►前言：
作为全美最早一批开设的DS项目之一，并被称为找工神级项目的西北MSiA，自2013年创办以来，多年来一直保持着40人左右的class size，最近也正式从MS in Analytics更名为MS in Data Science & Machine Learning。凭借和业界紧密接轨的课程设置和高就业率，成为十分热门的Tier 1数据科学项目之一。今天就由Sophia导师带着大家，深度了解一下这个项目的求职攻略吧~
►本文内容概览：
☑️项目介绍
☑️就业数据
☑️求职时间轴
☑️求职体验&服务
►项目介绍：
MSiA(现MS DSML)项目时长为15个月，一共分为4个quarter授课和暑期实习。每个quarter workload为4-5节课，其中包含一段贯穿前3个quarter的practicum和最后一个quarter的capstone，均为和业内公司合作，其中合作公司的industry包含但不限于healthcare, finance, consulting, tech等。项目class size每届在40个人左右，因为class size小，cohort之间同学的联系比较紧密，大家在学业和求职上也会互相帮助，教授对每个学生的关注度也会相对比较高，紧密的项目内关系是MSiA的一大特色。
项目的课程设置比较固定，前三个quarter均为必修课，最后一个quarter会根据学生意见提供2-3门选修课。官方课表如下：
课程涵盖的内容比较全面，基本包含了DS/DA需要的大部分必须知识和技能，比如基本的统计和概率，ML和DL的理论和实践，Data Visualizationhui使用到的各种软件和package，Data Mining, NLP, 数据库，以及现在业内广泛运用的云端和AWS的应用。课程涉及的编程语言有Python，SQL和基础的Java。大部分的学生在本科都有一定的编程基础，但没有基础的同学也能通过课程加上刷题做到比较熟练的掌握Python和SQL。
个人觉得对于面试比较有用的课为Predictive Analytics和Database，基本涵盖了DS面试中比较经常碰到的ML和SQL部分。而对于实习和全职工作比较有用的几门课为Analytic Value Chain(现改名为Cloud Engineering for Data Science) 和Analytics for Big Data，我的实习和全职工作中做的project很多都涉及到在这两门课中学到的知识。
每年提供的选修课都会有所变化，因为最后一个quarter面临找全职，需要比较多的时间准备面试，建议可以上一些workload相对较小的选修课，比如Optimization和Social Network都是不错的的选择。
►就业数据：
作为找工神级项目，MSiA的就业数据还是很可观的，即使是在我们这届市场很低迷的情况下，整个program也都有不错的job placement。官方数据来以class of 2022为例，大家实习的公司有Big tech，例如Meta, Amazon, Uber, PayPal；也有传统行业像ABC Supply，Grainger等；industry也是十分的广泛。全职的数据显示，毕业3个月内拿到全职offer的比例也达到了100%，工资中位数更是达到了$122,000，其中29%的人拿到了signing bonus。
►求职时间轴：
项目内的求职氛围十分的浓厚，找实习一般从刚入学的9月开始大家就会开始陆续投递简历。金融、投行和咨询的求职开始的比较早，一般在入学前的7-8月就已经开放申请；tech一般在开学的9-10月会放出第二年暑假实习的岗位；传统行业的公司和一些local小公司一般会在年底或者第二年的1-4月左右放出岗位。
面试的时间线会比较长，从9月到第二年的5月都有可能，所以一定要稳住心态，千万不能放弃。建议尽早开始关注和投递自己理想的岗位，投递之前也可以搜索LinkedIn看看有没有往届的学长学姐或者校友在这个公司工作，可以尝试和他们约个Coffee Chat，大部分人都十分愿意提供referral。
找全职的时间轴也是从毕业前的那个暑假8月-9月开始，如果在暑假实习中感觉自己对这个industry并不是很感兴趣，或者不是很有把握能拿到return offer，建议尽早开始recruit全职，因为全职的面试一般会比实习更多轮，时间线也会拉得比较长。而且项目是12月初毕业，一般不能延迟毕业，OPT最晚开始的日期为2月初，所以最后一个quarter求职的压力还是比较大，尽早开始会有更多选择的余地。
►求职体验&服务：
求职服务上，如果可以充分利用MSiA提供的资源，还是可以收获不少有用的信息和帮助：
1. 作为MSiA的学生不仅可以参加Engineering School的Career fair, program还会提供2次仅向项目内学生开放的in-person career fair。项目内部的career fair通常会有MSiA alumni来recruit，是个很好的networking的机会，通常拿到面试的机会也比较大。
2. Practicum和Capstone project合作的公司也是一大资源，如果在完成project的过程中和客户建立了不错的connection并且有个比较满意的成果，不少客户公司也会抛出橄榄枝，邀请你面试，这些公司也会倾向于招已经合作过的学生。
3. 除此之外，我觉得最有用的其实是同学之间的互相帮助，因为class size小，大家都很close，而且求职方向也比较统一，大多数为DS/DA岗，少数MLE/SDE/BA/BIE岗，不少同学会互相mock interview和共享资料准备面试，并且每个刚入学的同学都会和上一届的学长学姐进行mentor-mentee的匹配，mentor们都会尽量给予修改简历和面试准备上的帮助。
4. 充分利用Alumni的资源也能在一定程度上帮助自己更大可能的拿到面试。在项目官网上有每一届学长学姐就职的公司和职位，很多多年前毕业的Alumni已经是各个公司的DS Lead或者manager了，就我个人经验而言，每次在LinkedIn上和他们connect，他们都很热情，也愿意给予帮助。
5. 项目负责人也会经常在Slack里分享job post和一些有用的面试资料。也会邀请一些公司来进行info session，比如Google, TransUnion等。
关于我个人的求职体验，fall quarter的课程难度和workload都比较合理，能和求职并行，但winter和spring的作业量比较大，特别是spring quarter。整个求职过程会比较push，因为会有peer pressure，身边会有同学不断的上岸，但这也会成为一种正向的压力，需要自己能稳住心态，按自己的节奏保持刷题、投递简历和准备面试。整个过程同学和老师都十分supportive，特别是在准备case/product interview时互相mock，给了我很大的帮助。利用好项目内program和公司的connection，和alumni的connection以及和同学间的connection都会让求职少走弯路。