lz目前在UCD就读MSBA项目。申请时的BG：211会计本 3.77 110+ 330+ 4实习（金融 四大咨询 BAT） Ivy League交换 先修课满足就读期间在兼职Graduate Student Analyst，主要负责协助admission和career方面统筹和analytic方面工作。
申明：发这篇文章是以一个客观公正的角度，分享一下干货。在选择项目之前，大家对项目了解越深入，越有利于作出更适合自己的选择。
本文如标题所言，主要分成四个板块
简介：lz个人的选校理由以及就读后的general介绍
在读体验：主要是项目的课程以及大家最关心的practicum
就业信息：主要是学生就业情况介绍以及学校提供的资源介绍
Q&A：若是大家还有其他疑问，欢迎在下方留言，lz有时间会回复！
简介
UCD项目优势主要是有：
旧金山 SF 的地理位置：UCD MSBA校区在旧金山。全美BA/DS岗位还是湾区多，不用relocate，毕业后大家也基本上都在这边工作，毕业后联系也更紧密。学校校友network很好，校友很多都在Amazon, Meta, Google, Tesla, PayPal。
由浅入深：Mehul宝藏教授打基础很扎实，统计知识从零基础开始教到及其深入。以及最有用的SQL，把他的作业做完，基本上就感觉整个通了，刷leetcode轻松很多。
项目设置偏tech，也稳扎稳打：就读半年下来，感觉项目十分扎实，从基础统计tests到regression，时间序列预测模型。一直到各种ML的technique，包括Random Forest和Neural Networks。数理基础打得非常扎实，而且只要你认真学，本科不是统计或者工科都能学的很好。
Practicum：基本从silicon valley的startup，公益组织和独角兽公司都有。practicum贯穿始终，相当于直接增加一段在美工作经历。虽然不算实习，但是相比起其他有的项目capstone project（项目结束才开始，大家那个时候都差不多找到工作了了）的作用，真的有用太多。而且大家能体会实际的analytical工作环境是怎样的，这些在recruiter眼中都是很宝贵的。
项目在读体验这一part主要是分quarter来介绍我的就读体验。
学校官方把课程分为3+1类：Business, Data/Computing, Analytics + Practicum。课程的确设计的很tech，也收到过业界的认可。项目一共分成4个quarter。
学校的教授分成学术型和业界型。学术型教授主要教授和stats相关的课，业界教授主要是教授一些实用性课程。
Practicum从Fall学期，9月份就开始。因为个人分配到的项目不一样而不同，我放最后统一介绍。
Summer：【Analytics】400 Foundation：主要是把统计学基础过一遍，为后面作准备。如果本科是学统计的，会觉得很轻松，但是如果学的是数学三，而且没学过计量经济学，这门课还是需要多多努力的。Mehul老师教的非常好，而且是保姆级别教学， 不仅ppt详细，上课绝对会照顾到所有人，没有听的很明白的，有问必答。下课作业特别多，基本上每次R代码800行+，不过他会发sample码，所以也是保姆级教学。有一个Tesla的校友说，他现在办公的时候，旁边还会摆着Mehul的教案，经常去复习。
Fall：【Business】401 Information, Insights, and Impact：主要是把Data相关最热门的topic，以及interview中经常考察的，比较宏观层面过一遍。比如multi-arm bandit，做recommendation engine之类的。作业是小组用sample data把学到的理论实操一次。Ashwin是项目Academic Director，非常学术，也有很多业界资源，会给我门分享一些他自己做研究的结果，是一个很博学的教授。
【Data/Computing】421 Data Management ：Mehul的SQL课，可以说是SQL宝典。一开始都觉得简单，越到后面越难，后期作业难度直逼LC的Hard。不过期末较温柔，不用很担心。
【Data/Computing】431 Data Visualizationt：由目前在Salesforce任职Senior Director的Mak教授。主要是教Tableau，为拿certificate作准备。Python里面常用的包比如seaborn也会提到。
