上一集中講完我是如何在大學四年中開始累積將近一年的軟體工程實習經驗的，這事就要來聊我的第二個實習 —— 一個在垃圾桶裡撿到的DocuSign實習機會。影片中提到我是如何找到它的，面試歷程，還有實習的工作內容跟學習心得～ 真的很感謝神給我這樣的故事可以分享給你們。
這次的內容：
1. 垃圾桶裡撿到實習機會的過程 How I found an Internship in a Spam folder 0:50
2. 垃圾桶中找到的實習經驗分享 How Awesome/Fun/Precious the Internship was 7:55
2.1 是誰把實習丟在垃圾桶裡 8:35
2.2 實習工作內容的正經事 9:05
2.3 吃喝玩樂不可少 11:00
2.4 比敲鍵盤更重要的事 12:35
2.3 人生中總是充滿意外 13:37
希望能幫助到要找工作或正在找實習的你！一起加油吧～
上一集還沒看的看這邊👇🏻👇🏻👇🏻
美國實習經驗分享 Part. 1 一年軟體工程實習經驗的開始 | The Start of My 1 Year Internship Experience
https://youtu.be/qdxulBz0kFA
#面試慘痛經驗 #jobhuntingishard
一定要看到影片最後面並且在「YouTube影片下方」按讚留言訂閱分享唷！
-
歡迎留言告訴我你的想法，或是你想認識的程式語言唷！
每（隔週）週四晚上9點更新，請記得開啟YouTube🔔通知！
-
【愛屋及烏】
Facebook 臉書粉專 👉 https://www.facebook.com/untyped/
Instagram 👉 https://www.instagram.com/untypedcoding/
合作邀約 👉 untypedcoding@gmail.com
-
Untyped 對啊我是工程師 - There are so many data types in the world of computer science, so are the people who write the code. We aim to UNTYPE the stereotype of engineers and of how coding is only for a certain type of people.
凱心琳: 一個喜歡電腦科學邏輯推理，在科技圈努力為性別平等奮鬥的工程師。
https://youtu.be/teoqlVHlV8o
data science工作內容 在 Re: [心得] NYU Data Science [Alum Update] - 看板studyabroad 的推薦與評價
換我接著來update，謝謝當年Chill人很好的回答了我的問題
有問題歡迎在下面留言，盡量不要私信我問題，一來是我信箱爆了，再來是我希望我的回
答，能幫助到所有的人，六月畢業前我會定期上來回答問題，之後就不知道什麼時候才會
再上ptt．另外，如果你有爬一畝三分的話，要自己辨識裡面的資訊，有時候只是他們從其
他人的回答推論，不見得是他們自己的體會或真實的情況．
我是2017入學，我們這屆有兩個台灣人，接下來一屆一個台灣人都沒有ＱＱ．系上七樓有
個世界地圖，每個人會把自己從哪來來貼上貼紙，韓國都有兩三個了，台灣一個貼紙都沒
有．
幾點總結這個program：
1. 結合了數學與碼model，專注在deep learning領域，培養data scientist
2. 每年都在擴招，但申請也越來越激烈．如果你想知道一些確切的數字，寫個信跟小蜜
要，她的工作就是回答你的問題
3. 有自己的phD program．我覺得這是個很強的signal，表示長遠來說，系上對自己還有
這個領域的未來很有信心，畢竟養phD短期都是賠錢，而且一養就是養4,5年
4. 寫而且幾乎只寫python，所有課都要寫，就算是上spark也是用上pyspark，建deep
learning就是用pytorch
[簡介DS]:
data science的工作廣義大致可以分成三種，
1. data analyst: 有時候會稱作BI，分析居多．最多工作缺．
2. data scientist: 做machine learning和deep learning，建model，有時偏
research，我自己會把machine learning engineer歸在這裡
3. data engineer: 涉略不深，有時候跟big data有關，也可以是SQL撈資料，
很看公司跟職位，建議讀CS
要注意的是，職位名字不能決定工作內容，有時候工作data scientist做的是data
analyst的事，每個公司給的titile跟工作內容不一樣
[CDS簡介-Center for Data Science]
2016大概80人，去年2017招了100人，這屆2018的full time大概招到130．每年穩定成長
，不知道什麼時候會爆炸．我剛來的時候系上有兩層樓，很多空房間可以進去自習，現在
都把空間給phD還有訪問學者，相對來說壓縮了原本master學生的空間．系上對學生另一
個好的地方是24hr你都可以自由進去系上的那兩層樓．相對來說courant cs就只把這種特
