求助！UMiami MSBA 半奖/WUSTL MSA Fintech选校建议

shyyy

今早收到了WUSTL waitlist 转正录取邮件，很惊喜。这个申请季对我来说很艰难，只收到了一个Miami的offer。
因为GRE一直考不出来，我一月才开始申请，死磕BA而今年BA异常激励。






优劣分析

Miami MSBA


Miami虽然名气不如WUSTL，但是在申请的过程中我对它非常有好感，专业的教授很热情，一直在群内发就业情况，实习机会，BA资源很多，也不断在挖人来专业当老师(和大家都混熟了hhhh，同学们也很可爱）

优点：
1、非常优秀的就业帮助，自从录取了，老师展示了很多就业方面的资源。如果去了不说保证能找到工作，但是至少比WUSTL大。学校保证50%中国学生比例，总人数较少，算是小班教学，感觉资源很多，和德勤的合作很吸引人，频繁的高管讲座和招聘会
2、地理位置优秀，Miami还是比较繁华的，大小公司也很多，而且那里只有UM一个不错的学校，就业可能性又增加了。阳光沙滩比基尼还是有点点期待的hhh
3、课程设置很Tech，编程课程很多，从学长学姐就业来看，毕业可以做偏编程的工作了，很实用
4、拿到奖学金了，学费比较便宜，时间短那么生活费也少一点

缺点：
1、时间只有十个月，非常怀疑课程能不能消化
2、名气是硬伤，UM的排名在40开外了，除了本地其他地方都不太出名，回国更是不用说了

WUSTL MSA Fintech


优点：
1、学校与商学院的排名，综排全美19，商学院2018年是21，大大的满足了我的名校情结！！！今年好像有些下降，但是，whatever，比UM高。如果毕业直接回国还是一个不错的选择
2、课程也是实打实的，金融比重比较大，但是对我来说没关系，因为本科学的也不多；编程课程较少，但是另一方面学起来压力小一些


缺点：
1、地理位置是硬伤，一个小村村，十八个月就待在那里安心学习吧.....
2、扩招了，那么每个人的资源会很少吧，之前的就业记录不一定能保证，不知道课程质量如何
3、就业很艰难，当地大公司不多，relocate应该是不可能的，想拿到美国就业经验的可能性很小
4、贵！！八万多的学费+18个月的生活费，如果只为了名气但是毕业赚不回来怎么办，有点担心


请大家帮忙选校，给一些建议
然后，求一个WUSTL BA的群，想要找组织，或者有认识的学长学姐可以介绍一下吗，想了解更多的信息，谢谢大家！！


防沉附上BG
bg:
普通211 GPA 3.78 认证后 3.8
T 103  G 329+4
一段投资公司实习、一段券商研究所实习
在校有一个研究项目
学校乐团4年末
各类竞赛、志愿

戴戴123

去wustl吧，既然去美国就去个名气大的啊，不要考虑那么多别的

shyyy

希望大家投票之后也说一些自己的看法哈，太迷茫了

RKANG6

楼主的分析已经很到位了，我再稍微补充一点点，个人意见仅供参考哈！首先如果毕业后打算回国，十个月的研究生项目在找工作时没有优势，毕竟中国绝大部分研究生项目都是两年至三年，十个月真的很难学透相关知识，尤其是Umiami的MSBA课程设置非常tech。其次Miami的物价比较高（之前去旅行过，感觉吃吃喝喝都好贵）至于wustl的优缺点就很明显了，据我所知这一届录取的好多学生都有这些方面的担忧，尤其是扩招导致的资源不足，即使校方承诺资源不会变少，但竞争更加激烈是必然的。而且wustl这个项目几乎是被中国人占领了，中国人多，有利有弊取决于楼主未来想怎样发展。结合楼主之前总结的对比，我个人觉得wustl好一点点，嗯，一点点
最后求一个wustl的微信群...如果楼主已经有群了拜托拉我进去微信号：krs13578783543

LYNN_G

建议楼主去wustl，至少以后回国学校会被认可，并且项目时间长，还能有时间适应。miami项目也没有多硬核，排名还一般，不推荐，他和usf msds很像，都是排名一般的学校，但是usf msds项目很硬，所以才会有很多同学申，但是miami还远远没有做到舍弃wustl的实力。

francoise1211

天呐我的情况和想法简直和你一模一样（看我的贴子），求加微信y1025928551

asfasdfsaf

迈阿密MSBA刚毕业. 项目本身是比较注重实际应用的, 也会考虑到不同同学个人的实际接受能力,
所以如果是难的课一般考试会稍稍降低难度, 学习内容并没有减少多少. 再说说我们具体学了什么课吧,
主要分三个方面, 统计理论和模型, 编程(主要涉及machine learning的package), 商科课程(比如marketing, supply chain,
还有一门必修的做presentation和写writing的课).

