作业就能轻松拿A-,但是拿A的话还是需要再花点心思。A+还是挺难的,很多时候需要98%以上。我选的那门cs的课甚至要100%以上

平常除了上课之外,跟教授们联系多吗?是否有机会跟着做些研究?:
楼主除了下课和上课之前会请教教授问题以外,其余时候基本上直接去图书馆或者回家


平常除了多跟同胞交流,是否经常跟外国同学party? 一般一起玩什么呢?有什么值得注意的地方可以提醒新人注意的吗?:
楼主不太和同胞交流也不和外国同学party。主要娱乐是去健身房,打拳和攀岩,外加探店吃饭(纽约吃的是真的不错,非常的diversity)


你获取求职信息的主要途径是什么?学校里的career service/job fair多吗?你觉得有用吗?:
求职的话23年NG是真的惨,楼主找学姐学长们内推了Amazon,Google,Apple什么的全都被拒。学校的career service,我感觉staff已经在努力了,但是并没有什么好的效果,mock interview排队都排不上,也就帮你看看简历了。Job Fair说是因为疫情也没有,偶尔会有一些公司过来宣传。Handshake完全用不了,自家的GSAS的系统也是相当难用。楼主最后找到工作全靠LinkedIn海投

美国的学习和生活有什么方面是你特别喜欢的?:
纽约的生活真的很丰富多彩,不像加州天一黑就基本上没啥娱乐了(LA,Irvine除外)。反正楼主把各个博物馆,百老汇,歌剧,concert和sport games看了个爽。学习的话我觉得图书馆氛围挺不错的,尤其是butler,很有感觉。

美国的学习和生活有什么方面是你最不喜欢的?:
学生鱼龙混杂,啥样的人都有。甚至有的老师自己想的都是跳槽去大厂拿大包,根本无心教书,或者就是单纯摆烂。fitness center是我见过所有大学里最烂的,没有之一。哥大两大烂:career service,gym

你来美之前英语水平如何?(比如托福考了多少),你觉得跟美国同学和老师学习和生活上交流有障碍吗?经过一段时间,是否有提高?主要通过什么途径提高?:
楼主在美本的时候和老外住school apartment,无论是上课学术还是日常生活插科打诨都没什么太大问题。楼主的口语提升途径主要还是以前和外国女生谈过恋爱,口语进步飞快

请介绍你们专业的录取人数、学生背景和就业情况:
我自己的话,本科gpa 3.89 + 325 gre,身边的好朋友也都是美本top50或者国内985的(其实很多陆本朋友告诉我他们申请哥大统计是因为不要gre成绩lol)
这一届微信群的有接近400人,加上老外们,估计得有500人。这项目属实是鱼龙混杂,有各方面都很强的大神,也有整个semester我就在第一节课上见过一次然后每天都在全美旅游的。有认真小组讨论和做project的,也有全场滑水什么都不会也什么都不干的。

大部分人的话应该还是选择了回国,基本上我朋友圈大部分人都是一毕业就开始全美旅游然后就飞回国了。感觉大部分能付得起哥大学费的人,应该都是回国不太愁就业的吧,毕竟能掏得起天价学费的家庭肯定不是等闲之辈
美国就业的话,2023年的NG是真的太悲惨了,我朋友圈里在美国找到工作的(不算icc)只有不到10个人,还有三个人是CS的,再加上系里就业服务出了名的烂,今年就业的话应该还是得依靠自己努力海投或者是学长学姐内推,我也是海投了400多份简历才收获了一份offer。




下面分享一下楼主的选课经历,楼主选择的是data track,所以选课方面都比较偏向ML和data science。但楼主对dive into tech兴趣并不是很强所以很深度的技术性的课比如Advanced Machine Learning就没选


第一学期:
STAT 5203 Probability

STAT 5204 Inference

STAT 5205 Linear Regression Model.

