作者：AdmitWrite线上留学教育
链接：https://www.zhihu.com/question/36482395/answer/2870257272
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
我可以跟你分享一下我的就读体验，希望对你有所帮助。
前言
硕士的两年时光转瞬即逝，留学的这两年，让我体验了一种全新的学习生活，也让我有了很多收获。我很感谢自己之前申请季的付出，最后才如愿拿到了女神校的offer。在之前的准备中，我也参考过很多前辈们的经验贴，通过前辈的干货介绍，我少走了很多弯路。现在作为前辈的我，也很想和学弟学妹们分享一些有用的信息，希望各位读完可以有所启发。
对于CMU MISM-Global这个项目而言，网上有很多经验贴，但大多都是从SDE方向进行介绍，Data方向的介绍帖并不是特别多。如果你跟我的未来规划一样，是打算从事Data行业，毕业后想申请Data Scientist此类岗位的话，我感觉你还是有必要好好读一下我这篇分享的。
一、个人背景
我本科是国内985高校，专业是统计专业，前两年是在国内读的，大三的时候去美国大学
参加交流学习项目，除了学习本专业统计学，还修了金融数学
第二学位，不过有一说一，美国统计学项目中的数学课程难度偏低，所以我的数学能力还是有所下降的。不过在美国的学习中，学习了很多物理、历史以及艺术这些通识课程。从教学侧重点上来讲，美国的教学侧重于应用知识的教学，学校和老师会安排学生做一些project，以便于学生丰富实务经验。我记得我之前在本科大四期间，曾经有幸跟着我们专业的教授做过大概一年左右的project，当时跟的那个project的课题是统计分析，通过project的学习，还是有很多收获的，也让我对统计分析这个领域产生了更大的兴趣。其实最开始申请Data Science项目的时候，我对数据科学
这个领域并没有太深入的了解，本科期间也没有学习过机器学习相关的课程，除了R之外，基本上对其他的编程语言没有任何基础。
二、申请情况
申请季结束，我一共拿到了2个offer，一个是哥大
的统计项目，还是有一个是CMU的Global MISM项目。其实我最开始申请的是CMU MISM的BIDA项目，在申请之前，我也没有仔细了解过MISM这个项目和CMU这所大学，完全就是抱着试试的心态，当着彩票项目申请的。
我收到CMU offer时，已经是3月末了，当时收到了Global分支的调剂通知，Global这个项目学制是21个月，学习时长有2年，第一学年在澳洲的的阿德莱德，第二学年在美国的匹兹堡
。虽然这不是我最初申请的项目，但了解之后，想想留学可以体验两个国家的学习生活，未尝不是一种新的人生体验，纠结了一天，就直接接受了调剂。
在暑假的时候，我跟着一个统计学
的教授，做了个项目。这次项目经历，让我发现我对科研没有太大的兴趣，对传统的理论和学术也没有太大感觉，也算是为硕士的学习生活上奠定了一个学习方向。
三、澳洲的学习生活
Global项目的第一学年，是在澳洲南部的一个城市——阿德莱德上课。澳洲的校区还是并不大， 一共也就2层楼，每天的生活也比较单一，学校——寝室两点一线，大家都是按部就班的学习。周末的话，可以去海边逛逛，阿德莱德是一个沿海城市，可以去吹吹海风游游泳。澳洲这边的气候还是很不错的，很适合久居。
大概整个小区有一百多个人，大部分都是Global MISM项目的学生，还有一些Global PPM项目以及MSIT的学生，因为人数本身不多，所以差不多同学之间都是相互认识的。
这个项目有一个优点，那就是只要你能力足够强，可以在一个学年之内，把整个硕士期间所有的核心课程都学完，但因为澳洲和美国小区的师资水平相比，还是有些逊色的，所以体验感可能不会特别好。举个例子，在澳洲的校区，同一个授课老师，既可以教Machine Learning，又可以教Data Mining，有句话说得好“术业有专攻”，虽然有些老师比较博学多才，但大部分老师都是有且仅有一个特别擅长的领域，所以综合来看的话，课程的含金量其实比较一般。不过问题也不是很大，因为基础核心课程只是让你系统地掌握一些基础知识而已，往往这些知识对后续的Data Science行业的职业发展帮助并不是特别大。