【Analytics】441 Statistical Reasoning and Exploration：也是Mehul老师教。熟悉的配方，熟悉的味道。不同的是更高的难度，以及深度。这门课主要是从400打好统计学基础之后，把回归分析，各种回归分析吃透。从ANOVA到回归，再到发现以及解决model的各种问题，如果选择model，transform variable等等。非常扎实的一门课。
Winter（正在进行）：【Business】402 Organizational Issues in Implementing Analytics：可以说是整个项目最商的一门课。主要是讲组织数字化转型的一些问题。但是很有趣。LZ本科学商科，知道有的管理学课有多么无聊。Gina的课真的可以说让人眼前一亮，非常有意思。
【Data/Computing】422 Data Design and Representation：由Jorn老师讲授，主要是unstructured data的获取和处理，会把爬虫的方方面面都讲到，从大家熟知的beautiful soup到更高级的selenium，对网页的结构和知识讲解很深入。以及用mongodb处理unstructured data
【Analytics】452 Machine Learning：也是Jorn老师讲授，ML知识全覆盖。可以感受到课程设置很递进，会从回归开始到各种算法，最后到随机森林和神经网络。
【Analytics】442 Advanced Statistics + 493 Topics in Business Analytics：两门都是Prasad的课，因为学时超了，所以拆成了两门，一门主要是讲更高阶的统计，以及应用。比如如何用PCA降维，应用到市场分析，画brand map。另一门主要是时间序列，讲如何预测波动的市场。Prasad是学术大佬，发过相关领域不少权威paper，很有自己的方法，目前industry种最常用的一些technique也是他研究的。也是非常厉害的学术型教授。
（Spring还没开始）
Practicum（贯穿始终）：目的：和客户合作，帮忙解决实际analytics相关business problem。
部分公司介绍：各个方面的项目都有，比如金融研报数据公司BlueMatrix，飞行员公益慈善组织Angle Filght West，小额贷款公司Kiva，数字化表演艺术中心Mondavi，新能源汽车充电公司ChargePoint，著名大型服饰公司American Eagle等等。
如何选择：大家凭喜好和方向选择自己最想进入的几个项目，然后用算法匹配队伍，最大化happiness程度，并且保证组内人员的能力平衡。一组5-6人，基本上会有2个以及以上工作经历丰富或者硬核的大佬来带。
项目指导：主要是Sanjay和John两位老师作为Coach，还有一个CS方向的TA也可以约tutorial session。Sanjay老师经验丰富，之前做过consulting，也开过自己的公司。可以说是大家又怕又爱的老师，因为他说话一针见血，不留情面。但是在外人面前，Sanjay很护短。John老师和蔼可亲，同时也十分聪明，看问题很透彻，能在提供好建议的同时让人如沐春风。
因为很多项目都签了Non-Disclosure Agreement，无法说的很详细，希望大家不要介意。
就业信息就业资源：
学校每个学校都有很多workshop，系统性地指导改简历，behavior和tech interview。还会有校友和业界大佬来介绍一些industry knowledge。
1V1和小组的session则主要由经验丰富的Amy和Shachi来指导简历修改和behavior interview指导。Amy她们会不停的放slot出来，每周都可以约聊。
学校还有一个resume book，放学生所有的resume，给hiring manager。
就业数据：学校每年的数据都是90%以上。项目包括国际生在内的就业基本上都在美国。因为基本就业都在湾区，平均薪资每年都是100k+（Base+Bonus）
公司：
官方就业数据传送门：https://gsm.ucdavis.edu/master-science-business-analytics/your-career
项目Q&A：
欢迎大家在下方留言，LZ有时间就统一回复一批啦～
京公网安备11010202008513号 京ICP证101109号 京ICP备12012021号
发表于 2022-2-23 16:09:35
收藏
收藏
楼主
