纽约大学学校生活是怎么样的？

纽约大学学校生活是怎么样的？

• 2023-07-04
• 677

前言

两年学习生活转瞬即逝，一转眼，我的硕士生活就要结束了。在美国的这两年，我体验了一种全新的学习生活，感受到了不一样的风土人情。现在的我和两年前的我相比，变得更加稳重，更加自信。之前有几个学弟问过我，NYU这所大学如何，MSIS项目如何，诸如此类的问题。在此，我就分享一些有关NYU和MSIS的信息，希望可以对大家的申请有所启发。

一、课程设置

这里我只展开分析一下信息系统这个项目，在课程设置上，有core和concentration两种课程，课程的难度有难的advanced的课程，也有简单的database以及leadership课程。授课老师，基本上都是大厂的在职社会人士，也有很多在其他大学也兼职的教授（其实一个教授在多个大学兼职教学，在美国的大学是很常见的事情）。

综合来看，这个项目的整体课程workload还是偏重的，虽然作业难度并不高，但作业量偏大。基本上只要你跟着上课，都可以拿到B类的成绩，但如果你是个有追求的人，想拿到A等成绩的话，还是要花一些心思的。个人感觉，如果你每周愿意拿出上课时长1:1，甚至1:2的时间去课下自学的话，拿A还是有一定概率的。如果那些课程难度偏低 （也就是我们常说的“水课”）的课程，可以不用耗费太多心思，节省下来的时间，可以去学习你感兴趣的知识。我之前基本上每天都会去图书馆学习，我一直都认为既然是学生，就要拿出学习的态度，而且NYU的图书馆很漂亮，在里边学习心情很好。

在选课上，我还是建议各位按照项目的建议课程list进行选课，因为这个项目在课程设置上的灵活度还是很高的，还是有空出来很多课余时间，让你做自己喜欢的事情的。

因为我是在美国读的本科，所以本身项目规定的核心必修课程，我之前都学过了。如果你的背景跟我比较相似，本科就学过了核心必修课程，可以和学院申请免修，学院批过之后，是可以换成electives的。但因为advisor为了保证核心课程的上课人数，有时候可能会在你申请免修的时候，稍微为难你一下，但如果你本身理由充分，能力也比较强的话，advisor也不会特别为难你的。选课cover面还是很广的，而且不会有太多限制，只要是跟你专业相关的课程，你感兴趣的都可以选。我周围有很多小伙伴，因为本科期间已经修过了核心必修课程，后续成功申请了免修之后，选择了CS和stern的课程。

这里简单提一些我上过的课程，大家可以了解一下，选课的时候可以进行参考：

Programming Languages

这门课程难度不是特别高，属于入门级别的编译原理，Goldberg教授负责教这门课程，这位教授是院系的系主任，授课cover面还是很广的，跟着学一个学期，学习到的知识还是比较系统、全面的。老师会布置相应的作业，有两个part，包括书面part和编程part。编程part的作业，会涉及到一定的编程方面的知识，例如ADA、Java、Machine Learning等等。好好学这门课程的话，还是很多收获的，因为老师会讲很多Functional Programming和Java Generic的知识，好好做作业，你的编程能力肯定也会有所提升。

Fundamental Algorithms

教这门课程的老师是Dodis教授，一位俄罗斯教授，说话的时候稍微带一点点俄罗斯口音，最开始可能会出现有些地方听不懂的情况，但如果是跟着板书走的话，大部分的知识点还是可以听明白的。每周教授都会安排一次作业，四道简答题，整体的workload还是偏重的。但考试难度不高，认真备考，一般都可以拿到不错的分数。这门课程的性价比还是很高的，我通过这门课程的学习，让我对算法分析相关的知识有了更深层次的了解。

Math Techniques for CS Students

这门课程也称MTCS，教学内容主要是围绕一些基础核心数学知识，概率论、线性代数此类知识，如果你是个数学零基础或者一般的选手，这门课程还是有必要好好学习一下的。但如果你本身数学能力很好，这门课程对你而言还是有些水的。

OS

Franke教授负责这门课程，这位教授是OS业内很牛的一位教授，知名度很高。上课的课件是教材自带的，讲课风格还可以，作业要求很严，且难度很高。期末考试难度也很高，备考和日常学习、完成作业需要花很多心思，但付出和回报肯定是成正比的，大牛教授的知名度和专业水平绝对不是说说而已，按照教授的要求进行学习，肯定在OS领域会有一个系统且全面的了解。