權留給他們的phD學生．你什麼時候想去自習都可以，包含暴風雪學校沒開，半夜看完百
老匯，2點想唸書，期中考學校圖書館爆滿(但是不代表系上那邊會有位置)，你都可以刷
你的學生證自由進出，整個CDS就是你家．
[課程]
我簡介一下必修：
第一學期有兩個必修，一個會教你數學工具像是probability等，這工具下學期上
machine learning會用到，另一個是Data Science101，當下覺得是廢課，但回首看這堂
課很重要也上得很好，會過一次terminology，對Data Science很多topic會有個簡單的了
解，如果覺得自己缺其他數學工具像是線性代數，可以去選選修，不會寫python可以上
python for Data Science補一下．一年級下學期會上machine learning，這是這個
program最核心的課也最好的課，另一門big data會教map reduce還有spark，上的東西非
常多，很快速的把知識點帶過．第三學期會有一門課capstone，這是集大成把你所學的，
應用做一個project．然而在最後post時，我發現所有的組都在做deep learning，沒有
machine learning，沒有big data，沒有data visualization等等．我覺得蠻失望的，其
實這領域還有很多議題跟方法可以探究，deep learning是現在的顯學．
我們自己開的課不多，每學期大概三到四堂，所有ds的學生都有優先權可以選，二年級的
先，再來是一年級，phD最後選但是優先權最高，會直接把其他人往後擠掉XD．每學期我
們自己開的課夠多，所以不會有沒有課能選的問題，但想不想上又是另一回事了．課絕大
多數都跟deep learning有關，集中在數學理論跟NLP上，如果對image有興趣要自己去CS
修課，但我看今年秋季課表有開image的課．
[教授]
如果你是phD，那我覺得這裡研究環境不錯，我想不需要跟你介紹Yann Lecun與
Kyunghyun Cho是誰．如果你是master有考慮想申phD，想找他們做研究，那你要給他們非
常好非常好的理由，因為全世界的學生都在找他們一起做研究．office hour外排隊的學
生很驚人，還有被他釘白版的回憶...．如果你覺得你來這裡念master可以幫助你比較順
利申請到我們自己的phD，我持保留態度，目前為止，我沒看到我們這一屆有人成功，前
幾屆有，我自己思考一下，可能我們這屆的人儘管非常聰明，但過去這兩年並不專注在
reseach上，在申phD跟找工作上比較搖擺不定，所以沒有比較強的研究結果．系上是有研
究風氣的，每個禮拜都有各式senimiar可以參加．星期四下午固定有nlp talk．
[程式]
我們寫python，也只寫python．沒有任何其他的語言(只有ㄧ門課用R做text，但是沒人想
選)或軟體(SAS)．一旦跟deep learning有關，我們就是用pytroch，我想跟韓法二人組在
facebook應該是有關．我被錄的時候本來就會一點python，如果不會系上有門課python
for data science，不是教你怎麼寫python，是教你ds有關的python怎麼用，例如pandas
，scikit learn，我蠻後悔沒有上，看起來像廢課，但其實“認真學”很有幫助，很多人
都把它當水課沒有認真上，其實python認真學起來是有很多知識要學的！自己是暑假大量
自學pandas,，scikit learn，但同一時間，同學早知道怎麼用了．如果想真的好好學會
python，你要自己去學．我自己是有興趣去多學，大部分的同學都是只要code work就好
，很多時候後不深究，其實對python的掌握度不是很高．但是掌握很高對Data Scientist
要幹嘛？對很多人來說鑽研python也不會幫助你的model accuracy上升，還不如對model
了解更透徹．
[選課自由]
你如果選不是elective清單上的課，需要得到系上核可．只要你能提出這課跟data
science與你的職業生涯有關，都會被核准，非常非常自由．例如，你可以去音樂系選課
或甚至選藝術的課，只要跟ds有關都可以．但是系上核准你可以選，不代表你選得上，選
不選得上是由對方的系決定．
[系上資源]
每個禮拜五，有些時候會是workshop，教你怎麼面試，怎麼用julia等等，大部分是
company infosession，公司來介紹他們自己並順便招intern或full-time．每個學期會有
一次比較大型的career fair，會有七八家公司來．這是系上用心的地方．但大多數人的
實習跟工作還是自己找的．有時候會寄open position的資訊還有post在自己非公開的
piazza社團，除非是alumni主動來要人，不然其實跟你自己google找是一樣的，只是多一
個人你找而已．
另外，我們有自己的library，藏書不多但都是很好很經典的書，都是被挑過的，跟data
science有關的書籍，想要的話可以透過線上系統借．像是fluent python這種好書，當我
發現系上有可以借的時候，對他們的眼光另眼相看．如果是要找地方借房間開group
