关于USC DTIN (Data Informatics) 项目的感受和看法

来南加也快一年了，最近总算是找到了实习（多亏了地里的面经贴），离入职还有一段时间，刚好闲下来可以写点什么，也算是回馈地里一直以来的帮助。关于USC的DTIN（data informatics）这个项目，地里的信息不算多，我会把我所知道的关于这个项目的林林总总都尽可能地告诉大家。（可能会有点啰嗦，大家见谅）

课程方面：

DTIN的课程设置我特别特别喜欢，三门必修课对于找Data Egineer的工作来说都很有用。两门专业选修课的可选范围比较小，我还没上，所以不太了解。还剩下八学分（两门课）可以选一些热门的CS课程，像是570算法，571-Web，561-AI，NLP等等，基本上可以满足大家对于CS方面课程的需求。下面是一些课程简介。

INF551-Fundations of data informatics（必修）: 我上的是中国教授wensheng的课，课程内容很丰富，从底层的数据存储，到database，一直到大数据Hadoop的基础知识都有涉及，不过都是浅尝辄止，不算深入。虽然这门课既有小测，又有作业，还有project，更有final，但是课程load不大，拿A挺简单，project好好做对于丰富简历还是很有用的。

必修INF552-Machine Learning for Informatics（必修）: 我上的是印度教授satish的课。另外一个班的老师经常换而且褒贬不一，不做评价。Satish是Standord的phd，讲课思路很清晰，但是总体内容比较简单。课程内容主要是一些基础的machine learning的算法，每个算法都会有对应的作业要求你自己把它实现。好好上课好好写作业的话，拿A不难。是一门非常好的machine learning的基础课。（CS下还有进阶版的machine learning，难度要更大一些）

必修INF553-Data Mining（必修）：非常火的一门课，时常会有CS的同学来蹭课。我上的是台湾教授Yaoyi的班。课程内容主要是一些Data Mining的算法，会涉及到很多不同的topic，比如recommendation system，social network等等。每一个topic都会有相应的作业让你来实现和应用这些算法。作业主要用的是spark+python/scala，这个技术栈对于找data engineer的工作还是挺有用的。作业load比较大，但是最后大部分同学都能拿A。

专业选修我还没上，等我上完了我会回来补充的。

找工作情况：

总体来说不算太好。我们专业17Fall这一届50多中国人，在美国找到实习的6个（不包括informatics下别的项目）。不过没找到美国实习的同学基本上都能找到回国的实习（基本都是大公司，腾讯滴滴百度微软等等）。关于全职，从我所了解到的情况来说，也不太好，跟CS比起来差远了。

对于DTIN这个专业来说，找工作总体有两条路，一是Data Engineer，一是传统SDE。

先说Data Engineer吧，data engineer算是半个新兴的职业吧，在美国这边需求目前还比不上SDE，比起SDE来说岗位缺口非常小，而且大部分都要求有几年工作经验的，对new grad不是特别的友好。虽然我很看好这个职位未来的发展前景，以后的岗位需求也一定会增多，但从目前来看，在美国想找到Data Engineer的职位，难度还是比较大的（比起SDE来说）。不过，这个岗位在国内就是另一番景象了。国内各大公司都在广招数据挖掘，大数据分析方面的人才，所以DTIN这个专业，对于回国找工作来说，还是挺有优势的。

再说SDE。SDE算是在美国最好找的工作之一了，这也是为什么现在都在全民转CS。但是DTIN这个专业，在找SDE方面的工作上，并没有什么优势。主要是因为课程的相关性和专业的名称，我曾经不止一次地在面试的时候向面试官解释我们这个专业是干什么的。所以，本专业找SDE工作的情况也不算太乐观。

其实还有另外一个方向，是找Data Scientist的工作，但是这个比较小众，毕竟data scientist的工作有一大堆phd排队等着呢，一个data informatics的master还是太缺乏竞争力了。

总的来说就是，DTIN这个专业的课程设计更适合找Data Engineer的工作，但是美国这边岗位需求没那么大。SDE岗位需求大，但DTIN专业比起CS缺乏竞争力。

关于找工作的话题，我还有一些个人的想法。其实我们专业找实习的情况不理想并不能完全归咎于专业原因。很大一部分原因还是在于自身，比起USC的CS专业下面的同学来说，我们缺乏紧迫感。记得去年四月底我刚收到DTIN录取的时候，就有好多学长告诫我说，如果我是以找工作为目标的话，那入学前就应该开始好好刷题改简历找内推了。很可惜，我没有听从学长的建议，直到今年的2月份，我才开始认真地好好改简历刷题找工作，虽然最终成功上岸，但是我想如果我能更早一些开始准备的话，结果应该会更好。不过这也跟我所处的圈子有关，DTIN属于比较小班化的专业，专业人数不算多，班小圈子也小，基本上你身边一起上课的同学，就是你未来找工作的过程中一直陪着你的伙伴。我身边大部分同学都是到了18spring的时候才开始正式地准备面试和刷题，但是我所知道的CS专业下找到实习的同学都是在17fall（去年九月十月）就已经正式进入找工备战状态了。