如果有机会的话，还是能申请免修就申请免修吧，比如说DMUU，这门课绝对是在浪费时间，我上课的时候，我都傻了，基本讲的都是excel的知识。授课老师是Riaz老师，这位老师还教Digital Transformation以及Telecommunication，我是真的感觉术业有专攻，很少有老师可以做到每个领域的知识都掌握得十分全面，所以整体来说，我感觉这几门课的课程质量很一般。个人感觉好几门课程，都由一个老师来讲的话，真的不太重视，既然不重视这些课程的话，为什么又要列入到核心课程清单中去呢？而且上完Digital Transformation以及Telecommunication这两门课，对我真的没有太大帮助，最多我就是学习到了一些基础的通信领域的知识，不过如果你对通信领域比较感兴趣，可能还是有帮助的，在课上把基础打好，课下自己去延伸。
选修课程这个问题上，如果你不太喜欢澳洲小区的课程，也可以选择一些美国的网课，比如说NoSQL、UDA、Linux等课程都是可以选的。但我当时在澳洲学习时，并没有选择美国小区的课程，因为我个人感觉后续在第二学年中是要去美国学习的，可以到时候直接上线下的课程，这样体验感会更好一点。美国校区还是有很多神课的，等你真的去了美国之后，可以好好学习一下。在澳洲学习时，可以选择一下Data方向的基础核心课程，打好基础之后，后续到了美国，可以根据自己的接受能力和学习能力，选择一些难度偏高的高阶课程，进行深入学习。之前我也从周围小伙伴那里听到了consulting，听过几次之后，我突然对consulting产生了兴趣，想要深入了解一下，后来就选了Strategic Planning这门课程，但通过学习，我发现自己并不是很适合consulting这个方向，也算是一件好事，提前知道了自己不适合的领域，避免了后续海投简历浪费时间。
这里简单说一下在澳洲可以选择的Data方向的课程。
Data Mining
Murli老师负责教这门课程，我个人感觉这位老师讲的一般，上课没有太多的扩展内容，就是按部就班的读PPT而已。如果你是想要学习一些Data Mining的基础核心知识，这门课程还是可以满足你的，但如果你想要深入学习的话，还是要课下多自学，不然光靠老师是不行的。老师讲课主要是用tableau以及weka，但布置的作业会涉及到Python，还会安排data challenge，难度有点高，需要耗费一定的时间和经历。
Database Management
这门课程是专业核心基础课程，会涉及到Database涉及理论以及SQL实践，授课老师是美国小区的一位老师，课程含金量还是可以的。多学习一些SQL方向的知识，对后续的职业发展还是有很大帮助的，很多Data方向的岗位，在面试中都会涉及到SQL的相关问题。在刚上这门课程的时候，我还是有些吃力的，因为没有相关基础，所以这门课程掌握得一般，后边再找实习和全职的时候，SQL的相关岗位，我差不多都直接pass掉了。老师布置的作业难度偏高，需要花一定的时间和经历，还有专门的project需要完成。
因为第一学年上的很多课质量都不高，所以后续在选课的时候，我就没有选美国远程的选修课，不过现在看来，有些Data方向相关的美国远程选修课还是可以学习一下的。
虽然整体来看，澳洲的教学质量一般，但如果你想要好好学的话，也可以有很多收获。比如说，消化完老师上课讲的内容后，你可以通过网课等途径，去深入学习和探索一些知识。我之前在第一学期自学了Python这门编程语言，在第二学期深入学习了Data Science领域中Python的具体运用，还利用课余时间学习了machine learning
的知识。个人感觉，学习这件事还是要靠自己，就算老师的学术水平再高，但仅仅是你学习之路的一个引导者。你要学会利用课余时间，去学习和充实自己。
在澳洲的时候，课余时间还是很多的，可以自由支配很多时间。如果你想要积累实务经验的话，完全可以利用课余时间去找part time或者实习。后半个学期的时候，学校会发布一些part time机会，大部分的岗位都是data方向的，普遍时长都是10周左右，有时间的话，还是要好好把握机会的。前期积累的data方向的实习经验越多，后续在找全职的时候 ，竞争优势越大。
