学姐的高光时刻
本科背景：某财经211-数据科学与大数据技术
硕士就读：帝国理工学院-环境数据科学与机器学习
01、项目实况
项目介绍
项目设置：本项目由environmental science and
engineering（环境科学与工程）学院开设，从课程设置来看还是更偏data science一些。共90个学分，一共三个学期，第一个学习是四门课，第二个学期三门，第三个学期一门课+毕业论文，每个学期中间有一周都会留小组作业。假期是第一学期后三周（12.19-1.8），第二学期后五周（3.27-4.30），第三个学期结课到毕业论文完成（九月初）都不会有假期。
项目花费：项目总花费约50万（学费约为30万人民币，住宿费+生活费20万）。
班级Bar
项目总人数60多，中外比例约6:4，同学以海本或2+2为主，少数为国内985/211院校，例如：北京师范大学、华东师范大学、四川大学、电子科技大学；国内院校同学的GPA都在88+；年龄大家都差不太多，有同学gap了1-2年，我了解的基本都在21-25岁。专业背景就很多样了，有环境类、计算机、数学、数据科学等各种。
02、项目体验
课程分享
这个专业和其他专业不太一样，课程是安排好的，也不存在所谓的选课，这里我谈一下每门课的感受。
Numerical programming in Python：这门课主要就是上Python，对于之前Python用的比较多的同学来说这门课就比较简单了，拿distinction比较容易。如果没有Python基础也不要担心，跟着老师的课堂内容一步一步学，拿个merit也不难。
Computational Mathematics：这门课介绍一些计算科学和数据科学的基本数学，课上主要用Python，用计算方法来解释一些纯数学概念。主要内容有：建模基础知识，包括算法、代码验证和验证、准确性、收敛性、稳定性和一些介绍性概率；线性代数，包括矩阵、特征值、秩、零空间和线性变换。核心计算技术的介绍材料，包括插值、回归和求积；常微分方程，包括标准解析解法和近似解的简单数值算法；偏微分方程，包括近似解的简单数值算法。个人感觉数学背景的同学应该不用太担心，学的内容比较基础，数学基础比较弱的同学学起来可能比较困难。
Machine Learning and Data Science：这门课介绍数据科学的核心概念，包括在数据准备和用于回归、分类和聚类的不同类型的经典机器学习算法。这门课介绍得很全面，各类监督、无监督、集成学习、时间序列算法都有讲到，还简单介绍了一些神经网络的内容。个人感觉不算太难，可能我本科学过太多类似的，没有基础的同学还是会有些困难，但是跟着老师走，老师布置的每天的题都完成，我认为问题不是很大。
Deep Learning：这门课讲了很多深度学习的模型，包括：FNN、CNN、VAE、GAN、LSTM、Transform等等，也讲了NLP的一些东西，对于我这种本科没有学过深度学习的人来说，还是很有用的，难度还是有一些，特别是对于本科不是计算机/DS相关专业的同学来说。
Environmental Data：这门课就是这个项目唯一一门关于环境的课程了，主要是讲了一些关于河流、气候、地震波的知识（具体内容已经忘了，这门课对于我这个一点环境背景都没有的人来说实在太陌生了），对于我来说，主要是学的东西不太了解，上课比较困难，可能有一些环境背景或许会好一点。
Inversion and Optimisation：这门课主要学习数学知识，涉及Quadratic Optimisation,Gradient-based Optimisation,Constrained Optimisation以及Data Assimilation等等。这也是一门数值分析类的课程，可能本科是数学背景的同学有一些接触过，应该不用太担心。但没有接触过的同学（比如：我）还是有一定困难，还是要上课跟着老师走，课后的题也要仔细做才可以。
Adavanced Programming：这门课主要是学习C++编程，学习深度到指针、class，对于没有接触过底层编程语言的同学而言，还是有一定的学习难度。而且学的比较深，本科学过c++的一些同学都有很多没有接触到的知识。我觉得可以提前学习一下c++，特别是指针一块讲得很多。
Big Data Analytics：这门课是主要包括artificialneural networks and gradientdescent的简要介绍，Principal componentanalysis(PCA),HPC,Data visualisation,Encoders and decoders,Data fusion以及dataassimilation等。课程考核形式为一个coursework，不算太难，跟着老师每节课走还是能取得一个好成绩，我当时上这门课的时候一直在生病，最后就临时学了一下，也拿了merit。
项目感受
我们上课主要是线下课，而且我们考试都是在学期结束前就考完，没有下一个学期再考试的情况。学习氛围比较和谐，没有觉得同学很卷，相对较轻松，平时周末可以去周边一些城市玩一玩，假期也可以到处旅游。
因为疫情原因，有些课允许线上参加，只要跟老师沟通好就可以，线上参加的课也会点名，所以不要挂着不听课。很多课都有小组作业和presentation，而且是量化建模的作业，建议多跟不同的同学多组组队，会有不同的收获。有时候小组作业难度比较大也需要熬夜赶工，但总体来说，认真投入拿到好成绩会很有成就感，也会锻炼和团队合作的能力。
项目利弊（个人观点）
利：这个项目算是IC里录取偏容易的项目吧，学校title不错。学院也有很好的读博资源，个人认为想读博的同学可以来。学校方面和老师方面都会有一些资源推荐，比如英国的实习机会、工作机会，也有专门给中国留学生推荐在外资公司或者跨国企业在国内的招聘机会，如果跟导师关系好的话，还有机会参与导师带的一些科研学术项目或者是调研类项目。IC的学历在国内找实习和找工作认可度还是很高的，简历初筛通过率比较好，至于后面面试主要还是看个人能力了。
弊：个人认为这个项目不太适合本科就是ds专业的同学，因为学的和data science相关的东西可能比较浅，更适合那些本科环境类专业，研究生想要转专业的同学。
03、关于就业
就业资源
校内的招聘信息很多，学校的邮箱会收到很多招聘信息，基本每月都有。每年还专门有几场上海招聘会，会有一些上海的企业过来招聘，比如：汇丰、IBM、安永等等。
毕业去向
目前我们这一届现在还在写论文，没有什么找工作或者实习的（我了解的没有），这个专业本身也比较新，我们属于第二届，可以参考的案例也不多。我觉得大家的规划还是和本科专业相关，包括回国进互联网大厂、留英工作、进入体制内工作等，计划往环境领域方向发展的同学较少。
求职Time-Line
我们的课程结束时间是在2023.05，毕业论文结束时间是2023.09，毕业时间是2023.12。因此，从5月结课之后就可以开始准备秋招，而且从9月底之后便可以全心全意进行秋招，笔试面试，个人认为这样安排时间比较充裕，也比较轻松。也有同学是在前一年的9月就已经开始秋招了，然后等到今年12月拿到毕业证直接入职，这样安排也是可以的，但个人压力会比较大，就要边上课边找工作。
我自己现在还在写毕业论文，暂时没有进行岗位投递，计划准备在八月中开始投递一些心仪的公司。
【竞赛报名/项目咨询+微信：mollywei007】