统计理论的课, 一开始是比较初阶的linear analysis, 主要是讲
怎么基于model做inference, 线性回归在面试里以及实际应用中比较广泛,因为简单好解释, 所以这门课虽然是初级课,但是应用
会比较广, 毕竟不是所有人都懂bagging, boosting或者deep learning的.

后面又会上machine learning这个课也有两个层次,
你可以选择高阶课, 也可以选择普通课, 主要涉及模型的理论基础和怎么应用模型, 比如线性结构的模型, 又比如树结构的模型,
他们的优缺点, loss function是什么, 基于什么假设, 都会涉及一些,并且会开设一个in class kaggle竞赛(高阶课里是直接参与kaggle竞赛, 区别是数据是教授给的还是kaggle host给的还有data size),
我们这一次比赛的data是imbalanced, 所以怎么处理imbalanced data, 怎么做data preprocessing, 比如PCA, normalization, train test split, 具体怎么做classification, 怎么调参, 大家到最后都会明白一些,
同时这个项目是可以写进简历里面试的时候说的. 高阶课里还会涉及一些推荐系统和神经网络的内容, 有兴趣是可以和教授探讨的, 考试里可能不做要求, 毕竟一个BA的课程里讲推荐系统确实要求有点高了.

再后面是讲神经网络, 自然语言处理(NLP), 图像处理, 以及时间序列. 神经网络这门课除了必修的一门课, 还可以专门选修CS系的一门课的, 两门课用的包不一样, 一门课主要用keras, 另外一门是用pytorch,
如果对神经网络有兴趣的话, 并且想深学的话, 建议学一下CS系的那门课, 因为pytorch对于神经网络的运用更灵活一些, keras比较简单容易上手但是customization这方面很差. 时间序列这门课, 老师人很
nice, 并且教的很认真, 是个大美女.(真的不吹牛)

哦! 对了, 统计课最开始是有一门boot camp, 主要讲一些基础统计理论, 比如最大似然数(这个东西就和后面model的loss function联系起来了), 期望的积分公式, 矩阵, cdf, pdf,
贝叶斯理论, 高斯分布, 泊松分布, Chi-Square这些, 会大略讲一下这些分布都什么性质, 有什么用处, 还有一大堆学了很快就会忘的东西. (这门课只有两个礼拜,算是为了没有基础的同学打下基础用的,也分两个level, 可以选简单的也可以选难的).  还有一门必修的optimization的课, 讲的是怎么找到最优解, 这门课也很有意思, 因为大致是拿来写最优化方程的, 具体要做optimization的话得用到电脑但是这门课算是一个理论课最多是用matlab做一下简单的实现. 当然这不代表考试的时候不用计算只用写个方程就是了, 还挺麻烦的.

编程课除了R, SQL, tableau, 其他都是选修. 我们大多数课是基于R, R的话会教你怎么做可视化, 主要涉及的包是ggplot, 一个map的package(具体我也忘记了), 还有更advanced是用shinny app做, 做成一个网站一样的东西当最后的project, 还有之前说的建模, time series, data pre-processing, data cleaning这些都会用R涉及一些. (我平时主要用Python, 所以R的课上的不是很细, 有点反其道而行) SQL的话会讲到一些query, 但是对于数据库的搭建这方面是不会涉及的, 另外怎么做优化运算, 怎么考虑时间复杂度和空间复杂度, 不会涉及. (大部分是BA岗的日常要求, 总不能指望一个analyst去抢data engineer的饭碗吧) Tableau算是比较fancy的软件了, 做可视化很好用也很方便, 最后会有一个project是关于tableau的, 这个软件其实上手比较快, 所以是和SQL一起上的.