阿德莱德这个城市，有很多初创公司，而且目前阿德莱德的AI领域正处于一个发展阶段，市场上有很多的需求。我周围的小伙伴，有些实习时选的是阿德莱德当地的初创公司，在这种刚刚起步的公司中工作，还是可以学习到很多知识的，比如说有的同学在实习中跟着领导做了很多项目，还有的同学直接被分配到自己做项目。理论和实践肯定是有所差距的，在学校的时候，我们打好了理论基础，实习就是我们提升实践能力的一个很好的途径。你只有学会把脑子中学到的知识运用到实务中去，才可以做到学以致用。
在澳洲的第一学年，大家基本上都是刚接触Data领域的萌新，可能对这个领域发展方向也不太了解，其实这一年就是探索和学习的一年，肯定会遇到很多困难和挑战，不要害怕尝试，多去尝试，就算失败了也没有关系，毕竟我们还年轻。只要你通过实践，找到你喜欢，也适合你的方向，那么你就成功了。我之前跟着一个创业公司做CV和Object Detection，那是我第一次接触CV的相关知识，虽然起初很多地方都不懂，但后来熟练了也就习惯了，还是有很多收获的。
四、暑期实习
刚刚我也说过了，在第一学年结束后是可以实习的，你可以选择在阿德莱德实习，也可以选择回国实习。如果你打算回国实习的话，带着CMU的名校光环找实习，还是比较容易的，我也认识一些同学回国实习，实习情况都还不错，基本上拿到的都是国内名企的offer。我还是很了解自己的，知道自己想找什么样的实习，对实习公司所在的国家不是特别在意，但一定要找data相关的实习岗位。三月的时候，拿到了一家加拿大公司的offer，最开始公司的HR说可以帮忙办理签证，但后来又说不行。还有一家是新加坡公司的offer，最开始也是谈的很好，不过后来又反悔，我的运气是真的不怎么样。
无奈之下，只能回国，可能是之前运气太差，所以回国之后运气还不错。在投简历的时候，我的简历被一家软件外企看到了，就经过了一轮电话面试和onsite，然后就直接给了offer。工作内容主要是围绕着数据分析，我需要独立负责一个数据分析项目，从最开始的数据清洗、到后续的presentation和分析用户软件使用情况等等，工作内容涉及地范围还是很广的，的确对我一个初学者来说有一点难度，但收获还是很大的。
在实习的过程中，我感觉如果是单独一个人负责一整个项目的话，难度还是比较高的，很多事情和问题都需要你自己去处理，但其实模型选择以及数据分析此类问题，如果有几个人同时讨论的话，说不准会有更多的思路，讨论出更合适的解决办法。当然任何事情都有双面性，如果是你单独一个人负责整个项目的话，的确对自己的能力是一种锻炼。但如果走了弯路，哪一步走错了，也可能会出现一错到底的尴尬情况。个人建议，在找实习的时候，最好可以找有data团队的公司，收获会更大一些。不过我还是很感谢之前的HR，感谢他愿意给我一个实习的机会，因为这份实习，让对我自己的未来有了更明确的规划。Data Scientist此类岗位和我的匹配度还是比较高的，但日后投简历的公司行业选择这个问题上，我应该会pass掉软件这个行业。因为据我了解，大部分的软件公司的软件都是固定的，基本上可以搜集的数据也比较固定，数据分析没有什么太大的突破性，只要按部就班地完成就好了。我个人还是比较喜欢一些有挑战性的工作，这也就是为什么我在毕业后选择了咨询行业。工作内容和工作行业还是比较重要的，工作内容代表着你的日常生活，如果是你不感兴趣的工作，你肯定每天都提不起兴趣；工作行业代表着你未来的发展前景，尽量选择一个发展前景好的行业，也方便与后续的提升和发展。
五、美国的学习生活
第二学年到了美国，先说课程情况吧。美国校区课程的教学质量还是很不错的，而且第二学年的时候，基础核心课程都已经上完了，可以选择一些你感兴趣的选修课。该项目的选课范围还是很广的，这里我简单介绍一下几门我学过的课程。
Data science for product managers
这是一门Heinz课程，David教授负责这门课程的教学，我还是很喜欢这位教授的，因为他不仅专业水平优秀，而且具备丰富的咨询经验。课程内容会涉及到data science的应用问题，课程难度不是特别高。有些公司的面试会涉及到这门课程的内容，但因为老师本身讲的比较浅，所以如果想要在面试中好好表现的话，课下还是要多下功夫。
