Tandon CS三门课TA分享选课经验
1470626
先推荐两个很赞的Tandon CS选课帖：1point3acres.com
1point3acres.com
当年入学时候地里没多少课程介绍选课全靠RP，现在的同学真是太幸福了
强烈推荐课：
Torsten的Database System
从基本关系代数讲起，到SQL语句，到ER schema和范式，到存储模型和实现。建议所有想搞后台开发的同学都选，内容扎实课业量大，绝对对得起学费。
Brain Langel的Intro to Java
我做了这门课的TA，非常推荐。虽然是教编程语言的课，但不是简单的教语法，教授会讲到Java语言的特性和tricky易出错的使用场景。同时涵盖泛型、Collections、I/O、多线程及Java8，非常适合转专业同学或想学习Java技术栈的同学。无论之前Java什么水平，都能在这门课学习到新的观点和知识。作业在Github上通过pull request提交，TA进行code review之后教授会再review一次。等于除了Java语言，你还学会了Git的流程和开源社区的提交方式，很赚。作业分普遍不高，主要靠期中期末考试拉分。如果觉得作业分数太低，也请不要diss TA或教授，大家都不容易 ：）
Lisa的Machine Learning
我做了这门课的TA，比较推荐作为机器学习的入门课程。Lisa讲的很细致，也很负责，基本的机器学习算法会掰开来讲。缺点是稍微有点跳，而且机器学习理论部分太多一个学期有点讲不完的感觉。这门课偏理论，作业主要是考察对算法和原理的掌握，偶尔要求实现一个小算法。所以适合当做打基础的入门课程，但不太可能弄成简历上的机器学习project。
Torsten的Web Search Engine
这门课要GPA3.5以上才能选，是不是听到这个要求就有点跃跃欲试？我就这么选了这门课。。这门课只能在第二年的第一个学期选，所以像cq大佬所说的，不建议在找工作的同学选。除非你想感受被虐的滋味，像天真的我一样 :)
这门课特点就是一直写代码，从头写到尾。课程结束前可以实现page rank算法，和做出一个小型的搜索引擎（是真的！），可以写到简历上有木有！但是等搜索引擎写出来的时候，基本秋招已经结束了吧 呵呵。
但还是很推荐，我感觉是上过的课里压力最大的一门了。
充实简历项目：
Sambit 的 Cloud Computing
这门课比较水，但课程project可以写到简历。我之前全职做过云计算相关的工作，本抱着“深入学习”的心态来，无奈失望而去。课程会涉及OpenStack、docker的云计算topic，还有大数据MapReduce、Spark的东西。总的来说内容比较杂，每周要求看一篇paper倒是不错。作业会用到很多AWS，project是万年不变的Twitter数据放到Google Map可视化 + sentiment分析。基本全靠调用API，不用自己写很多代。但用到的技术很多，除了之前提到的这些，还有ElasticSearch等等等等。所以很适合写简历里。
Juliana 的 Big Data Analytics
我选这课的时候，这是和CDS一起上的课程，在那边好像叫做Intro to Big Data，听课名就知道是个入门课程。会教MapReduce、Spark、SQL、基础的Data Mining算法。每周一个lab，要在NYU的HPC集群上完成，所以你还会学到Linux shell和cmd的技能。适合没有Big Data背景的同学入门，大project是对一个数据集进行分析、聚合和可视化，并尝试挖掘一些有趣的insight。很适合当做投Data Engineer的敲门砖（当然仅这一个项目还不够）。
需要注意的是，请认准Juliana。有一学期是她老公Claudio任教，就比较放任，我下半学期成为了这门课的TA，基本沿用Juliana的作业和lab，打分什么的全靠TA。final project也是让我在前一个学期的project requirement基础上半天修改好的。。。
中规中矩的课程：
Callahan 的 Algorithm
不知道卡拉翰还会不会继续教这门课，但是如果想水A，请认准卡拉翰。算法课是Tandon的必修，找对老师很重要。身边很多同学选错了老师导致这门课成绩很差，运气不好的甚至丢了奖学金。
Tomas的Computer Networking
