说说USC在美国的真实存在，值不值得申请？ 第1页

2016年Fall我来到了美国USC，如今我已经毕业了，回望我之前的硕士生活，还是有很多难以忘怀的回忆的。虽然刚来的时候，有很多的不适应，但我还是很喜欢这所大学和LA这座城市的。现在就根据我之前的留学经历，分享给大家一些关于USC Data Informatics项目的基本信息和生活就业等，希望看完本文能给题主带来参考，做出最好的选择。

一、学习

我本身本科读的是国内大学和美国大学合办的项目，所以提前接受过纯英教育，所以在上课的时候，还是比较适应的。个人感觉本科和硕士最大的区别，就是需要额外花很多时间去刷题和找实习吧，本科的时候只要预习和复习、做作业就可以了，硕士除了要注重学业之外，还要利用课余时间刷题、准备简历和面试等等。

具体每门课要花费多少时间，其实还是要看课程的难易程度，个人感觉最好根据你的上课时间来定，比如说你一周上课时间为4个小时，那么课下你就花4个小时去复习和预习；如果课程难度偏高，那么就多花一些时间，花8个小时或者12个小时去学习。据我了解，斯坦福大学建议学生如果想深入学习一门课程的话，最起码应该话3倍的上课时间课下去自学。如果你没有别的计划，单纯把学业保持好即可，那么硕士期间还是比较轻松的，成绩拿A也没什么问题；不过如果你打算搞科研或者找工作的话，一心二用还是比较费心思的，你需要找到两个板块的平衡点。

个人感觉学习的灵活度和自由度还是比较高的，学校有些课程是提供视频，不用去教授上课的，视频课程我很少会去教室，白天会忙自己的事情，晚上回到宿舍开始看视频上课、写作业和project，最后成绩也比较理想，拿到了A。

我平时除了上课之外，还会做些项目，因为和教授联系得比较多，所以得知有科研机会，或者是自己感兴趣的项目，就会去申请参加，硕士两年在读期间，也跟着教授做过一些项目，补贴还是可以减轻一点生活压力的，也发表了一些paper。

二、录取

Data Informatics这个项目我感觉还是很不错的，CS 37学分项目一直热度很高，但我认为这个项目比37学分项目性价比更高。修满28学分就可以申请毕业，在学费开销上就会少一些。

这个项目在录取上对转专业申请学生的包容性很强，个人感觉申请起来还是比较容易的。不过因为每年申请者的水平在不断提升，再加上很多CS科班出身和非科班出身的学霸，都要申请目标指向了这个专业，近几年来看，录取要求和之前相比还是水涨船高的，但和CS项目相比还是会低一些的。据我了解，近几年的录取者基本上都是毕业于国内的985或者211高校，Rank在Top10到Top40之间。

很多同学都会把这个项目和CS 37学分项目进行对比，这里我简单说一下。

CS 37学分项目的学制为2年半，如果是没有任何CS基础的话，可以选择这个项目；

不过如果你具备一定的基础，本科专业是计算机相关专业，还是建议你申请Data Informatics这个项目。

三、课程设置

课程设置是在选校和选项目时候重要的参考因素之一，能学到什么内容，学到的内容对找实习或者全职有多大的帮助，这些问题都是各位比较关注的，毕竟大部分同学都是奔着毕业后找工作去的。这里我就对Data Informatics项目的课程，做一个简单的介绍。

1. INF 551——Foundation of Data Management

这门课程其实是属于一门introductory课程，课程涵盖的范围比较广，授课内容主要是围绕大数据。如果你是CS科班出身，那么这门课程对你来说应该是小case；如果是科班出身的选手，这门课程的难度就比较高的。我作为一个转码的选手，没有接触过Python和SQL，command line也不会用，在上课的时候还是有些头疼的。虽然学习的过程很苦，但通过一个学期的努力，成绩A还是很让我欣慰的，而且自己对大数据的一些相关知识都有了一定的了解，收获还是很多的。最重要的，很多课上讲的内容，后续在我找工作的时候，都在面试的时候问到过，所以这门课程还是有必要好好学一学的。

总体来说，内容还是可以的，这门课程对就业帮助较大，好好上课和做作业的话，拿A还是有希望的。

2. INF 552——Machine Learning for Data Informatics

Machine Learning的热门程度应该不需要我多解释什么了，这门课程的授课老师是Satish教授，这位老师是人工智能和机器学习领域国际最权威学者之一Andrew Ng的博士生，上课态度十分认真负责，下课的时候去请教他问题，也会不厌其烦地帮你讲解。Satish教授的办公室，就在我实验室旁边，之前路过的时候，看到他的办公室门口贴着纸条，主要就是说：欢迎同学们来问问题，不要不好意思问，问了才能理解才能学会。如果你的未来规划是打算走应用方向的Machine Learning相关工作，这门课还是要好好学一下的。