NoSQL
这门课程的难度偏高，授课内容会涉及到column family、graph、document和key value这几个方面的知识，要求学生在期末之前撰写一篇论文，我之前在这门课程上耗费的时间和心思还是蛮多的，但收获也是成正比的。
Intro to Machine Learning——10601
这是一门CS方向的热度较高的课程，属于machine learning领域的入门级的课程。前半学期的授课老师是Roni，后半学期是Zack。上完这两个老师的课之外，我更喜欢Roni老师多一点，授课风格是我喜欢的style，Roni老师很注意细节的讲解，而且很喜欢info theory，这个方面的内容讲了有半个月左右。至于Zack老师，虽然讲的也不错，但和Roni老师进行对比的话，我个人感觉还是差了那么一丢丢，Zack老师讲的基本上都是SQL的核心重点知识，也是很重要的一个版块。
作业基本上都是build from scratch，如果你理解了算法，那么作业对你来说并不是特别难，但如果你不理解的话，还是有一定难度的。考试内容也是以理解为主，没有必要死记硬背的。
这门课程一共有两个section，一个10601，还有一个10701，10701这个section是由郭美丽讲的，课程的workload很重，平时会安排作业，期末之前还要做project。但付出和收获肯定也是成正比的，你花在这门课程上的时间越长，你的收获就会越大。如果有机会的话，我应该会再选一下10701这个section的。
A/B Testing
CMU的A/B Testing和网上的那些A/B Testing还是有一些差别的。这门课程并不是特别注重互联网相关知识的教学，反而对社会调查方向比较侧重。老师会安排作业，是以小组的形式进行的，作业难度不是特别高。差不多只在前半个学期讲课，后半个学期学不到什么东西，基本上都是project，我认为有一点点水，应该一整个学期学完的课程，再半个学期之内就学完了，怎么可能学的很深入？前期学的比较表面，后续的project又怎么可能做得特别好？
Big Data Computing
这是一门会涉及到Spark的课程，课程难度偏低，老师差不多整个学期安排了5次作业，如果你上课可以跟上老师的进度的话，Spark的基础核心知识是可以掌握到八九分的，但如果想要深入了解，还是要课下自己多下功夫。
R for Data Science
这是一门水课，学到的知识很表面。但水课也有一定的优势，那就是你不需要在这门课程上耗费太多的时间，你的课余时间会有所增加，你可以自由安排时间，去学习你想要学习的其他内容。
Deep Learning——11785
这门课程的workload还是稍微有一点点重的，每周上课都会安排quiz，老师会安排4次作业，每次作业都有两个part，第一个part是from stratch，第二个part是kaggle。期末之前，会安排一个project，以小组为单位进行。如果上课你可以跟上进度的话，差不多整个学期下来，是可以对神经网络有一些全面的了解的，而且也并不会止于表面的基础知识，也会涉及到一些有深度的知识点。
Capstone
这门课程的学分是最高的了，有18分，需要4个同学合作完成。第一学期开始的时候，你可以根据自己的兴趣选择项目，我本身对health care这个方向比较感兴趣，所以当时选的是医疗课题。跟我一组的同学都比较认真，大家共同探讨，做完项目，还是有很多收获的。
Data Structure for Application Programmers
Terry Lee负责教这门课程，这位老师在学生中的热度很高，很多学生都想选他的课。不过这门课程是需要一定基础的，如果你是一个数据结构
零基础的小白，在上这门课程之前，还是多去学习一些基础知识会更好，不然直接上的话，肯定会有些吃力的。作业难度偏低，不过如果碰到bug，肯定也是需要花一些心思的。期末考试我感觉比较难，但我周围几个SDE的同学感觉和Leetcode的难度相差无几，也可能是我的基础没有人家扎实的问题。
Heinz的很多课程的学分都是6分，每门课程的课时也就8周，短短8周的时间估计是学不到什么很深入的知识的，最多就是让你系统地了解一下基础知识，如果想要学习一些深入的知识，还是要靠你自己课下主动学习和实习积累。