这门课吧，其实是基础课程，建议本科对计算机网络掌握不好的同学选一选。虽然以后工作不会直接用到，但是这毕竟是金字塔的底座呀。选这门课建议上课前自习好教材，否则去听课会被Tomas跳跃的讲课方式带飞（literally）
但是如果预习过了再去听，能发现Tomas会讲很多教材和课件上解释不清楚的通信过程和协议细节，这时候就能知道Tomas的厉害了。
这门课课业压力不大，作业主要是理论知识的考察。
Leung 的 Neural Networking
本来不想选的，但是听室友说这是大热的Deep Learning的基础。。于是就选了。
听下来觉得，除了Perceptron、BackPropagation和regularization，其他的好像有点边缘化？
课业压力一般，每周都会写代码实现一类神经网络。这门课主要靠期中期末考试拉分，我就载在期中考试，拿了唯一的一个A- 哎我的4.0
==========================
建议选课的时候聪明一点，讲究策略。
第一学期要找实习，如果题没刷好，就选点压力小的课。第二学期再冲刺硬课，补充简历上的项目。
第三学期要找工作，除非已有保底offer，否则不建议作死。我在这学期选了ML+NN+WSE，再加上高峰期两周十来个phone interview，感觉自己就要狗带。。
==========================
最后扯点别的，现在已经2018年了，依然会看到有帖子评论说Tandon和NYU是两个概念、HR分得清Poly和NYU。。
依我个人的体会，人家根本没在care。。谷歌和FB面试根本不会问你学院，我去FB实习onsite的时候一水CMU，UIUC，Yale，BU，哥大，个位数Berkeley，面试名单上也只会写NYU（是的我偷看到了）。
大家都说只认名校和高GPA的Oracle也来Career fair还给发offer了。
但平心而论我觉得Tandon还是略水，整体比不上Courant那确实是不用怀疑的，甚至可以说师资、课程深度难度和作业量上都差了一截。真想好好学知识还是得看运气能不能碰上好教授。
好消息是近几个学期Tandon引进了不少新教授，很多也同时在Courant和CDS任职。毕竟有资本投入，长期来看还是在走上坡路。
无论如何毕业了，祝Tandon越来越好。
1point3acres.com
当年入学时候地里没多少课程介绍选课全靠RP，现在的同学真是太幸福了
强烈推荐课：
Torsten的Database System
从基本关系代数讲起，到SQL语句，到ER schema和范式，到存储模型和实现。建议所有想搞后台开发的同学都选，内容扎实课业量大，绝对对得起学费。
Brain Langel的Intro to Java
我做了这门课的TA，非常推荐。虽然是教编程语言的课，但不是简单的教语法，教授会讲到Java语言的特性和tricky易出错的使用场景。同时涵盖泛型、Collections、I/O、多线程及Java8，非常适合转专业同学或想学习Java技术栈的同学。无论之前Java什么水平，都能在这门课学习到新的观点和知识。作业在Github上通过pull request提交，TA进行code review之后教授会再review一次。等于除了Java语言，你还学会了Git的流程和开源社区的提交方式，很赚。作业分普遍不高，主要靠期中期末考试拉分。如果觉得作业分数太低，也请不要diss TA或教授，大家都不容易 ：）
Lisa的Machine Learning
我做了这门课的TA，比较推荐作为机器学习的入门课程。Lisa讲的很细致，也很负责，基本的机器学习算法会掰开来讲。缺点是稍微有点跳，而且机器学习理论部分太多一个学期有点讲不完的感觉。这门课偏理论，作业主要是考察对算法和原理的掌握，偶尔要求实现一个小算法。所以适合当做打基础的入门课程，但不太可能弄成简历上的机器学习project。
Torsten的Web Search Engine
这门课要GPA3.5以上才能选，是不是听到这个要求就有点跃跃欲试？我就这么选了这门课。。这门课只能在第二年的第一个学期选，所以像cq大佬所说的，不建议在找工作的同学选。除非你想感受被虐的滋味，像天真的我一样 :)
这门课特点就是一直写代码，从头写到尾。课程结束前可以实现page rank算法，和做出一个小型的搜索引擎（是真的！），可以写到简历上有木有！但是等搜索引擎写出来的时候，基本秋招已经结束了吧 呵呵。
