生活雜談 | Cornell Tech Retrospective
來Cornell Tech也過了一學期了，五味雜陳。
自己也不是過得太好，但就當作久違的興趣寫文章嘿。
(Local Guide不斷在聲聲呼喚我回歸)
有一些同學跟學弟妹都很想來美國留學，也常常問我CT是怎麼樣的學校。
那既然自己也有很多想法，那就來分享一些自己的感想囉。
**以下內容包含褒貶雙面個人看法，請客官自行迴避吸收**
**此篇文章轉載前請先詢問我一下，謝謝 (不想被誤會引戰)**
校園環境以及生活
首先，我必須破除「他在紐約市中心」的迷思。
雖然歸類在曼哈頓裡，CT其實是在羅斯福島(Roosevelt Island)上的。
去曼哈頓必須依靠「纜車（沒錯，就是纜車）、地鐵或渡輪」才可以。
島上食物極度限制，我最常去的店是星巴克。
學校僅有一間Cafe，另外只開到五點，食物品質良莠不齊 …
因此Hungry Panda, DoorDash, Seamless等等外送平台變成懶得煮飯時的最佳選項了XD
當然啦，它畢竟還是在紐約市，終究還是比Ithaca都市的多。
外賣要叫什麼都叫得到，也很容易可以用Amazon Prime Now, InstaCart等平台叫生鮮之類的。
但就不要太預期他多麽的都市化。
但同時我必須說，這也同時是CT的好處。
由於曼哈頓真的是超級繁忙，說實話個人的感覺也是頗髒。
除了食物這部分，說實話我對羅島(Roosevelt Island)毫無怨言。
很舒服，治安好，組成單純等等，挺適合讀書的。
如果你很享受在台北郊區生活的話，其實還滿適合來讀。
宿舍價錢在紐約相對合理，也剛落成挺舒適的。
另外學校也有兩個24hrs開放的空間，也有數間有白板的討論室。
除了隔音差了一點，但基本上是一個很棒的空間。
基本上在生活環境我會給 85/100 左右的成績。
校園服務
首先，先挑明的是CT並沒有individual academic advisor.
但取而代之的是滿supportive的student service team。
但基本上我沒什麼用到，我就不多提了。
在Career Service的部分，個人的感想是「很微妙」。
首先還是得再次聲明，Cornell Tech「並沒有Career Fair」。
雖然可以參加校本部的，但要通車幾小時去我個人是懶，又要排。
取而代之，Cornell Tech有很特別的 “Blitz Interview”。
基本上我的理解是有合作的公司s會來校園做一個Zero-round的interview。
（至少比海投好啦）
但我個人覺得有點微妙的部分是很大一部分是直接挑明for “Domestic”
Intern的職缺在上半學期也相對少，也不是人人都可以被面試這樣。
雖然我沒被選到面試過了，不過身邊的人幾乎都有被Bloomberg選到過，
但Bloomberg就是有名的Intern難上公司囉。
唯一的小問題應該就是很多Last Minute Announcement吧。
像是場地更改，時間更改，甚至有一次在blitz interview上傳履歷時，
在上午9點寄信要求大家在下午3點前重新投遞履歷…
但屏除這個之外，我個人認為他們以這麼少的人數做的事還是挺多的。
至於他也有1x1 的履歷面談，但只有兩組人可以幫忙1x1面談。
在最需要的9月10月份極度難搶面談時間，個人是10月底才做了第一次。
但這問題相對不大，因為其實寄信特別約是有機會可以網開一面的。
但至於1x1面談有沒有用，個人覺得就見仁見智囉。
Just FYI，我的履歷被1x1 meeting看完只有被說：
我不懂為什麼你沒有面試，It seems good to me.