前三门都是必选,难度不大选个好老师事半功倍
STAT 5206 Intro to Data Science
老师自己上课不讲课,让学生看他之前录制的视频,然后上课时间基本上自己写练习问TA。这个教授教完我之后就跳槽去了Meta,还回来做了讲座
听说我们是最后一批用R学这门课的,之后就用python教了。对我来说还算是有用吧,楼主拿到offer的公司确实考了R


第二学期:
STAT 5203 Multivariate Statistical Methods
选这门课主要是因为我喜欢这个老师(Ronald YYDS),再加上Multivariate Statistical在数据分析和ML里面都有广泛的应用(有一说一,R用来做Statistical Test还是很好用的,各种package直接用)
STAT 5241 Statistical Machine Learning
这门课是一位中国老师教授的,很典型的照着ppt开始念稿,总体难度不大。主要讲了各种基本类型的machine learning algorithm,从概念到推倒都有涉及到,但是coding part得靠自学,老师完全不会讲,但是作业里有出现
STAT 5291 Advanced Data Analysis
Capstone Class,必须上完一门才能毕业(哥大统计的capstone class听说风评都很一般)。主要涵盖了各种高级的statistical test/inference,最后以project收尾
STAT 5293 Data Analysis With Python
这门课每学期都不完全一样,我选的这门课是教你如何使用python做data analysis以及各种调包,非常的rudimentary,最后是做project和final exam。总体难度很低,划水A+路过


第三学期:
STAT 5243 Applied Data Science
比起做一个tech person,楼主更喜欢做点有趣的project和presentation所以就选了这门课。这门课基本上只有project,除了某个特点project(shiny app)用R剩下的可以全部用Python写,然后总共有5个project,其中三个project的队友都是大混子(不会说不会写不知道要干啥),代码和presentation全靠楼主一人
COMS W4111 Intro To Database
当时已经能够感觉到tech寒冬的来临,尤其是data analyst特别难找工作。所以楼主拿了这门课想给自己申请data engineer增加一点筹码。老师讲课很风趣,知识点也很全面,但是三个月的课程里老师有接近6周都在出差或者有别的事情不能来上课。


楼主最后一学期只选了两门课,是打算用多余的时间用来刷题和投简历。大神们可以多拿点课增加硬实力

关于找工作:
楼主一开始其实并没有很重视找工作,甚至说第一学期花了很大精力在玩乐上,然后每次tech面就过不去(楼主口语还不错而且还挺喜欢聊天的,感觉HR都蛮喜欢我的lol)
结果就是一个工作都没找到。
第二学期开始认真刷题了然后成功拿下一个小厂的summer intern,但是当时看着big tech都在扩招,然后对自己也充满了信心就没要return offer。好家伙直接赶上寒冬瞬间gg
第三学期于是就花了更多的时间来刷题,投简历和准备面试,在海投了大概400多份简历后终于成功拿下一个offer。有一说一楼主coding是真的烂(SQL还行,Data Structure就是一坨大便),但是思维比较灵活,比较擅长做project和presentation(get the job done),然后面试的时候和面试官聊的也很开心(Behavior Interview正好是在春节前,面试官结束的时候还和我用中文说了“新年快乐,恭喜发财”)

总体感想:
虽然哥大学费是真的很贵(cash cow),甚至于说学术氛围和找工机会都很一般,但是我仍然觉得来纽约是一个不可多得的机会(当然去NYU的DS更好lol),you shall never find another city like NYC。这里有各种各样的人和事,开阔的眼界和较为包容的氛围,各种大神教授和优秀的学长学姐都是可以把握住的机会。更主要的是楼主觉得人会走上什么样的道路取决于他/她想成为什么样的人,有时候take a detour也丝毫不会阻止我们到达终点,甚至有可能看见更美的风景(突然煽情升华)。毕竟每个人都有各自擅长的领域,发挥自己的优势才能让自己脱颖而出。哥大统计硕士不是性价比特别高的项目,但是最终能收获什么还是取决于个人的抉择
  • 21
4条回复