meeting或是面試，除了跟nyu library借房間，也可跟系上預約，大概有6間房間是可以
預借的．很方便．
[找實習或找工作]
實習：我覺得很難找，但你永遠都可以退而求其次，找不到回國找，找不到改作unpaid，
找不到改幫professor做research．我沒有聽說想找的人，會找不到的．身邊抽樣來看，
大概一半能找到很正式的intern，其中有很少數是我們叫得出大公司，大部分都是紐約中
小型企業，另一半就是所所謂的退而求其次．
正職：我還是覺得很難找．我的感受是80%的面試與offer都發生在20%的人的身上，剩下
80%的人搶20%的機會，大家壓力都很大．雖然我的感受是工作很難找，但我把身邊認識的
人數了數，距離畢業還有一個月，其實已經有大概快8成的人找到了．當然，裡面包含
了打算回國的人，有的是因為個人因素，有的是他們國內的公司對他們言發展比美國好，
其他留下來的這些，公司大大小小都有．往前看過去幾年的學長姐，其實沒有想留下來
的人留不下來，就看你的決心有多少，你願意犧牲多少？如我前面所說的，你永遠可以退
而求其次．
[補充一下] 我聽説有收到full time offer的公司(我相信還有很多人拿到其
他公司的offer，只是我比較邊ＱＱ，大概就認識20個人): Black Rock, Morgan Stanley,
Nvidia, DiDi Lab, Alibaba, Bloomberg(Hong Kong), TripAdvisor, BuzzFeed,
Capital One, Apple, Amazon, Google, PWC, Wayfair, comcast, Facebook, IBM, C
hase(JPM), MongoDB, Lyft, Quora, Yahoo...,還有一些start up
5/7/2019: 再更新一下，離畢業還有半個月，身邊9成5的人都找到工作了，前幾天遇到上
一屆NYU DS的，問了他們的情況，他說，扣掉找一找後來不想找或沒找的，剩下的所有人
最後都找到到工作．現在看起來，雖然過程很辛苦，但是大家結果都找的不錯．
另外我想提一下，選學校地點其實在一個時候會扮演很重要的角色．就是當你找不到大公
司的實習或工作的時候．local的start up與中小企業的類型跟數量多少個會很重要．大
公司不會管你住的地點，住遠住進都一樣，可是很多start up與中小公司會，他們傾向找
當地的人，當地的人比較有機會有connection知道這種缺，有時候你甚至可以被直接被內
推．如果你一帆風順的話，大概不會有機會體會到地點的重要．
[最後]
我想感謝在地球另一端的家人，朋友，給我如大海般的包容和無盡的支持．
謝謝我的室友，CS的台灣同學們，DS的中國同學們(雖然你們大概永遠不會看到)，還有學
長學姊學弟．
沒有你們，我真的不知道是怎麼熬過這些煎熬與苦澀，我愛你們．
在紐約的這兩年，真的很苦，媽的．
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.166.175.139
※ 文章網址: https://www.ptt.cc/bbs/studyabroad/M.1554654404.A.A7B.html
Courant的數學天才們一起深到地心去．只是大多數人念master還是在找工作比較應用取向
比較容易！
※ 編輯: o9010802 (118.166.175.139), 04/08/2019 06:51:09
個是SDE，剩下的有有ML Engineer或research engineer，Data Analyst，Data
Scientist...等等[A
缺．是一個比較通用且門檻比較低，但是很少人精通的技能，我覺得很值得投資
2. Python．不太會寫就把他學好，尤其是built-in data, type, function搞清楚，常用
API記一下，還有注意一下coding style．最有用的三個package: Pandas, numpy and
scikit-learn可以學一點，做個project放到履歷上，找實習時會加點分．
3. 英文，如果這是你的問題的話．
4. 機率跟線性代數等數學工具，可以快速複習一下不用太深太細，有點印象開學會再重學
數學課我直接waive掉了，我聽同學說一學期教的東西是大學部的三倍，課有點重．
5. 改好你的履歷，改的時候記得想九月時投履歷你想要你的履歷長怎樣，到開學前的這段
時間把他完成．沒工作經驗可以在台灣找個工作/實習做，或是自己做幾個project．一
來就要開始找實習了，你可能擔心自己還沒準備好，但事實是越晚就越難找，現在就開
始準備．
另外打個廣告，如果你是NYU Courant CS/IS/DS/或其他的新生，想要的話可以站內我，我
加你們到FB社團裡．我們每年都有找工作心得分享會，今年可能在五月底，想邀請你一起
來參加，人在台灣我們也可以視訊或分享投影片給你，你將來也可以認識courant裡不多的
台灣人QQ．
※ 編輯: o9010802 (96.242.159.5), 04/13/2019 11:04:05
※ 編輯: o9010802 (96.242.159.5), 05/08/2019 10:13:47
... <看更多>