But TBH it’s not helping me with anything O__O
但我必須說，Career Service也有舉辦很多活動，像是Google演講或mock interview session（但其實實際就是大講堂）。
但不要期待會有「校招」特別渠道的希望，尤其像微軟、Salesforce那些注重校招的，一個都不會來的。
我這學期有參加過Priceline, Google, Datadog, JP Morgan Chase等等公司的演講，但通常都是跟你講完叫你去網路上投這樣。
Still, Career Management Team是很友善且supportive的，
至少會覺得有人stand back of you，其實在這種情況下是很溫暖的。
住宿就是學校新落成的The House。
屏除網路很偶爾會掛掉之外，整體來說我毫無怨言。
就業：工作真的很好找嗎？
說實話，我覺得找工作真的很看每個人背景跟運氣啊。
像今年FB有段時間就是HR看到履歷就直接拒絕，但在短短的兩週黃金期有在給面試這種情況，那就是運氣的比拼了。
總體而言我不想太多說，但就以我而言，
我連一個面試都還沒有拿到 （苦笑）
當然身邊還是有幾個有Offer了，也不乏有個位數個Facebook跟Amazon的Offer，但大多數（粗估至少6-7成）是還在繼續找工作的囉。
至於崗位，我是應徵Software Engineer 或 Data Science/Analyst Intern，
通常最典型的Process是先會發給你Online Assessment才會面試。
OA大約是有拿十間上下，但後來大多是無聲或是不明原因拒。
後來分析原因，可能一來是只有美國人收到下一步，
另外一個原因就是他們已經收滿了 : (
也想幫想來美國工作的學弟妹做個心理準備，
你可能在台灣找工作就會覺得輕鬆寫意，甚至工作來找你。
在美國要建立好足夠的心理準備被拒絕或不理會喔。
另外關於內推，大家一直不斷說「內推比較好拿到面試」。
但今年我拿到有任何下一步的東西「全部不是依靠內推」。
當然有內推當然是比較好，但我個人認為早點投比找內推更重要。
（個人的慘痛經驗）
投了也近百間公司（雖然還是不多啦），但通常無聲卡居多。
當然也是因為小公司可能明年才開始收人了，只能這樣安慰自己了。
至於大家最關心的FLAG，
F: 兩次履歷拒 (不同崗位）
L: 拖了三個月，履歷拒SWE，AI/ML無聲
A: 9月內推完，10月中自己到Amazon University系統申請，目前剛OA完
G: 兩個崗位履歷拒，SWE是內推學長幫忙看才發現拒（沒收到拒絕信）
淒淒慘慘戚戚，工作不是那麼好找的呀。
拜託亞麻把拔收留我，跪求。
至於對還沒來美國的學弟妹，
如果想找SWE intern，來之前務必做幾件事：
- 訓練你的前後端技能，node.js, React, Java, JavaScript等
最好有Side project可以寫，畢竟台大資管還是以ML跟Data Science為重心，可能相關Project就會比較少。 - 如果要找Data science, 練Spark or Hadoop, (NoSQL depends)
MySQL也可以稍微練一下(Leetcode也有) - 刷題: LeetCode https://leetcode.com/problemset/all/
個人覺得刷個200–300再來比較好，除非你很強。
課業/教學
好的，歡迎進入CT最精彩的課業教學。
我必須說，台大的教學真的是太優秀了。
如果你曾經以為SASD的老師報告睡覺，不上課是非常誇張的一件事，
來這邊可以重新體會一些台大教授的好。
尤其像小傑那種認真到不行的教授，你就會超級珍惜台灣的教學跟CP值。
當然我認為CT好或是普普的老師絕對還是有的，
但真的有老師是奇葩到我沒辦法幫他說任何話的。
我這學期修了五門課，一門一門來介紹。
Product Studio
這堂課是Cornell Tech的特產，基本上就是解決公司的How Might We問題。
學校的講師會給你上Product Development的相關課程。
概念比較廣跟大，所以其實有點難吸收。
基本上很像資管創(for資管系的朋友），
只是一開始週週交大報告，給大家很瞎忙的感覺。
但後來相對有好一些，但我認為你如果是真的打算利用這個課程去幫公司去build一個很完整的product，那可能要仔細想想。
由於學校通常都會要求你做ideation, research, experiment到11月中，才會建議你去真正的寫code或build hardware。
說實話，11月中到12月初真的很難做出一個很完整的東西。
另外對於Sprint跟Crit，我個人的感受很像是類似的東西。
但Sprint的目標不是那麼明確，所以基本上大家都是最晚忙到8–9點就解散。
Crit理論上是得到Feedback的時間，但因為Critter都不是我們公司相同專業的人，其實都得不太到很實用的意見，個人覺得是滿可惜的一部分。
另外，Product Studio有一個 “No Tech Policy”的政策。
亦即上課不能用手機、電腦。
個人是可以理解他希望大家認真啦，但都研究生了還是有點多了。
但我必須說，我很幸運的遇到非常supportive的公司，
加上我的組員整體而言都很罩，也滿有親和力的，
因此我相對算是在這門課上比較有成就感的。
最後有也在學校open house的時候報告了，還真的亂有一個「我真的做了什麼事情」的感覺?