Natural Language Processing

Grishman教授负责这门课程，也是一个大牛教授，大NLP业内很有名。但这位教授身体不是特别好，有时候写板书会手抖，讲课风格比较无趣，有些催眠。作业难度一般，没有很高，如果可以静下心好好完成的话，分数还是给的很高的。Final project的难度偏高，需要花一定的精力。这门课程我的成绩一般，但上完之后，有很多收获。

Machine Learning

Machine Learning这门课程的热度，在学院里还是很高的。我之前选的是Data Science方向的Machine Learning，David Rosenberg老师负责教这门课程，这位老师是Bloomberg CTO团队的人。讲课风格很犀利，逻辑清晰，授课内容cover面也很广，日常上课和作业都会涉及到Python这门编程语言，有专门的final project。如果你有什么疑问的话，也可以课下进行请教，老师会进行答疑。整体来看，课程的workload还是很重的。虽然期末的成绩还算理想，但在这门课上，我真的耗费了很多的时间。如果你想选这门课程的话，要提前有心理准备，这门课程是真的不轻松。

GPU

GPU这门课应该是最水的一门Capstone了，之所以选了这门课程，是因为NYU明确规定学生至少选修一门Capstone，且成绩达到B以上，才会予以毕业。我一共是选了两门Capstone，一门GPU，一门DS。

虽然GPU这门课程含金量不高，但课程内容还是比较好玩有趣的，cover面也比较广，软件和硬件领域的知识都会有所涉及，比如说Nvidia GPU、Opencl、Cuda等知识都会学习到。课程难度不高，作业、final project和考试难度都偏低，不会耗费你太多的时间。

Distributed System

系统课程中，热度最高的一门应该就是这门课程了，Jingyang Li教授负责这门课程，每堂课都会学习一、两篇paper，授课内容会涉及到Spanner Percolater、Paxos、Map Reduce、GFS、Bitcoin等内容。这门课程的教学内容和MIT 6.824这门课程重合度还是有些高的，课程难度偏高，老师还会布置lab，大概在5次左右，会涉及到go语言的运用，整体来说，还是很锻炼人的一门课程。

Heuristic Proglem Solving

之前我在论坛上看到有人说这门课程有些偏水，但我上完之后，我感觉还好，对于零基础的选手还是很友好的，如果你是零基础的话，这门课程还是很适合你，通过学习，你可以系统地了解算法相关的一些知识，例如，启发式算法此类算法。整体来看的话，课程workload还是偏重的。

授课老师Shasha教授，在上课的时候会主要围绕算法进行授课。没有安排考试，是两人一组，每周竞赛的模式进行考核的，会根据竞赛的结果给成绩。竞赛的题目大多都是和NP相关的题目，找一些比较近似的算法之类的。每周都要和其他同学进行比赛，还是有些紧张的。Final project是一个纯前端的项目，一个给小朋友玩的游戏。

Production Quality Software

这门课程的内容是以Java以及Design Pattern这两个领域的知识展开的，授课老师很认真负责，虽然没有期中和期末考试，但老师会布置作业，作业涉及的都是纯代码。就我个人而言，我并不是特别喜欢这门课程，因为实务性和工程性有些太强了。听我周围的小伙伴说，老师会在最后一堂课的时候讲如何进行面试，但我最后一堂课翘课了...所以具体讲的内容如何，我也不太清楚。

Web Search Engine

如果刚入学的话，最好不要选这门课程，除非你本身编程基础就比较不错。教学内容基本上都是照着讲义按部就班的讲，基本上没有过多的扩展，作业难度一般，不过很多内容都会涉及到编程，如果你是编程零基础选手的话，肯定还是有些吃力的。Final project和作业，会涉及到Python以及Pyluence这两个编程语言的运用。

二、学校network

NYU的认可度和知名度在全美都是比较ok的，而且NYU也比较注重networking，美东和纽约的networking比较强，因为有很多毕业生都会选择在这两个区域进行创业或者就职。有时候在面试的时候，甚至你的面试官或者你的老板就是你的校友。同一个学校的校友，总归还是有些归属感的，有时候还会有一些帮助。

