JHU MSE Data Science | 21-23 从入学到毕业
39202
今年五月从JHU MSE DS项目毕业了，鉴于之前有帖子介绍过这个项目的体验了，主要写一些我自己的感受和课程经历分享给正在或有意就读的同学们(instant.1point3acres.cn)
(完全是依据个人经历进行的主观评价，有局限性不一定适用于所有人)
总结:
JHU工院AMS(Applied Mathematics & Statistics Department)在20年开的新项目，在巴尔的摩校区,每届大概200人左右，国人和三哥三姐占主要群体，一年半到两年毕业.
Pros:
- 选课自由度很高(可以选AMS，ECE，CS 三个department的课)
- 很多人拿到了奖学金(也可能是因为新项目为了吸引学生)
- research/project机会很多，很多教授都愿意提供类似的机会
- 水课不算少(可以选一些EP学院的课)，可以过的相对轻松
- 不水的课也很多，可以学到很多知识，为后续的学习提供坚实基础
- 学校附近房租&生活成本比大城市(NYC, LA, SF…)低很多
Cons:
- CS和AMS的很多课都需要较强的数学基础
- 没有比较好的课程评价网站，很多新课内容难度未知
- 找工难度较大，很多课程设置偏理论
- 没有很多公司来career fair(大厂基本只有校友的开花堡定期来校招捞人)
- 地理位置比较差，巴尔的摩安全性较低
- 学校附近的公寓住宅都比较有年代感
展开说说。
个人背景:
本科某UC Applied Math + Stats毕业， 21年入学前常用语言R(主要统计课在用)，有上过校内C++,Python的基础课程。 自认统计基础还行，公认的本科统计系三大天坑老师每个都上过至少两节upper。平时上课基本属于只要胆子大天天都放假类型，上课只有quiz/考试前后会去学校，平时不爱去上课主要靠自学。
项目介绍:
20年的新项目，属于JHU Whiting School of Engineering下面的 Applied Mathematics & Statistics (AMS) Department。AMS Department下面有三个master program: Applied Math & Stats, Data Science, Financial Math，选课上课也基本是这仨项目的学生一起。具体请见官网介绍。
生活：
个人原因超过70%的时间都不在巴尔的摩，只有临近考试/quiz的时候会回去一趟(租的房子也经常没人住)，因此吃喝玩乐相关了解属实不够全面，只能根据有限的经验进行推荐。学校附近的房子普遍年代比较久远，有一些最近二十年内进行过翻新。留学生们经常选择的公寓应该就只有学校周边有限的几个，大多数都是带有前台以及门禁的。房租价格相比于一线大城市的学校周边美丽不少，如果不住公寓选择一些美国人自己出租的房子可以更便宜(租过1950sqft的3b2b月租总价$1650, 不过需要ssn)。饮食方面应该算是美食荒漠了，学校周边还不错的感觉只有Yama Sushi Bar和Bodhi Connor。身处巴尔的摩安全性也是很重要的考量因素，基本每周都能收到学校发的学生被抢劫的邮件(不过Homewood Campus还是比较少的)，虽然学校今年越发重视治安问题，搞了自己的JHPD校园警察局和周围30米一个的安保，但还是天黑少出门。不太方便的一点是中超/亚超距离实在太远，1小时车程注定平时主要靠网购平台了。
学业课程：
4个必修的core areas：Statistics，Optimization，Machine Learning，Computing，以及6个选修areas。要求9节课(每个core至少一节) + 一个Capstone毕业。Capstone一般是找教授或者Lab做一些research性质的project，最后交report做presentation。多数课程为3-4分，学校为semester制，因此通常需要1.5年毕业（如果暑假考虑多上课可以一年毕业）。值得一提的是Capstone要求被算作6分课，可以算作两节课（连续两学期3分，或者一学期6分）。报课自由度很高，基本横跨了AMS, CS, ECE, BME等Department的课程(但报其他Department的课并没有高优先级，通常处于第二第三梯队，所以很可能报不上)。但同时Data Science自己的课很多都是新课，容易碰到新老师不会讲或者课程质量没有保障的情况，加之没有统一的课程评价网站，每节课的情况基本只能靠口口相传，故而很容易踩雷。下面按照我上课的顺序分享一下我上过的一些课程。
----讨论的教授仅涉及教学授课风格，与学术造诣无关----
21 Fall:
22 Spring：
22 Fall:
23 Spring: (国际生最后一学期学分不足9分的话可以申请parttime，能省不少学费)
找工 & 转码
找工和转码好像几乎是所有在美理工学子无法避开的话题。正如之前所说，学校选课自由度很高，所以安排得当的话可以有充足的时间来刷题找工/转码。但在个人感觉在美国来讲JHU并非tech大厂们的target school，mse ds的项目新开没多久，同时大多数课程都偏理论，在漫漫找工路上并不能带来额外的优势。就目前的就业市场和我了解到的23NG们的情况来看，如果没有过硬的实习/全职经历，大多数的JHU DS应届生估计没有办法在美国找到心仪的工作(并不绝对，也有认识的三哥拿到了大厂Research Scientist之类门槛相对较高的offer)，主要还是要靠实习结束后的return offer。但是根据我的了解，国内公司好像对该项目的认可度还算可以，身边打算回国的大部分朋友都拿到了至少一个国内大厂offer。
Phd
因为找工困难，身边不少同学也在考虑继续读博/二硕，从这一方面来讲这个项目还是有不少优势的，因为课程涉及比较广泛，如果有指向性的找Research机会，学校各个学院都有有很多的教授和lab愿意接受DS的同学作为RA，对于自身经验积累还算不错的经历。之前找过两个个教授和医学院的一个lab，简单面试之后都愿意提供RA/Unpaid的机会。不过我暂时没有继续学习的打算，就不随便提供建议了。
如有不实会随时改正，顺便求一波米。。
(完全是依据个人经历进行的主观评价，有局限性不一定适用于所有人)
总结:
JHU工院AMS(Applied Mathematics & Statistics Department)在20年开的新项目，在巴尔的摩校区,每届大概200人左右，国人和三哥三姐占主要群体，一年半到两年毕业.
