最高百万美刀年薪！揭秘23fall DS择校宝典，毕业就抢Data大佬工作！

地理位置对于data science很重要的。因为你需要去争取实习机会，有实习和没有实习对未来的求职影响是非常大的。

有实习的话你不仅可以增加一些实习经历，还会有机会获得return offer。如果申请的学校比较偏，是小城市的话，会对找实习有一些影响。

工业界的学校排名其实就是校友圈效应，recruiter会默认周围的同事主要是来自于哪些学校。在面试过程当中，如果有学生来自这些学校，就会有一些莫名的好感，在面试的时候就会有一些倾向。第1点中的学校list其实就是一个校友圈效益。

美国＞英国＞欧洲部分国家＞亚洲部分国家地区

通常就是12个月到24个月。

最主要的是看这个program支不支持你去申请实习，中间有没有留时间给你去实习，如果有的话，项目长度就不太重要了。

如果是有一些program它中间不太支持你去申请intern的话，大家可以把它priority放低一些。因为data相关的master program最好是有一些实习经历。

师资力量对申请PhD的同学更重要一些。

对于master也要看一些师资力量，有三点需要考虑：

第一，老师讲的内容是和工业界非常匹配的，或者是跟工业界目前最火的topic匹配。

第二，很多老师既在学校里面任职也在工业界任职的。比如Bellman老师的一个同事，他之前是Harvard的一个professor，同时也担任scientist。后期他回到了工业界，因为他发现只有工业界才有可能做出最有影响力的一些AI model，通用人工智能系统是在工业界产生的，而不是在学术界产生的，所以他从学术界离开，全职做research scientist。

所以同学们要注意，如果你申请的这个program上课的老师，他如果既在工业界任职，也在学校任职的话，一定多跟这些老师沟通。如果他的项目需要intern，或者内推，他第一个考虑的就是你。因为老师会更倾向于招自己的学生。面试几个小时很难真正去评估这个面试者怎么样，但是是自己学生的话就非常了解。

最近国际的局势比较动荡，选择学校的时候安全也是需要考虑的，大家根据自己的情况去排这些择校的优先级。

这一条是指看这个项目他能够教你什么，你能学会哪些技能。

最近两年industry的data science方向，主要关键词包含：Machine Learning，NLP，Timeseries， Forecasting，Deep Learning，probability，Big data。

打开课程匹配上文提到的工业界看重的关键词Machine Learning，NLP，Timeseries， Forecasting，Deep Learning，probability，Big data。

这个课程里包含了probability、big data、deep learning，NLP等重要的关键词。

其中machine learning ，probability，big data， deep learning出现频率高，课程内容没有问题。

判断课程质量需要对NLP硬核知识有一定了解，

我们可以看出课程的内容比较全面，大纲从数据的text表征开始讲，有一些比较简单的内容，比如ngram的方法，然后到中阶，高阶主要是transformer部分，这个部分并没有一个详细的课纲，所以应该只是简单讲一讲。

整个课程内容是比较全面的，并不是非常基础，也不是非常high leve，内容还是比较solid。

在这个项目我们可以看到它和industry之间是有一些关联的，它的program会用到工业界的数据，对大家是有帮助的。

而且这位老师的课程争取能学得好一些，这样子的话老师也会给大家提供更多的机会。