IC-環境數據科學與機器學習項目就讀體驗分享

學姐的高光時刻

本科背景：某財經211-數據科學與(yu) 大數據技術

碩士就讀：帝國理工學院-環境數據科學與(yu) 機器學習(xi)

01、項目實況

 項目介紹

項目設置：本項目由environmental science and

engineering（環境科學與(yu) 工程）學院開設，從(cong) 課程設置來看還是更偏data science一些。共90個(ge) 學分，一共三個(ge) 學期，第一個(ge) 學習(xi) 是四門課，第二個(ge) 學期三門，第三個(ge) 學期一門課+畢業(ye) 論文，每個(ge) 學期中間有一周都會(hui) 留小組作業(ye) 。假期是第一學期後三周（12.19-1.8），第二學期後五周（3.27-4.30），第三個(ge) 學期結課到畢業(ye) 論文完成（九月初）都不會(hui) 有假期。

項目花費：項目總花費約50萬(wan) （學費約為(wei) 30萬(wan) 人民幣，住宿費+生活費20萬(wan) ）。

班級Bar

項目總人數60多，中外比例約6:4，同學以海本或2+2為(wei) 主，少數為(wei) 國內(nei) 985/211院校，例如：北京師範大學、華東(dong) 師範大學、四川大學、電子科技大學；國內(nei) 院校同學的GPA都在88+；年齡大家都差不太多，有同學gap了1-2年，我了解的基本都在21-25歲。專(zhuan) 業(ye) 背景就很多樣了，有環境類、計算機、數學、數據科學等各種。

02、項目體(ti) 驗

課程分享

這個(ge) 專(zhuan) 業(ye) 和其他專(zhuan) 業(ye) 不太一樣，課程是安排好的，也不存在所謂的選課，這裏我談一下每門課的感受。

Numerical programming in Python：這門課主要就是上Python，對於(yu) 之前Python用的比較多的同學來說這門課就比較簡單了，拿distinction比較容易。如果沒有Python基礎也不要擔心，跟著老師的課堂內(nei) 容一步一步學，拿個(ge) merit也不難。

Computational Mathematics：這門課介紹一些計算科學和數據科學的基本數學，課上主要用Python，用計算方法來解釋一些純數學概念。主要內(nei) 容有：建模基礎知識，包括算法、代碼驗證和驗證、準確性、收斂性、穩定性和一些介紹性概率；線性代數，包括矩陣、特征值、秩、零空間和線性變換。核心計算技術的介紹材料，包括插值、回歸和求積；常微分方程，包括標準解析解法和近似解的簡單數值算法；偏微分方程，包括近似解的簡單數值算法。個(ge) 人感覺數學背景的同學應該不用太擔心，學的內(nei) 容比較基礎，數學基礎比較弱的同學學起來可能比較困難。

Machine Learning and Data Science：這門課介紹數據科學的核心概念，包括在數據準備和用於(yu) 回歸、分類和聚類的不同類型的經典機器學習(xi) 算法。這門課介紹得很全麵，各類監督、無監督、集成學習(xi) 、時間序列算法都有講到，還簡單介紹了一些神經網絡的內(nei) 容。個(ge) 人感覺不算太難，可能我本科學過太多類似的，沒有基礎的同學還是會(hui) 有些困難，但是跟著老師走，老師布置的每天的題都完成，我認為(wei) 問題不是很大。

Deep Learning：這門課講了很多深度學習(xi) 的模型，包括：FNN、CNN、VAE、GAN、LSTM、Transform等等，也講了NLP的一些東(dong) 西，對於(yu) 我這種本科沒有學過深度學習(xi) 的人來說，還是很有用的，難度還是有一些，特別是對於(yu) 本科不是計算機/DS相關(guan) 專(zhuan) 業(ye) 的同學來說。

Environmental Data：這門課就是這個(ge) 項目唯一一門關(guan) 於(yu) 環境的課程了，主要是講了一些關(guan) 於(yu) 河流、氣候、地震波的知識（具體(ti) 內(nei) 容已經忘了，這門課對於(yu) 我這個(ge) 一點環境背景都沒有的人來說實在太陌生了），對於(yu) 我來說，主要是學的東(dong) 西不太了解，上課比較困難，可能有一些環境背景或許會(hui) 好一點。

Inversion and Optimisation：這門課主要學習(xi) 數學知識，涉及Quadratic Optimisation,Gradient-based Optimisation,Constrained Optimisation以及Data Assimilation等等。這也是一門數值分析類的課程，可能本科是數學背景的同學有一些接觸過，應該不用太擔心。但沒有接觸過的同學（比如：我）還是有一定困難，還是要上課跟著老師走，課後的題也要仔細做才可以。