Pros:
- 选课自由度很高(可以选AMS，ECE，CS 三个department的课)
- 很多人拿到了奖学金(也可能是因为新项目为了吸引学生)
- research/project机会很多，很多教授都愿意提供类似的机会
- 水课不算少(可以选一些EP学院的课)，可以过的相对轻松
- 不水的课也很多，可以学到很多知识，为后续的学习提供坚实基础
- 学校附近房租&生活成本比大城市(NYC, LA, SF…)低很多
Cons:
- CS和AMS的很多课都需要较强的数学基础
- 没有比较好的课程评价网站，很多新课内容难度未知
- 找工难度较大，很多课程设置偏理论
- 没有很多公司来career fair(大厂基本只有校友的开花堡定期来校招捞人)
- 地理位置比较差，巴尔的摩安全性较低
- 学校附近的公寓住宅都比较有年代感
展开说说。
个人背景:
本科某UC Applied Math + Stats毕业， 21年入学前常用语言R(主要统计课在用)，有上过校内C++,Python的基础课程。 自认统计基础还行，公认的本科统计系三大天坑老师每个都上过至少两节upper。平时上课基本属于只要胆子大天天都放假类型，上课只有quiz/考试前后会去学校，平时不爱去上课主要靠自学。
项目介绍:
20年的新项目，属于JHU Whiting School of Engineering下面的 Applied Mathematics & Statistics (AMS) Department。AMS Department下面有三个master program: Applied Math & Stats, Data Science, Financial Math，选课上课也基本是这仨项目的学生一起。具体请见官网介绍。
生活：
个人原因超过70%的时间都不在巴尔的摩，只有临近考试/quiz的时候会回去一趟(租的房子也经常没人住)，因此吃喝玩乐相关了解属实不够全面，只能根据有限的经验进行推荐。学校附近的房子普遍年代比较久远，有一些最近二十年内进行过翻新。留学生们经常选择的公寓应该就只有学校周边有限的几个，大多数都是带有前台以及门禁的。房租价格相比于一线大城市的学校周边美丽不少，如果不住公寓选择一些美国人自己出租的房子可以更便宜(租过1950sqft的3b2b月租总价$1650, 不过需要ssn)。饮食方面应该算是美食荒漠了，学校周边还不错的感觉只有Yama Sushi Bar和Bodhi Connor。身处巴尔的摩安全性也是很重要的考量因素，基本每周都能收到学校发的学生被抢劫的邮件(不过Homewood Campus还是比较少的)，虽然学校今年越发重视治安问题，搞了自己的JHPD校园警察局和周围30米一个的安保，但还是天黑少出门。不太方便的一点是中超/亚超距离实在太远，1小时车程注定平时主要靠网购平台了。
学业课程：
4个必修的core areas：Statistics，Optimization，Machine Learning，Computing，以及6个选修areas。要求9节课(每个core至少一节) + 一个Capstone毕业。Capstone一般是找教授或者Lab做一些research性质的project，最后交report做presentation。多数课程为3-4分，学校为semester制，因此通常需要1.5年毕业（如果暑假考虑多上课可以一年毕业）。值得一提的是Capstone要求被算作6分课，可以算作两节课（连续两学期3分，或者一学期6分）。报课自由度很高，基本横跨了AMS, CS, ECE, BME等Department的课程(但报其他Department的课并没有高优先级，通常处于第二第三梯队，所以很可能报不上)。但同时Data Science自己的课很多都是新课，容易碰到新老师不会讲或者课程质量没有保障的情况，加之没有统一的课程评价网站，每节课的情况基本只能靠口口相传，故而很容易踩雷。下面按照我上课的顺序分享一下我上过的一些课程。
----讨论的教授仅涉及教学授课风格，与学术造诣无关----
21 Fall:
- Intro to Data Science (553.636, AMS Department): 所有MSE Data Science必修课程，每学期都会开很多节，知名水课，能碰到从Computer Science到 Civil Engineering慕名而来的同学。课程本身难度低，算是Python+Stats+Machine Learning非常入门的串讲。
- Machine Learning I (553.740, AMS Department): 难度拉满，Younes的课，这个教授算是AMS一个坑了，他的课能避就避。课程本身讲的是一些classical Machine Learning的东西(Linear Model, Decision Tree, SVM等)，但基本属于徒手造轮子，需要大量的数学证明，同时默认教授会默认学生有不错的线性代数以及积分基础，因此个人认为如果没有一定数理知识可以直接放弃。作业主要就是进行推导后用Python numpy手写regression model，每次基本要花费我两三天的整天。但u1s1，这节课学下来之后会对这些经典模型有非常深的理解，对面试八股或是继续学习有很大帮助。Note:我上的时候开学100多人，到final全班就二十几个了。