撇除中間過程有點混亂，至少教學過程是有在follow一個產品開發的process，所以我覺得大架構是還可以的。
但個人認為每個階段的時間分配可以再更彈性一點囉。
整體而言我應該會給Product Studio 75/100 的分數吧。
至少履歷上多了一條你build的Product，也確實有得到一些經驗。
更新：這堂課的給分極度不公開（應該說只有公開出席），我們組從學期初到學期末都是正面feedback，最後我拿B。
我們甚至在期末被feature在官方Instagram上，原來這種隊伍只值B?
笑死，這堂課連30分給他都嫌多。
問了教學團隊，全部神隱不回覆。
如果回覆了我再來更新給大家。
「這堂課甚至是這個學校的主打課」。
想為了這堂課，又不想活受氣的人不要來。
後悔至極。
HCI & Design
摁沒錯，那個HCI就是Human Computer Interaction。
但其實實際上是比較偏向UI Design的課程（廣義的HCI)。
老師上課我覺得非常有重點，有種比較不兇的小阿姨(For IM)的感覺。
但每堂課前會用Kahoot小考，說實話都滿抖的，課前也要看material。
但看的material大多跟課程內容又相同，同時又有no tech policy，
其實課堂中還是有點無聊 …
好處是沒期中期末，但取而代之是五次作業。
每次作業我個人覺得都會有學到一些東西，個人覺得還算滿有意義。
我個人覺得助助教有認真改作業，扣分都有講原因跟改進點，
個人覺得獲益良多。
然而，如果是想要學硬體而言的「人機互動」的話，
這堂課是完全沒有相關介紹的。
再次聲明，我個人認為這堂課大概就是 UI / UX課。
真的要說這堂課我不太喜歡的部分，大概就是所謂的"Workshop”其實就是整堂課做課堂活動，助教就是在那但也不會上課。
所以真的要學Figma, Sketch, InVision等等軟體還是靠自己囉，
課堂中只會講大概念，真的要會用就靠自己摸索了。
整體而言我會給HCI & Design這堂課 80-85/100的成績，
或許是相對於其他課我覺得這裏相對好的課了。
Algorithms
由於Cornell Tech還滿向外宣揚「轉專業友善」的，
但我個人認為Algo這堂課非常不適合轉專業的來學。
個人覺得課程設計就是「老師想教什麼就教什麼」。
每一堂課之間沒有連貫內容，難度也非常不同。
開學第一堂課直接Dynamic Programming，
之後又突然跳到Dijkstra’s，超級跳tone。
課堂有兩位講師R與G，我個人比較喜歡G。
G上課比較簡潔，且說實話R上課我真的聽不太懂XD
R這位老師雖然感覺有很多CS不同領域的背景，
但在課堂中就是帶一點帶一點，但每個內容之間不相關，
又把所有相關東西拉進一堂課，導致我搞不太懂他想表達什麼…
G這位老師上課比較簡潔有力，也會著墨更多時間在Key Concept上。
雖然一樣會帶入比較難想到的應用，但分配的時間相對合理。
另外這堂課讓我比較意外的是講到Concurrency跟Map Reduce。
一整個回到OS跟Networks的（痛苦）回憶之中。
另外老師「極度」注重Reduction的概念(P, NP, Np-hard那些)。
但不斷的換用詞(reducible, subroutine, solvable, use A to solve B…)，
又講跟自己講義的定義不同的東西，著實讓我超級困惑。
至於教師用不用心，我個人打一個問號。
上課我覺得都還行，但在考試上真的很讓我問號。
期中考是R老師主要負責，整張考卷基本上有1/2的題目都有要改的部分。
另外也有一題老師「堅持」自己的說法，但其實上課講的又是另外一套。
期末考一堆都是True False，然後大多是講義上一兩頁帶過的。
覺得有點不爽，但就算了。
另外個人覺得要考Reduction的concept還要求學生去「背題目」是什麼問題，但在考試又叫我寫自己的Assumption還滿誤導的。
簡單來說，這堂課我可能會給 65–70/ 100的成績。
對我來說並不是太有收穫（前兩堂DP很有收穫，之後就…)，
但還是加減有學到一點東西，課堂內容也還可以…?