Adavanced Programming：這門課主要是學習(xi) C++編程，學習(xi) 深度到指針、class，對於(yu) 沒有接觸過底層編程語言的同學而言，還是有一定的學習(xi) 難度。而且學的比較深，本科學過c++的一些同學都有很多沒有接觸到的知識。我覺得可以提前學習(xi) 一下c++，特別是指針一塊講得很多。

Big Data Analytics：這門課是主要包括artificialneural networks and gradientdescent的簡要介紹，Principal componentanalysis(PCA),HPC,Data visualisation,Encoders and decoders,Data fusion以及dataassimilation等。課程考核形式為(wei) 一個(ge) coursework，不算太難，跟著老師每節課走還是能取得一個(ge) 好成績，我當時上這門課的時候一直在生病，最後就臨(lin) 時學了一下，也拿了merit。

項目感受

我們(men) 上課主要是線下課，而且我們(men) 考試都是在學期結束前就考完，沒有下一個(ge) 學期再考試的情況。學習(xi) 氛圍比較和諧，沒有覺得同學很卷，相對較輕鬆，平時周末可以去周邊一些城市玩一玩，假期也可以到處旅遊。

因為(wei) 疫情原因，有些課允許線上參加，隻要跟老師溝通好就可以，線上參加的課也會(hui) 點名，所以不要掛著不聽課。很多課都有小組作業(ye) 和presentation，而且是量化建模的作業(ye) ，建議多跟不同的同學多組組隊，會(hui) 有不同的收獲。有時候小組作業(ye) 難度比較大也需要熬夜趕工，但總體(ti) 來說，認真投入拿到好成績會(hui) 很有成就感，也會(hui) 鍛煉和團隊合作的能力。

項目利弊（個(ge) 人觀點）

利：這個(ge) 項目算是IC裏錄取偏容易的項目吧，學校title不錯。學院也有很好的讀博資源，個(ge) 人認為(wei) 想讀博的同學可以來。學校方麵和老師方麵都會(hui) 有一些資源推薦，比如英國的實習(xi) 機會(hui) 、工作機會(hui) ，也有專(zhuan) 門給中國留學生推薦在外資公司或者跨國企業(ye) 在國內(nei) 的招聘機會(hui) ，如果跟導師關(guan) 係好的話，還有機會(hui) 參與(yu) 導師帶的一些科研學術項目或者是調研類項目。IC的學曆在國內(nei) 找實習(xi) 和找工作認可度還是很高的，簡曆初篩通過率比較好，至於(yu) 後麵麵試主要還是看個(ge) 人能力了。

弊：個(ge) 人認為(wei) 這個(ge) 項目不太適合本科就是ds專(zhuan) 業(ye) 的同學，因為(wei) 學的和data science相關(guan) 的東(dong) 西可能比較淺，更適合那些本科環境類專(zhuan) 業(ye) ，研究生想要轉專(zhuan) 業(ye) 的同學。

03、關(guan) 於(yu) 就業(ye)

就業(ye) 資源

校內(nei) 的招聘信息很多，學校的郵箱會(hui) 收到很多招聘信息，基本每月都有。每年還專(zhuan) 門有幾場上海招聘會(hui) ，會(hui) 有一些上海的企業(ye) 過來招聘，比如：匯豐(feng) 、IBM、安永等等。

畢業(ye) 去向

目前我們(men) 這一屆現在還在寫(xie) 論文，沒有什麽(me) 找工作或者實習(xi) 的（我了解的沒有），這個(ge) 專(zhuan) 業(ye) 本身也比較新，我們(men) 屬於(yu) 第二屆，可以參考的案例也不多。我覺得大家的規劃還是和本科專(zhuan) 業(ye) 相關(guan) ，包括回國進互聯網大廠、留英工作、進入體(ti) 製內(nei) 工作等，計劃往環境領域方向發展的同學較少。

求職Time-Line

我們(men) 的課程結束時間是在2023.05，畢業(ye) 論文結束時間是2023.09，畢業(ye) 時間是2023.12。因此，從(cong) 5月結課之後就可以開始準備秋招，而且從(cong) 9月底之後便可以全心全意進行秋招，筆試麵試，個(ge) 人認為(wei) 這樣安排時間比較充裕，也比較輕鬆。也有同學是在前一年的9月就已經開始秋招了，然後等到今年12月拿到畢業(ye) 證直接入職，這樣安排也是可以的，但個(ge) 人壓力會(hui) 比較大，就要邊上課邊找工作。

我自己現在還在寫(xie) 畢業(ye) 論文，暫時沒有進行崗位投遞，計劃準備在八月中開始投遞一些心儀(yi) 的公司。