除了NYU stern的招聘有些特殊之外，其他学院的招聘和就业资源都差不多，平时会组织很多活动和宣讲会，如果你感兴趣的话，别的学院组织的活动也可以参加，资源是可以共享的。

三、社交及生活方面

这个项目的学生还是比较多元的，比如说有些是陆本背景，有些是美本背景，再比如说，有些是清北复交这样的国内top高校、美国大U、知名文理学院毕业，也有一些是从知名度一般的大学毕业，这个项目在录取上还是很包容的。当然，本科背景那都是过去，好汉不提当年勇，既然大家入学NYU，一切就是新的开始。我周围的小伙伴，都是学霸级别的人物，自主学习性很强，所以大家经常会在一起思考问题、讨论问题，后续再找工作的时候，也会一起准备面试，有什么岗位消息也会资源共享，还是很有学习和找工作的氛围的。刚入学的时候，肯定大家的朋友都不多，多去参加参加活动，多认识一些小伙伴，自然圈子就大了。

说完了社交，再来说说生活环境吧。NYU的校园设施还是很美的，不过纽约这个城市有一点脏，单从环境来说的吧，我并不是特别喜欢。但纽约毕竟是美国的大城市之一，交通还是很发达的，而且吃喝玩乐每个方面都很方便。

四、实习及就业方面

实习方面，个人建议从第一学期就开始进行投简历、找实习。实习真的没有那么容易，不是你想找就能立刻找到的，我就是一个活生生的例子。我之前就是从第一学期开始的，我前后大概找了一个学期，直到放寒假的前几天，我才拿到实习公司的offer，后续放寒假时，我顺利进入到公司，开始实习。

第一学期的career fair开始得还是很早的，差不多9月中旬的时候就开始了。所以简历还是有必要早一点准备的，最好在开始之前就准备好。撰写简历的时候，要注意逻辑清晰、内容简洁，不要写太多废话。等career fair开始的时候，就可以直接投简历了。

我之前海投简历的时候，也投了很多，但基本上都没有什么好的反馈，有几家给我发了面试邀请，但面试过程并不是特别满意，后来拿到的亚马逊的面试邀请，并不是海投拿到的，是找学长学姐内推，而后拿到的面试邀请，过了面试之后，顺利拿到了实习offer。

个人感觉，实习和就业还是环环相扣的，如果你拿到了不错的实习offer，后续在找工作的时候，难度其实并不是特别大。如果实习的时候没有拿到不错的实习offer，或者压根就没有实习过，直接毕业找工作还是有一点难度的。毕业找工作其实大家最常用的途径就是内推，然后平时多刷题，实习的时候好好工作，多积累实务经验。

我之前在学校的时候，自学过系统设计的课程，但我个人感觉系统设计领域的知识，对找实习和全职，并没有太大的帮助，不过也可能是我应聘的岗位都属于基础核心岗。或许，系统设计对领导层会有一定的帮助，不过这个要到后续我到了那个水平再说了。

大厂和小厂的选择上，还是看个人的喜好。有些同学有名企情结，喜欢大厂，有些同学对公司大小没有太大要求，只是想找个能学到东西的工作。个人感觉，如果你喜欢大厂，那么就要全方位提升自己的能力，毕竟跟你竞争大厂的候选人都是学校中的佼佼者，没有竞争优势，即使投了简历，也不会有什么结果，大厂基本上都是让你在网上投个简历，然后回去等消息，不过因为竞争者太多，拿到面试邀请的概率可能并不是特别大。如果名企情结不是那么严重的话，还是多建议关注一些小厂，看看工作内容，选择一些适合自己且自己感兴趣的工作会更好。

整体来说，我还是很喜欢NYU这所大学的，通过硕士的学习过程，我认识了很多志同道合的小伙伴，接触到了很多学术能力很强的教授，从我的同期、教授身上，我学习到了很多自己所欠缺的东西。NYU的学术资源、就业资源都是很不错的，只要你有心，只要你愿意学，学校都可以提供给你，让你全方位进行发展。

不过究竟可以提升到什么水平，还是看你自己的努力程度以及学习态度。国内的应试教育的灵活度还是比较差的，但在美国不同，你可以摆脱应试教育的束缚，按照自己的兴趣进行职业规划，并朝着未来的目标努力，有针对性地进行选课和深造学习。