再讲讲Python吧, 我们python的教授比较, 怎么说呢, 比较严厉吧, 要求也很高. 我们上python那会儿, 只简单讲了一下list, 他就拿一个公司面试题给我们写, 当时是很崩溃的. 后面更惨绝人寰, 给了一个project, 要
自己做一个餐馆的menu, 基本要求是能够点单, 删除, 计算, 算小费, 退出点单系统之类的. (那会儿刚接触编程, 半夜写代码很愁, 而且这个课是只有6个礼拜的, 东西讲的有点快) 我们最后一个project是最最
难的, 用oop模拟社交关系, 还有很多忘记了, 记得那个project有20-30道题目, 最后是没人能做完. 不过现在好像换教授了(可能被举报太难了?), 下一届可能不会那么难了. 虽然很辛苦, 但是还是觉得学到很多python的基础知识的.

然后是Spark, 我们也上Spark的. Spark是基于RDD做运算的一个框架, 主要是拿来做分布式运算的(简单点讲就是让我处理数据的速度更快). 这个课就和大数据直接相关了, 因为数据量不大, 一般可能用不到
Spark做运算. 老师讲课一般, 但是该涉及到的内容都会涉及, 主要是数据处理, 模型训练, 会讲到流处理的应用(这个比较advanced了), 当然还有之前讲到的自然语言这些. 这个课之后好像会改成选修课, 因为BA或者DA
用到Spark的不多, DS会用到比较多.

商科课程里最先说说必修的critical thinking, 这门课对陆本的同学很重要, 因为有很多机会锻炼口语, 写作以及怎么做presentation. 我觉得这门课是很良心的, 教授都有很多的这方面的经验,
同时会给同学一些实际的case, 自己表达自己的观点. 其次是supply chain, 很多公司来招聘都是招的supply chain analyst, 这门课的老师其中之一是麦肯锡的senior partner, 还有一位印度老师, 两个人讲的都很生动,
会教很多现实里的case, 作业极难, 而且很多要自己去网上找资料, 还会教怎么用python 做supply chain的simulation, 他们这种教法难是很难, 但是对于自主思考这方面给了充足的空间, 以后如果是在面试中, 可以提到一些
课里的内容会有很大的帮助. Marketing没上过, 不过据说也比较麻烦. 还有人上过financial analysis, 那个好像需要之前是accounting major或者上过相关课程的同学才可以上, 没机会上到.

除了之前讲的三大类, 还会有一个和当地公司合作的capstone. 对于这个capstone, 褒贬不一, 有些公司会认真对待, 有些公司可能就不是很care, 所以capstone的质量如何, 还得看分到什么公司. (也有些公司可以把你的capstone转成intern, 这样做的好处是你相当于多了一段美国intern的经历, 在之后找工作的时候好处很多) 最后capstone是要给公司高层做演讲的, 我们天去做presentation来了一个vice president, 大概有10来个人不同部门的人来, 还挺好玩的.

具体来说UM的课tech不tech其实得看你选的是什么课了, 如果想选难得课, 是可以用Elective的课去换非常tech的课, 但是这毕竟是一个以BA为主的项目, 项目虽然能在一定程度上提供flexibility同时给出难易两种课程, 照顾到不同背景的同学, 也不能把所有DS的内容都在照搬到BA的项目里去, 大致的教学方式是以实用为主, 公司对BA岗位的要求为主, 以同学们能力背景为主.
据说下一届好像有DS track, 而且时间是一年半, 不是很确定, 真的有想学非常tech的课的想法, 走这条路试一试.


最后再讲一讲找工作的优势吧! 项目找工作的亮点在于, 凡是找到学校里, 希望通过项目找到几个analyst的公司, 他们最后都会招走几个人.
也就是说, 你的竞争者只在这个项目里面, 而不是其他学校其他地方的人. 这样大大加大了被选到interview的几率. 在美国这边, 开始找工作
投简历, 很多时候是没有回应的, 除非简历十分好看. 而UM的MSBA项目, 真的是很认真的在拉公司来做presentation以及询问是否有工作
岗位空缺的.

乌龟兔子小皮球

kk

mtlife

看一下！               

yssis

顶楼主！               

杀G750

看一下！

戴戴123

看看

番茄锅的鸭爪

看一下！               

哈登mvp

看一下！