對轉專業不太友善，但可能就加減能獲得一些東西的一堂課。
Applied Machine Learning
這堂課是大名鼎鼎的ML大老S教授開的。
個人覺得S教授上課還算不錯，但「相當，近乎瘋狂」的注重在數學。
畢竟ML就是基於統計跟數學，所以著重在數學是非常合理的。
但S教授每堂課幾乎有一半以上的時間都在手寫數學公式，
分配比較少的時間在解釋每個model的運作模式，跟什麼樣的情況下可以用，或是他是supervised/ unsupervised or the purpose of model等。
因此，我覺得有蠻多堂課都挺confusing。
我個人完全理解S老師對ML背景數學知識的堅持，
但我還是認為我們也要「會用」也非常重要。
這堂課中「只有教過一次Coding」，而且比較像Jupyter Notebook的介紹。
然而，每次作業都會需要Coding。
這件事情我再次覺得對轉專業非常的不友善，甚至有些連scikit-learn都沒聽過的同學真的是感到很絕望。
雖然一個替代方案是兩人為一組交作業，但我個人認為不能利用這方式解決這個問題。
另外有些題目（包含期末報告）都滿需要NLP的背景，但這堂課從頭到尾除了Bag of Word沒有提過NLP相關知識。
說實話，如果我之前沒有修過NLP或ML知識，我應該絕望到炸吧。
期中考部分相對簡單，通常都是考古改一下數字。
但個人覺得Academic Integrity這件事就是有待加強了。
另外有點讓我覺得煩躁的是在作業上：
- 作業量分配極度不均：
有一次的作業巨量的多，我後來寫了60幾頁的報告。
比我的大學專題報告還多呀，當下真的超絕望。 - Spec極度不明確，甚至錯誤。
有幾次的作業題目spec有很多不清楚的部分，甚至有被我發現忘記改網路上其他題目敘述內的repeat part x-y，因此導致我做錯東西的案例。 - 助教太過忙碌 ?
Cornell Tech每堂課都有開設Slack，這堂課的助教也鼓勵大家在Slack上問問題。但真的問了，「助教是會選擇性回答的。」
原因通常是Conference或是等等活動，但個人認為這滿妨礙我寫作業的。
甚至Slack就有外國人直接開嗆 “ Is Slack no longer a preferred way for asking questions” 的疑問，我也是嚇到就是了。
但就於其他點而言，我覺得這堂課整體來說對對ML有興趣的人是多少有幫助的，對數學愛好者更是讓你開心到不行。
整體我會給 75/100 左右吧。
Psychology and Social Aspects of Technology
精彩絕倫（反義）的一堂課。
先很快地說說這堂課好的部分。
在看一些相關的paper時，我確實也理解某些Psy的概念可以怎麼幫助產品發展（尤其是在HCI的領域）。
舉例而言，Short but strong attention所帶來的影響可以應用在廣告設計上等，像電商的雙11或黑五特價等等，比起很長的廣告，短短但下殺超多就會讓你超想買。
但，這是對於Paper本身而言。
至於缺點真的滿多的，我放到後面的Appendix。
簡單來說，這堂課極度的缺乏架構跟設計。
教授在很多方面也表現得不太注重這堂課。
整體而言，這堂課我真的覺得非常的失望。
無論是教授的參與度（對，教授的參與度），
或是整體行政上與課程上的規劃都讓我非常失望。
我很少說這麼重的話，但我真的覺得付學費上這堂課讓我覺得很不值得。
因此也有很多人把這堂課退掉了（祈禱明年以前的教授會回來）。
分數我可能只會給 20/100吧。
分數給他有做簡報跟設計兩三次10分鐘的課堂活動，跟給予教授身為PhD最基本的一定尊重吧。
當然，你可以說不爽不要修啊。
可是以上五門課都是必修啊Q__Q
那們最令人畏懼的Psychology是Connective Media Program的必修。
去年的老師似乎很好，但他現在不在學校，所以是現在這位新老師上課。
祈禱教授回來造福後生了。
So… How’s Cornell Tech?
