纽约大学DS专业课程设置

DS项目学制有两种，一种是4学期制，还有一种是3学期制，学生可以根据自己的需求去选择。如果你是学霸，学习能力强，不怕高学习强度的课程，想早些读完早点毕业的话，那么可以选择3学期制，3个每学期每个学习都是2门必修课，2门选修课;如果你专业基础一般，更倾向于学习压力偏低的课程设置，那么可以选择4学期制，前3个学期每个学期是2门必修课，1门选修课，第4学期是3门选修课。

具体课程介绍，大家可以去官网了解一下。课程设置还是很成熟的，并不是简单的business、cs以及stats课程的融合，而且有系统有体系地在培养一个真正的data scientist。

真正的data scientist，不仅理论上要会做模型优化，还要学会提出insight。

整体来看的话，DS项目的课程设置还算是合理的。

第一学年的必修课包括intro ds、big data以及machine learning，如果你有一定的统计学背景和基础的话，第一年的课程难度还是很低的，ML以及stats讲的内容都比较基础，偏理论教学;ML属于神课，好好跟着学的话，还是可以学到很多东西的，不过big data我感觉性价比并不高;第二学年的必修课包括final project以及stats inference，stats inference这门课程听说比较难。

选修课的话，没有课程和学院限制，学生完全可以根据自己的兴趣方向去选择，比如说math、stats、business、cs以及engineering等等领域的课程都可以选择，选课的超高灵活度，应该是NYU的亮点之一了吧。

deep learning以及NLP这两门课程还是很不错的。

Deep learning这门课的授课老师是业内的大牛教授，而且TA团队很不错。不过大牛教授讲课的时候，不会每个细节都讲到，主要还是靠自学，整本教材差不多80%的内容都是需要自学的。

课下的作业难度偏高，不过好好做作业的话，可以学到很多知识，基本上都是读paper。整体来看，deep learning这门课程的load还是很重的。

NLP这门课程的授课老师是Kyunghyun cho，讲课的逻辑很清晰，主要就是围绕用deep learning做NLP进行教学。

选择选修课的时候，最好可以选择NLP以及deep learning这两个方向的课程，对后续的就业还是很有帮助的。不过大家也可以根据自己的兴趣和未来职业规划去选择，适合自己的才是最好的。

纽约大学DS专业实习全职

学校有校级的career fair，有春季和秋季两场，有很多企业都会过来招聘。学院有自己的career fair，差不多每周都会有企业过来招聘，平时学院也会以邮件的方式，让学生即时了解一些opening的岗位。

除了提供实习和全职的岗位，还会提供一些相应的配套服务，比如面试培训和修改简历，如果有需要的话，还是可以去找老师帮忙的。