总体来说，课程内容很不错，拿A难度会比551这门课高一点，对就业的帮助中等偏上。

3. INF 553——Foundations and Application of Data Mining

Data Mining近几年的热度也算是蛮火的，授课教授yaoyi在学生中的欢迎程度很高，不过我选择Data Mining并不是这个教授上的。我认识的一位学姐之前在跟我聊天的时候说，她还是蛮喜欢这门课程的，上完课有很多收获。553这门课程应该属于所有课程中最能代表Data Informatics这个项目的课程的，这门课程的选课热度也是蛮高的。

个人感觉，课程内容没得挑，不过拿A的难度要比551和552难多了，还是需要多花些时间和精力的。

4. INF 554——Information Visualization

虽然课程名字是信息可视化，但教学内容主要是围绕前端开发展开的，课程设计上还是很系统和清晰的，需要做一个偏大的project，好好做的话，可以后续作为撰写简历的素材。如果你对前端开发这个领域比较感兴趣的话，还是很适合这门课的；如果你毕业想找后端相关的岗位，这门课对你的帮助并不是特别大。

课程内容和对就业的帮助因人而异，要看你的未来职业规划，拿A的难度还是偏高的。

5. INF 558——Building Knowledge Graphs

我在后期找工作的时候，很多HR之所以给我发了面试邀请，都是因为看到我上过这门课程。京东北美研究院就是因为看到了我这门课程的project，给了我一个面试机会，总体来说还是面试过程还是比较顺利的。并不是所有大学都会开设Knowledge Graphs相关课程，不得不说我们这个项目还是比较独特的，毕竟Knowledge Graphs相关岗位的需求日益增加，HR在面试的时候，自然会关注你是否具备一定的专业知识。这门课程的授课老师属于业界内比较知名的两位教授，不仅具备丰富的学术资源，还有丰富的research机会让学生在学完之后有机会运用到实践中去。这里我要专门提一下这门课程的project，不仅新颖而且很fancy，主要你好好跟着做，在简历上绝对是个闪光点。

总体来说，这门课程性价比很高，对就业帮助也很大，而且拿A程度适中，个人感觉是个很不错的课程。

6. CSCI 570：Analysis of Algorithms

这门课程是我的选修课，虽然是选修课，但绝对是一门神课的存在。如果你是就业导向型的选手，强烈推荐选这门课程。课程内容和后续的刷题、面试相关度还是很高的。课上讲过的重点题目、留的作业题目以及考试的题目，很可能就是你日后面试的题目之一。有些HR甚至会把这门课程相关的难题作为面试中的难题，只要你可以完全掌握这门课程的内容，不能说百分百，最起码大部分的面试题目还是会比较有把握的。如果你运气真的很好，说不准面试的某一题就是你上课学过的题目（这话并不是随便说说的，我之前在面试的时候就碰到过课上和同学们讨论过的题目）。

神课的性价比和收获绝对是不需要去质疑的，对就业有很大的帮助，不过神课毕竟是个神课，拿A的难度会偏高一点。

上述的课程都修完之后，其他的4个学分，我就比较随意的，没有再选课，而是通过实习以及参加项目来完成的。个人感觉选课还是要选对自己有帮助的课程，如果感觉自己想选的课程都选完了，不妨用实习和项目来凑凑学分，也可以积累一些实务经验和项目经验。

我身边很多同学都感觉学校开设的课程难度偏低，学不到什么深入的知识，后期面试的时候很多题目都不会。其实我感觉之所以造成这个情况，还是你学习没有主动性，学校可以给你提供丰富的学习资源，但学校和老师只是一个辅助和引导的作用，具体学习的深度和广度还是要靠你自己。你可以通过上课了解自己感兴趣的方向，然后课下进行延伸性的自学，这样才能在后续面试中做到有备无患。

举个例子，Data Informatics侧重于Hadoop、Map Reduce以及SQL的教学，如果你善于深入思考的话，你可以思考一下SQL是否有什么缺点？你会发现，SQL在解决大数据相关问题的时候，会比较麻烦一些。针对大数据的相关问题，如果运用Map Reduce相关知识，会不会解决起来会更容易一些？那么如何运用Map Reduce呢？是不是可以将Hadoop学以致用？那么我们再接着思考，如何实现Hadoop呢？这时Hive就派上用场了。其实我们之前在上Hive课程的时候，老师很少会提到上述这些相关知识，不过如果你善于思考和总结的话，你就会发现很多学过的知识都是可以串联起来的，自学和延伸，可以让你的知识架构更加系统和完善，久而久之，自然你的能力和技能水平也就有所提升了。

二、生活

LA天气还是很不错的，就是太阳有点太晒了。公共交通是真的很不便利，不过晚上可以打车，学校有免费的lyft。

对于一些还没来报道的新生，在国内尽情享受中国的美食吧，这边的中餐馆还是比较少的，而且做得也不是特别正宗。还有就是，没必要从国内带过来太多东西，很多当地都是有卖的。这边温度还是偏高的，多带一些轻薄的一些，厚衣服的话带几件以防万一就好了。

唯一有一点不太喜欢的，就是安全隐患吧。不敢自己走夜路，晚上的时候我很少会出门，因为我买了车，所以停车也有点担心，怕晚上被谁砸坏了。来了美国之后，最怀念的除了中国的饭菜之外，应该就是中国的治安了吧，国内晚上自己走夜路根本没什么问题，但在这边还是小心一点比较好。