六、工作
9月之后，我就开始投简历了，最开始投简历的时候，只挑自己比较心仪的公司投，学校有career fair，我还特意去参加，但反馈结果并不是特别好。Heinz还是比较ok的，会有很多大厂来参加career fair，但data science方向opening的岗位不是特别多。
课余时间不要经常出去玩，个人建议多学习一下SQL、ML以及统计相关的知识，打好基础，我现在学习的内容越多，越感觉Data领域的涵盖面越大，未掌握的知识还有很多，已掌握的知识还有很多是需要深入了解的。你现在学习的这些内容，不仅在后续找工作的面试中会碰到，也会对你日后的工作有很大的帮助。
有些公司会在第二学期开学之后，进行一定的扩招，个人感觉第二学期的实习/工作机会和第一学期相比，会相对多一点。但如果你想进大厂的话，还是要努力提升自己，毕竟大厂的应聘门槛比较高。
如果可以的话，在找工作的时候，可以找几个小伙伴一起投简历、准备面试，有合适的机会，还可以内部共享，遇到了什么问题，还可以一起讨论，想办法解决，何乐而不为呢？找工作并不是一朝一夕的事情，公司适合你，你适合公司，这是一个双向的选择。不要因为投简历没有回复而感到沮丧或者失落，我相信努力肯定会有回报，只是时间问题。
七、Heinz学院
然后我们再来谈谈Heinz学院，单从课程设置上来看，学院还是开设了很多Data方向的课程的，而且在选课上也没有太多的限制，学生完全可以根据自己的兴趣，进行课程的选择。如果你毕业后打算从事Analytics相关岗位，学院开设了很多课程对你的职业发展都是很有帮助的；如果你毕业后打算从事Machine Learning、Modeling或者Deep Learning方向的话，学院也有一些CS方向的课程可以选择；如果你毕业后打算从事Business或者Consulting行业，那么我感觉Tepper的课程还是很适合你的。其实在我看来，Data Science这个行业本身覆盖面就比较广，涉及到的知识本身就比较多元。
我最后拿到了一个healthcare行业公司的offer，因为我本身对healthcare就比较感兴趣，所以拿到offer的时候还是很开心的。前后并没有等太久，公司的HR在领英上看到了我的简历，然后就跟我约了面试，通过了面试之后就直接发了offer。
个人感觉，最重要的一件事情就是你了解你自己，你知道自己喜欢什么，学习也好，工作也罢，都要接触自己感兴趣的方向和行业。上课的时候，你可以通过project来判断自己对什么方向比较感兴趣，最起码你要有一个大致的方向，然后再根据后续的学习和实习，从而确定你未来的职业发展方向。
总结
我个人感觉，选择了CMU还是一个很正确的决定的。CMU的名校光环，的确在后续找工作的过程中，还是帮助了我很多的。
CMU这两年的硕士时光，对我而言还是很珍贵的，我认识了很多大神和学霸，周围的小伙伴不仅比我优秀，而且还比我努力，这样的学霸都在努力，我当然也要努力学习，紧跟他们的步伐了，通过硕士的学习，我的专业技能和综合实力和本科相比，有了一个质的飞跃。当然，我也知道就算我这么努力，我可能也未必和学霸站在同一高度，但我和过去的自己相比，有一定的提升，我的付出就没有白费，我认为我就是成功的。
对于找工作这件事，不管你喜欢哪个方向和领域，只要你确定了方向，那么就早些开始准备，多学习这个领域的知识，积累扎实的理论基础，放假的时候多去实习，丰富你的实务经验。其实我本人并不喜欢那种面试前几天的临时突击，其实这种突击也未必会有很不错的效果。平时多学习多积累，面试的时候就不会太慌张了。
有很多学长学姐跟我说过，其实在data science这个行业中，很看重一个人的交流合作能力，你在做什么很重要，但你可以表达出来你在做什么更重要，而且有时候，你如果可以用简单的话来展示一个数据，所达到的效果甚至会比mode的效果更好。课堂上老师布置的project还是很有意义的，如果跟你一组的同学都比较认真，善于思考的话，你可以通过交流学习到很多知识，扩展自己的思路。
说了这么多，也快到尾声了。以上的分享都是我个人的心得体会，希望可以对迷茫的各位有一些帮助，也祝福各位在申请季可以拿到理想的offer。
