UW stat master 19届准毕业总结

前言：这帖子主要想要回忆下这两年中的一些事情，之前帖子里承诺过，算是填坑了把。也希望后面的学弟学妹看到的话有一点点启发。然后断断续续更新把，最近事情多。整体内容就两部分：1. 学习心得 2. 找工作心得。 我个人的背景是本科统计，然后硕士也是在这里读统计。目前看来，最后可能做的会是偏engineer的工作，所以想想这一路来有很多事情都想要记录下，就选地里好了。
为何选择统计硕士：
小时候学过一点数学竞赛，虽然个人原因初中没再搞，但或多或少都对理科有种莫名的好感，高中的时候也弄过一些物理竞赛，但没有什么拿的出手的成绩。后来上了大学，真的是阴差阳错接触到了统计的东西，顿时觉得作为连接现实和数学的一门学科，统计真的是非常的有趣。我个人的理解是，生活是感性的学习了解世界，而统计则提供了严谨的视角去重新审视你的认识。而这个认识的框架，其实注重逻辑的学科都会帮你搭建，只不过恰巧，统计同时提供了方法，学习后可以直接帮你做一些分析。当时基于这个想法，来到了华大的统计读硕，因为本科学的那点真是太浅薄了。当时选offer的时候，拒绝掉了nyu的ds项目，现在想来，真是非常正确的决定之一了。

学习上：
华大本身的选课非常自由，只要你能选上，基本不干涉你想上什么系的专业课。我对cs东西比较感兴趣，所以选修课程也是基本上都是cse专业。其实很多很多系的同学都抱着同样的想法，在cs的课上看到不同系同学的身影真的是再正常不过的事情了。所以如果有这方面考虑的同学不用很担心这个问题。同时，华大的统计项目课程非常扎实，不论你有没有统计的基础，都可以从基础课（也是必修）开始学习。最有意思的一点是，即使我已经学习过很多概念一遍，再次听的时候也总能想到不同的新东西。温故知新这句话也是诚不我欺。尤其是第二学年的570，571两门课，实乃硕士期间最重要的两门课，前面的铺垫可以说是全权为了这两门课作准备，这门课个人感觉是advanced data analysis最重要的两门课。虽然非常的难，整体上下来也是收获满满。因为你会发现以前分析的网上数据集，或是实习中分析的那些个数据中，因为自己知道的方法不够而简单线性，logistic明知违反assumption却不知道如何处理的情况，现在都有了合理的方法去处理。个人体验是学过后会觉得满足感max！如果对统比较有执念的话，也只有上完一系列的理论课程，才能初步开始回答心里的一些问题。而去data science的专业的话，相对来讲是浅尝辄止的，毕竟现在的那些ML方法，多数都是缺乏对true model的研究的，所以相对来讲model的理论支撑也不会有传统模型那样深厚，其实多数的教授过程也不会很注重这些，而主要是模型的介绍和优化的部分推导（对我吐槽的就是你，deep learning哈哈，当然我也很喜欢，撸过视频撸过书撸过课）。而且说句实话，我觉得ds的东西我是可以自学的，统计则相对更难，这些理论分析要静下来，做算式推导，这样才能获得直观的感受，而且一定要循序渐进。所以对个人的注意力，时间要求也会更高，也是我认为更难的原因。当然，如果来项目主要为了当跳板，知道自己要什么，时间想主要帮助自己准备面试，那么ds项目更好，stat的课程课业压力有点大，前提是如果真的是做下来好好读下教材和思考的话。


准备面试：

（后面更工作，今天写的手有点酸哈哈，大家看的高兴可以给点米哈）

嗯好像是并不能直接在现有帖子上修改的，回复的话文字也不能增大字体了好像。。。不知道为什么地里没有这个功能，我在罗列一个帖子写下半部分吧。

--------------------------------------------

工作方向:

从出路上来讲我感觉STAT一共有三个方向吧：

1. DS/DA/BA: 其中的data scientist岗位要看具体jd，因为这个岗位本身的跨度很大，我这里统指的一般是要求sql，一门分析语言R/Python/Excel这样的分析类型岗位,  一般面试会以case为主，但是case会根据岗位要求情况不同程度的加入ML的东西，唯一不变的是一定会要求面试者有比较强的business acumen.
2. MLE: 这个是ML/STAT和sde比较融合的一个方向吧，工作中可能经常要查阅各种paper所以要求比较强的数理背景，同时，你也要有很不错的coding能力把你propose的东西写成production code。所以面试两方面都会有，code就是大家都知道的算法题
3. SDE: 如果本身cs知识比较深，尤其是对系统，架构比较熟悉的同学也有申请sde的，我个人感觉和stat基本就没啥关系了。我认识朋友里申的多数都是本科是有类似背景的，当然如果很早就开始准备面试，个人认为问题也不大。

面试准备：

我个人主要投的是2，3也投了一些。对于统计学生，我觉得刚开始有一个误区就是觉得我得完全搞清楚那些这个公司在研究方向的cutting edge的算法到底什么然后再想面试，结果去刷paper了。虽然刷paper也是提升很快的一环，但实际情况确是，一般统计学生的短板在算法题上。也就是说，面试中和ml的知识并没那么深，而如果你在算法题上完成度不好，面试官对你的印象一下就下来了，一个“不能干活”的candidate就非常容易挂。但由于算法题比较广，所以大家一定要早刷leetcode，开始熟悉这些东西，最差也要做到无论什么面试题目，brutal force的方法一定要有至少。

还有一个点就是，简历一定要早投。。。。我之前因为打算回国， 暑期实习在国内做的，国内hr大家都知道，啪啪啪觉得你没问题直接3轮面试，效率很高。国外hr这个战线就非常的长，所以基本上你9月份基本上就要投简历投的差不多了，10，11月份开始面试高峰。这是最理想的状况，投晚了最大问题是公司的hc可能用完了，bar越来越高。我这个找工作季就被自己坑惨了，大家反正吸取教训吧。复习在实习的时候就已经进行差不多了，实习一结束就要准备好开始面试了。

碎碎念：
最后写给在校的学生一点我自己的理解（并不知道对不对），即使像我是一个ms学生，我个人依旧觉得数理的掌握程度决定了做machine learning这个领域你的上限。趁着你没各种杂事的时候，多学些概率论，凸优化这类数学要求比较高的课程，静下来好好思考下为什么公式要这么写，直观的理解是帮助你运用在其他地方最好的方式。另一方面，像实分析这种课程，反正在我的接触范围内都用的不是很系统的知识，如果不是数学科班出身的我个人建议暂时不用直接跳这个坑，需要的时候补一点就好，当然有兴趣无所谓，想刷书都行。

整体来讲的话，其实就是锻炼solve新问题的能力。以后如果tech公司工作有点腻了，换consulting也是相当不错的哈哈。

大概这些吧，希望杂七杂八这些东西看完大家有点收获。无论什么方向，工作都抢在前面做，会有好的结果的。一起努力吧。

wyh_chloe 发表于 2019-6-25 13:08
感谢楼主！
可以问一下放弃nyu ds的原因吗 马上申请了 在ds和stats之间好纠结😭

简单的来讲我觉得我能学到的东西在ds项目里比较少

马住，谢谢楼主！

感谢楼主的信息！19fall小弟刚录了uw-seattle的ee，请问楼主了解ee的选课也可以选很多cs的吗？

mistborn888 发表于 2019-3-5 16:05
感谢楼主的信息！19fall小弟刚录了uw-seattle的ee，请问楼主了解ee的选课也可以选很多cs的吗？

么得问题，你想统计得都可以选，别说ee了

dertas1993 发表于 2019/03/06 01:25:46


么得问题，你想统计得都可以选，别说ee了

哇这么开心的吗 那么…还想请问前辈 例如我看EE的requirement里要求42学分 其中至少30个credits要ee-5XX的课 只有10个credits可以选非EE的。您指的可以去修cs课，是指剩的那10个任选学分可以用来选CS的吗？这样感觉还是不太够诶…还是说其他那些规定死了范围的课也可以通过和advisor商量等途径改为去修cs呢？抱歉前辈我问的有点多，地里UW的信息实在是太少，辛苦您啦！感谢！

今年刚录了UW的统计，感谢楼主的分享。

谢谢楼主！这也是我很想继续读stats master的原因 然而录的却是biostats.. 不知道楼主了解uw隔壁biostats找工作的情况吗