三、就业

Data Informatics这个项目的毕业生，大部分都选择了Data Engineer以及Data Scientist这两个岗位。如果你对这两个岗位并不感兴趣，想找一些常规的软件相关的岗位的话，个人建议在校期间还是多自学，提升自己的专业技能，多刷刷题会更好。

对于Data Engineer的技术栈训练，包括Spark、Hadoop、SQL、AWS以及NoSQL等等，还会运用到Java、Scala以及Python等编程语言；对于Data Scientist的技术栈训练，包括Python等编程与，AI、NLP以及ML、Knowledge Graphs等等。总体从课程设置上来看，Data Informatics这个项目的课程基本上已经涵盖了上述两个岗位所需的相关知识，不管你选择哪个岗位就业，都有课程去供你学习，所以该项目毕业的学生申请这两个岗位，还是比较有竞争优势的。

我在找工作的时候，侧重于找Data Engineer中偏Software Engineer方向的岗位，在校期间我积累的Spark、Hadoop经验，以及熟练的Map Reduce，这些技能和经验在面试中都是加分项。在面试时，有很多个面试官都问过我，如何用Map Reduce去解决问题，对我这种对Map Reduce极其熟练的选手而言，这种问题就是小case。流利的回答，让面试官十分的满意。

当然我说了这么多，并不是说你只要选了这个项目，学了这个项目，工作就完全手到擒来，一点都不用担心了。你还是要根据你的未来规划和发展方向，多自学一些更加深入的知识。我的未来规划还是比较清晰的，所以除了课上我会好好学习之外，课下我也会通过网课自学一些感兴趣的知识，比如说Data Warehouse、Tableau、Hive、Data Pipeline、Data Modeling、Kafka等等，其实学网课花费的时间并没有学校课程那么长，只要你有兴趣有耐心，还是可以利用课余时间学到很多知识的。

说到就业，学校的career fair是一定会被提及的一个方面。我们学校里也是有career fair的，有些同学感觉career fair的用处并不大，那只是你是不善于利用好吗？我感觉还是比较有用的。

Viterbi的career fair虽然每次都是上午10点准时开始，但如果你想去大厂的话，个人建议早上7点多的时候就去排队。第一，早些拿到面谈机会，早些拿到on campus面试，优势越大；第二，很多同学都对大厂感兴趣，自然排队会很长，如果你去的晚，需要排很久的队。假如你是从8点开始排队，大概在10点正式开始之后，再等个15分钟到20分钟，差不多就可以排到你了。假如你是10点才开始排队的话，那么估计要等到下午2点多，才可能会轮到你。Career fair最宝贵，效率最高的时间就是上午10点到下午3点，其他时间面试的效果并不是特别好。所以我还是建议对大厂感兴趣的各位，一定要提前早起去排队，不然整整浪费4个小时的黄金时间，真的不值得。10点多面完大厂，你还可以去其他感兴趣的公司看看，多拿一些面试机会，何乐而不为呢？

之所以赶早不赶晚，也是考虑到了HR的精力。早上10点刚开始的时候，HR的精力是最充沛的时候，肯定对面试也比较认真，愿意花时间去了解你，看你的简历，而且on campus的名额肯定也比较多。如果是到了下午的话，HR面了一天，肯定会口干舌燥，肯定不会像上午一样那样仔细地去了解每一位申请者，同时on campus的名额应该已经所剩无几了，自然你拿到的概率也会相对偏低。

个人建议在面试之前，最好可以咨询一下上届的学长学姐，问问哪些公司会发on campus名额，值得等，哪些公司纯粹就是走过场，没必要耗费太长时间排队。微软、Facebook、Oath此类公司还是值得排队的，如果你符合要求的话，会给你发on campus面试名额的；不过谷歌此类公司，个人感觉没啥排队的必要，就算你排队了，HR基本上也会告诉你回家网上投简历。

我当时在秋招的时候，还是比较看重career fair的。起得很早，7点就去排队了，因为感兴趣的公司有好几家，还专门雇了两个人帮我排队。其实我在排队这个事情上，并没有耗费太长时间，10点多的时候就已经开始面试了，和公司HR聊得还是很投缘的，面试机会也那了很多。不过我个人感觉雇人排队这个事情，有没有必要是因人而异的，我这个人做事喜欢周全一些，喜欢给自己留Plan B，如果你感兴趣的大厂比较少，对申请的岗位有着很明确的规划，自己也愿意早起的话，其实根本没必要雇人排队的。

对于就业这个版块，最后我想总结的就是，一定要早些开始刷题、改简历和准备面试。学校的资源还是很多的，你要善于利用，同时要调动起学习的主动性，课下要学会自学和总结，实时跟进你感兴趣的行业和岗位的发展趋势，要有自己的职业规划，并学会跟着趋势的改变，进行相应的微调。只要你愿意努力，善于思考，懂得利用资源，我相信找工作对你而言，还是很简单的。