但还是很推荐，我感觉是上过的课里压力最大的一门了。
充实简历项目：
Sambit 的 Cloud Computing
这门课比较水，但课程project可以写到简历。我之前全职做过云计算相关的工作，本抱着“深入学习”的心态来，无奈失望而去。课程会涉及OpenStack、docker的云计算topic，还有大数据MapReduce、Spark的东西。总的来说内容比较杂，每周要求看一篇paper倒是不错。作业会用到很多AWS，project是万年不变的Twitter数据放到Google Map可视化 + sentiment分析。基本全靠调用API，不用自己写很多代。但用到的技术很多，除了之前提到的这些，还有ElasticSearch等等等等。所以很适合写简历里。
Juliana 的 Big Data Analytics
我选这课的时候，这是和CDS一起上的课程，在那边好像叫做Intro to Big Data，听课名就知道是个入门课程。会教MapReduce、Spark、SQL、基础的Data Mining算法。每周一个lab，要在NYU的HPC集群上完成，所以你还会学到Linux shell和cmd的技能。适合没有Big Data背景的同学入门，大project是对一个数据集进行分析、聚合和可视化，并尝试挖掘一些有趣的insight。很适合当做投Data Engineer的敲门砖（当然仅这一个项目还不够）。
需要注意的是，请认准Juliana。有一学期是她老公Claudio任教，就比较放任，我下半学期成为了这门课的TA，基本沿用Juliana的作业和lab，打分什么的全靠TA。final project也是让我在前一个学期的project requirement基础上半天修改好的。。。
中规中矩的课程：
Callahan 的 Algorithm
不知道卡拉翰还会不会继续教这门课，但是如果想水A，请认准卡拉翰。算法课是Tandon的必修，找对老师很重要。身边很多同学选错了老师导致这门课成绩很差，运气不好的甚至丢了奖学金。
Tomas的Computer Networking
这门课吧，其实是基础课程，建议本科对计算机网络掌握不好的同学选一选。虽然以后工作不会直接用到，但是这毕竟是金字塔的底座呀。选这门课建议上课前自习好教材，否则去听课会被Tomas跳跃的讲课方式带飞（literally）
但是如果预习过了再去听，能发现Tomas会讲很多教材和课件上解释不清楚的通信过程和协议细节，这时候就能知道Tomas的厉害了。
这门课课业压力不大，作业主要是理论知识的考察。
Leung 的 Neural Networking
本来不想选的，但是听室友说这是大热的Deep Learning的基础。。于是就选了。
听下来觉得，除了Perceptron、BackPropagation和regularization，其他的好像有点边缘化？
课业压力一般，每周都会写代码实现一类神经网络。这门课主要靠期中期末考试拉分，我就载在期中考试，拿了唯一的一个A- 哎我的4.0
==========================
建议选课的时候聪明一点，讲究策略。
第一学期要找实习，如果题没刷好，就选点压力小的课。第二学期再冲刺硬课，补充简历上的项目。
第三学期要找工作，除非已有保底offer，否则不建议作死。我在这学期选了ML+NN+WSE，再加上高峰期两周十来个phone interview，感觉自己就要狗带。。
==========================
最后扯点别的，现在已经2018年了，依然会看到有帖子评论说Tandon和NYU是两个概念、HR分得清Poly和NYU。。
依我个人的体会，人家根本没在care。。谷歌和FB面试根本不会问你学院，我去FB实习onsite的时候一水CMU，UIUC，Yale，BU，哥大，个位数Berkeley，面试名单上也只会写NYU（是的我偷看到了）。
大家都说只认名校和高GPA的Oracle也来Career fair还给发offer了。
但平心而论我觉得Tandon还是略水，整体比不上Courant那确实是不用怀疑的，甚至可以说师资、课程深度难度和作业量上都差了一截。真想好好学知识还是得看运气能不能碰上好教授。
好消息是近几个学期Tandon引进了不少新教授，很多也同时在Courant和CDS任职。毕竟有资本投入，长期来看还是在走上坡路。
无论如何毕业了，祝Tandon越来越好。