对于DTIN这个专业，我真是又爱又恨，爱的是他的课程设置，恨的是他每一年都不太理想的找工作情况。如果你在考虑转CS，但是又申不到CS37或者对data方向有兴趣，DTIN这个专业可以作为一个很好的备选。另外，最近好像新开了一个专业叫applied data science，有感兴趣的同学可以自己去USC官网上看。

DTIN这个专业不大，所以每个人的一言一行都会切切实实地影响到身边的人。我写这么多，只是希望未来选择这个专业的学弟学妹们，能更早地明确自己未来发展的方向（是回国，还是留美，是Data，还是SDE），从而能给身边的人带来更积极的影响。最后，希望DTIN越来越好，也希望身边的人和未来的学弟学妹们能有更多的人找到实习，找到全职。

（大家有什么问题可以留言，我会尽量回答的）

补充内容 (2018-6-6 12:32):
下面有人补充了选课的问题。
philc0："我也是17fall dtin的同学，我补充一下。虽然说没有列在列表中，实际上是可以选的。我当面问过负责人wensheng，得到了肯定的答复。其他一些csci也可以可以选的。"

ericlin510 发表于 2018-5-28 13:17
请问lz
您提到可以选修csci 571，但是没有列在DTIN官网的electives，
不知道您是已经选修成功还是有询问 ...

我也是17fall dtin的同学，我补充一下。虽然说没有列在列表中，实际上是可以选的。我当面问过负责人wensheng，得到了肯定的答复。wensheng对我们专业选课的态度比较open，其他一些csci也可以可以选的。

帆布包子 发表于 2019-5-18 22:36
楼主，能问一下你们这届最后的找工数据吗？

除了我好像都有工作了(回国的都是主动回的, 留在这边的基本都转SDE了, 少量几个data)哈哈哈哈

oceanconch 发表于 2018-6-4 08:34
没有想到找工作这么困难
谢谢您的分享！
50多中国人也是吓到我了

肯定会好找很多

非常感谢您慷慨的分享，对我很有参考价值

请问lz
您提到可以选修csci 571，但是没有列在DTIN官网的electives，
不知道您是已经选修成功还是有询问过advisor吗? 因为我自己也想选修那门课

感谢楼主分享！我是18FALL要入学的，有几个问题想了解一下，我看了一下楼主之前的发帖，想知道：
1）就楼主而言，找到实习做了哪些努力呢，比如上课注意的重心，刷题的框架，面试考察的重点之类的；

2）楼主说要提前了解是想做SDE还是Data，这之间我还没有很深的了解，目前的想法是从我自己的背景和客观环境出发，选最容易成功的路线，能否请楼主再介绍一下两者不同的客观找工作环境呢，我之后也想在美国找实习和全职，希望提前做好准备。

再次感谢楼主！

ericlin510 发表于 2018-5-28 13:17
请问lz
您提到可以选修csci 571，但是没有列在DTIN官网的electives，
不知道您是已经选修成功还是有询问 ...

说错了，571应该是不能选。我本来以为571是在我们electives list里的，刚刚去看了一下并没有。但是剩下几门课AI,Algorithm和NLP都是可以选的。

haversham 发表于 2018-5-28 17:06
感谢楼主分享！我是18FALL要入学的，有几个问题想了解一下，我看了一下楼主之前的发帖，想知道：
1）就楼 ...

1.尽早准备，尽早准备，越早越好
2.简历很重要，一份好简历的重要性不亚于刷题
3.不要因为觉得自己还没准备好就不敢投大公司，我就是因为这个错过了很多机会。
4.关于上课，三门必修的project和assignment好好做，可以丰富简历
5.找工作的同时如果可以兼顾GPA的话是最好了，我碰到过好几个面试官夸我4.0的GPA。虽然这不是决定性因素，但至少能在一场面试中给面试官留下更好的第一印象。
6.我是SDE和Data的岗位一起找的，从我简历投递的记录来看，SDE岗位数量大概是Data的三四倍。而且从收到面试的数量上来看，SDE也远超Data。所以现阶段如果你对工作内容没有喜好的话，SDE是更好的选择
7.虽然DTIN这个专业在找SDE方面的工作时比起CS并没有太大的竞争力，但是一份好的简历可以抵消这种差距。
8.如果要找Data方向的工作，那DTIN的课程内容只能算是带你入门，你需要在课后投入更多的时间来学习machine learning，统计等方面的知识，自己做一些项目（学校实验室，网上的Kaggle竞赛）
. Χ9.找实习的话，SDE面试考察的重点还是那两部分：项目经历和算法。大公司算法题可能难一些，小公司算法题简单但是会问更多其他方面的问题（基础知识，简历）
10.个人而言，我找到实习很大一部分原因大概还是...运气？ 如果真的要总结的话那就：丰富和修改简历，刷题，刷面经（地里的或者glassdoor）

跟个风，关注下。

没有想到找工作这么困难
谢谢您的分享！
50多中国人也是吓到我了

请问已经有工作经验的会不会找工作会稍稍容易一些？