- Intro to Algorithms (601.633, CS Department): Dinitz的课，难度和workoload中规中矩，但据说最近换老师了，虽然是CS Department的课，但其实还是依靠数学推到证明一些经典算法，对刷题帮助不大。但如果没有过大规模刷LC可以上一下，算是系统学习一些常见算法。
22 Spring：
- Machine Learning Deep Learning (601.682, CS Department): Unberath的课，难度偏低，主要就是初步介绍一些Deep Learning的常见算法，作业也是一些涉及不同领域Deep Learning算法的mini project，final是自选题目搞模型做presentation。教授人很好，如果没咋接触过DL还是比较推荐的。
- Capstone Project: 直接上了6分，4人小组，具体内容因人而异。但这节课给了充足的时间找intern和面试。
22 Fall:
- Computer Vision (601.661, CS Department): Katyal的课，难度偏低，披着CV外衣的数学课，讲的内容主要是一些成像原理，和Deep Learning的CV关系不大。经常会有quiz，所以需要按时去上课，final是presentation。如果不是对这个方向有特别兴趣的不太建议上，感觉用处不大。
- Introduction to Stats(553.630, AMS Department): 算是个坑，难度比较大。个人体验就是一学期把我本科阶段的Stats知识串讲一遍。作业和考试就是很传统的stats和math的推导证明。如果本科没有相关的基础不建议上。如果本科有相关基础，算是对之前知识的巩固，有需要的同学自行斟酌。
- Applied Statistics and Data Analysis(553.613, AMS Department): 不记得教授名字了，难度一般偏低。中规中矩的统计课，主要会讲一些Distribution, Testing, Stats Inference, Regression,但每一个topic都不会讲得很深。值得一提的是这节课需要用R且默认有R基础，作业也是数理推导和R的分析。(这节课和前面那个Intro to Stats一起上的话基本就是个子集了。。。)
23 Spring: (国际生最后一学期学分不足9分的话可以申请parttime，能省不少学费)
- Optimization in Data Science (553.662, AMS Department): 这学期新开的一节课，又是一节Younes的课，难度workload双高。这节课本质和他教额度Machine Learning类似，不过难度略低一点点，上这节课主要是为了填Optimization Core Area的毕业要求。有趣的是，开学的时候全班100多个人去上课，Younes还说班里坐不下了要申请换一个大教室，结果final考试就不到20个人去了。
- Artificial Intelligence (601.664): 老师好像是Haque，大水课，涉及很多area(Machine Learning, Game Theory, etc.)，每一块都是浅尝辄止。会有一些quiz和作业，但难度都很低。final是做Project或者presentation二选一。
找工 & 转码
找工和转码好像几乎是所有在美理工学子无法避开的话题。正如之前所说，学校选课自由度很高，所以安排得当的话可以有充足的时间来刷题找工/转码。但在个人感觉在美国来讲JHU并非tech大厂们的target school，mse ds的项目新开没多久，同时大多数课程都偏理论，在漫漫找工路上并不能带来额外的优势。就目前的就业市场和我了解到的23NG们的情况来看，如果没有过硬的实习/全职经历，大多数的JHU DS应届生估计没有办法在美国找到心仪的工作(并不绝对，也有认识的三哥拿到了大厂Research Scientist之类门槛相对较高的offer)，主要还是要靠实习结束后的return offer。但是根据我的了解，国内公司好像对该项目的认可度还算可以，身边打算回国的大部分朋友都拿到了至少一个国内大厂offer。
Phd
因为找工困难，身边不少同学也在考虑继续读博/二硕，从这一方面来讲这个项目还是有不少优势的，因为课程涉及比较广泛，如果有指向性的找Research机会，学校各个学院都有有很多的教授和lab愿意接受DS的同学作为RA，对于自身经验积累还算不错的经历。之前找过两个个教授和医学院的一个lab，简单面试之后都愿意提供RA/Unpaid的机会。不过我暂时没有继续学习的打算，就不随便提供建议了。
如有不实会随时改正，顺便求一波米。。
