冷門科系也能拿到碼農return offer
Mr. L 輔仁大學 資訊管理 3.16/4.0 T95 G310
Admissions:
University of Colorado - Boulder MS in Computational Linguistics, Analytics, Search and Informatics
University of Arizona MS in Human Language Technology
Indiana University MS in Computational Linguistics
University at Buffalo MS in Computational Linguistics
顧問的話：
今年美國科技業凍招， 讓一票找工作的學生叫苦連天。L同學逆流而上，早早通過實習拿到Amazon return offer。通過他的分享，可以看出，運氣更重要，但是運氣是實力和選擇的結果。
找準自己的定位又是做選擇的先決條件，對大家來說，在國外求學工作都是一件很不容易的事情，如何能讓你的努力有更好的轉化率，請一定要看完以下分享。
學生心得：
大家好，來分享一下我在colorado university boulder 就讀Computational Linguistics (CLASIC)一年的心得。
CLASIC 是一個圍繞在computational linguistics / NLP 領域而生的program，目標是希望學生畢業後能到CL/NLP相關業界或學界工作。
學生背景：
今年CLASIC的學生大概有十幾個，一半是美國人，印度人，中國人各兩三個，台灣人就我。學生背景linguistics 跟 CS各半，不少人是大學時期linguistics major CS minor 或者反過來。去年的話因為疫情所以整個program只有兩三個人來。
選課：
總共32學分，包含一個capstone project 但可以用實習取代。課程分三類 CS, CL(NLP), Ling，基本上就是這三類各要挑三門課來修，但可以少修一門ling 或CS去修 CL只要系上同意就好。我們這一屆出了一些問題，學校在CL那個分類三個學期內只開了一堂課，導致我們CL相關的課被拖到最後一學期才有得修，滿糟的。
就業：
CLASIC Program今年對找實習或找工作沒有提供任何幫助，學校的話至少在我這年2021只有辦過一次virtual career fair （效果很差）跟一次實體（只有六七間公司來，CS相關缺還不多）。但聽說2022好像有提供比較多資源，辦比較多活動。
環境：
學校就在山旁邊，熱愛戶外運動 eg. 爬山，攀岩，滑雪，騎車的人應該會超愛這邊，最近的滑雪場開車只要三十分鐘，學校自然景觀很好，隨時可以看得到遠山還有美麗的小河，但假日大概只能往山裡跑，沒什麼別的地方可以去了。最近的城市Denver我個人覺得也很無聊。
實習：
我們program的人大部分應該都希望暑假能找到NLP或DS相關的實習，但如果扣掉美國人去政府單位的那種實習，大概就只有一個非公民成功找到DS實習。會這樣一方面是實習開缺時間太早了，如果入學前沒有相關經驗，大概很難找。二方面是DS缺太少而且大概都是phd在競爭，務實一點的話還是得要找SDE相關的實習比較容易。
學術研究：
我們program跟我們學校一個叫做CLEAR在做NLP的lab關係滿緊密的，我們program的人不少人會去參加，甚至一入學就開始找教授做研究。我們系上有鑒於找到實習的人不多，係上也有安排大家暑假可以參與CLEAR的一些project，大部分是有pay的。
畢業去向：
去年畢業的人太少了，所以沒什麼參考點。但就如同上面講的，要找到NLP/DS相關工作，沒讀到phd個人感覺偏難。但如果之前有相關經驗，並且一入學就開始找教授做研究，我想應該還是有機會的，我們系上有一些人是這麼做的，希望他們明年都能找到理想的工作。
轉CS：
系上有一些linguistics 背景的人是希望能透過這個program來轉到CS相關領域工作，我個人是覺得如果你是想做偏backend的話這個program不適合，因為可以修的CS核心課太少了。但如果你是想轉偏DS/NLP的話也許直得一試，一進來就進lab做研究累積研究經驗。
關於我們學校CS:
因為我修的CS課算滿多的，也認識不少CS的人，稍微講一下我們學校CS。我們學校CS有分thesis 跟non-thesis，兩者可以互跳。學生大部分是印度人，中國人很少。找到實習的比例很高，聽說有90％以上，進大廠的也不少。但我想原因也不是因為學校或系上很給力，純粹是很多印度人過去都有工作經驗，靠自己努力找到實習的。
另外我曾想要從CLASIC轉到CS，我之前一直以為CLASIC可以算是CS department底下的一個program，但其實不是，行政上來說CLASIC算在linguistics底下，即便我們修的課大部分是CS課。
一些感想：
我自己算CS背景，一開始也是覺得自己對NLP有興趣並希望能做些研究，也希望碩士畢業後找到相關工作。但後來意識到以我的條件，要碩士畢業就找到NLP/DS相關工作實在太難了，加上當時意識到找實習跟做研究以我的能力只能二擇一，再者考量到實習對於之後找正職的影響實在太大了，於是我選擇了找SDE實習拚轉正這條最容易保守的路線，後來也順利找到大廠實習並成功轉正。
我想這大概也是認清了自己其實對於做研究或NLP領域的熱情其實沒當初想的那麼深。我花了不少時間在修這些NLP相關的課程結果畢業後沒用上我是覺得滿可惜的，但即便這個碩士當作是花錢買opt我也是覺得滿值得的，無論是生涯發展上或金錢上，投資報酬率算滿高的。
找實習：
關於找實習的方法，跟大家沒什麼不同。大約八月一到美國就開始投履歷邊刷題，到一月為止共投了三百多間公司，拿到大概四個面試，直到一月初開始面試Amazon一月底拿到offer，這是我拿到的第一個offer也是唯一一個offer。刷題數我也不是特別多，大概就兩百題。除此之外，也有請朋友幫忙mock interview數次，花一個月時間考了一張AWS證照充實一下履歷。我碩士第一年大概有超過一半的下課時間是在準備面試的，剩下一半做學校作業。
拿到面試的四間，有兩間考coding, 兩間著重在resume deep dive. 我自己覺得自己算是運氣很好的人，我遇過太多背景比我強，刷題數比我多，但沒拿到好實習的人了。
至於地理位置對找工作有沒有影響，我只能說我四個面試有兩間在colorado，另外兩間不在。也許在colorado的公司比較有聽過 CU boulder 因此比較容易履歷被撈起來吧。
關於轉CS：
提到轉CS，分享一下關於我們系上兩個從語言學試圖轉CS的例子。他們兩個第一學期非常認真在修課，做學校專案，希望能透過學校專案充實履歷。但他們沒有在第一時間開始刷題投履歷，直到第二學期中間才開始做這事。但那時候很多公司已經的招聘已經close了，等於他們損失了很多機會，最終他們不但沒找到實習，等到隔年要找正職的時候他們又得跟一堆有美國實習經驗的人競爭，這時學校專案反而不值一提。
另一個我認識轉專業成功找到實習的例子，雖然非本科，但他在台灣有做大概半年的相關工作經驗，跟我一樣到了就瘋狂刷題投履歷，最後也近了一間不錯的公司。
總結來說，因為美國公司都早一年開始招人的特性，找實習最理想還是在來之前就準備好，而找到實習又跟對找正職有巨大影響，所以最好是再來之前就開始準備刷題或是充實履歷。