我的答案是很微妙，看你想要獲得的是什麼。
首先，我認為我從同學們身上學到的比在課堂中學到的多。
有在幫GoT做廣告的前director、JP Morgan Chase的SWE、在印度創過業的、在NASA工作過的、聯發科做過好幾年的SWE，跟在資工所做過RA的等，反而我這種一畢業（工作經驗只有實習跟當兵)就跑來的反而很稀有。
當然也不乏很多美國名校畢業的人，像UW, UCSD, UIUC, Cornell, Purdue等校的畢業的，除了覺得很厲害之外也有種被壓著打的感覺XD
從這些大大身上我覺得都很常得到一些Insight。雖然通常都不會是直接的工作經驗分享，但通常也都會得到他們怎麼去做事，或是提到他在工作相關的背景知識等等的，真的滿厲害。
在找工作上，或許的確相對有利？
如果那個公司有Headcount，Cornell Tech或許是相對有利的學校。
因為Cornell畢竟是在Ivy League，所以headcount應該不會太低。
（但不會像那種直接跟公司合作的多啦，像FB之於NEU)
但Ithaca本部比較少找intern，所以相較之下應該會比那種大校好找。
不過還是再說一次，我一個面試都沒有 >_O
另外就是覺得在這邊的人都很資訊互通．找工作都會互相告知。
找工作的風氣非常的旺盛，所以你也勢必會動起來。
大家比較熟的會一起mock interview跟刷題什麼的，
真的會藉由同儕壓力動起來，自然面試也會比較得心應手？
如果對創新創業有興趣，相對其他學校有機會
雖然因為剛創校區，有需多東西還欠缺詳細設計跟修改，
Cornell Tech的確是相對注重「創新與創意」的一間學校。
如果你想要找一個研究所但是是注重產品開發、新創的，
那我覺得Cornell Tech會是一個很優秀的選擇。
無論是在Product Studio跟很多人交流認識，結交各種大大，
之後到Startup Studio去開發自己的產品，甚至真的贏獎創業都是一個機會。
如果你真的有對創業創新有興趣，我覺得這裡會滿適合你的。
那有什麼缺點呢?
首先，教學品質就如上述，是一個滿大的問題。
另外在課程滿偏向ML跟Data Science，如果興趣不在這可能會很痛苦。
因為草創所以架構偏向鬆散，要有東西突然又改了的準備。
會有種「瞎忙」的感覺啦…
另外就是自己心理素質的問題了。
因為學校就是那麼小，所以很容易聽到誰又上了誰又怎樣，
覺得不得不快找到工作但同時更焦慮的心情會比較大一點。
但這種就是靠自己調適的了，工作不會沒事從天上掉下來給你的。
Overall: Should I apply for Cornell Tech?
It’s not as good as it is advertised, but it’s still an acceptable choice for applying.
我個人認為如果你是廣試所有學校的人，是可以嘗試申請看看的。
我認為這邊再過個幾年或許架構、師資都更完整後會好很多。
因此，趁現在成為這裡的校友我覺得是有好處的。
但最後請好好的比較你有的所有選項，再決定這邊是不是最適合你的選擇。
可以參考一畝三分地的分享文跟這篇文，不要只看好的就下結論了。
祝大家都能完成自己現階段的目標，
進理想學校或找到理想工作，或順利畢業完成碩論囉。
希望這篇文能幫到任何一個想要了解Cornell Tech的人。
也同時是小小紀錄囉。
（打了好多字，好開心）
Appendix: Psysocial這門課的問題：
1. 這堂課的課程設計跟行政上都有非常巨大的問題。
Instructor第一次上課似乎「不知道這堂課會有什麼」，
舉例來說，幾次考試，幾次作業，期末報告形式等等。
說都會再另行宣布（但也就是上課口頭說明）。
Reading Discussion的部分，每個人都要sign up一週去報該週Reading內容。
但每組人數限制不斷改變，甚至報告的週數也改變了。
然而，J教授「不僅沒有說明報告內容，即使有人在Slack上詢問也沒有回覆」學生應該要報告什麼。
想當然爾，沒什麼人敢sign up第一週的報告，
而教授卻直接寄了一封內容關於I am really disappointed的一封信。
我收到信真的是滿滿的問號，因爲其實表單上其他週幾乎都已經填滿了。
然而他寄信後「還是沒有說要報告什麼」，
導致第一週的報告順延，他才在課堂中講要報告什麼…
另外每週的Reading是2–3篇paper，總和通常是大約60–100頁的Paper..
這是「每週」的份量，然而教授上課基本上是把paper的文字複製貼上。
但小考又是Based on閱讀的內容，所以也不讀不行。
PS. 這些paper很多其實已經outdated了（但當然有其價值），
我看一篇paper看到中段發現他說Video is a new method的時候才赫然發現他是1990年代的paper …
因為閱讀量真的是太多了，小考又是課前就考，
我幾乎每週都唸到半夜…
然後，小考內容又相當的刁鑽，甚至到非常誇張的地步。
有次小考內容甚至是有念完的美國人都說 “ This is too detailed, even I had read the paper and I could not answer this”。
他甚至考了在論文中僅出現過一次的抽樣方式（而且基本上是作者自創），
但這篇文章完全跟抽樣壓根沒有關係。（僅是選participant的方式）
另外，J教授的Syllabus幾乎是monthly basis的在更改。
所有重要的事情都不在上課宣布，反而是利用系統announce。
上傳作業都是用Google Form（還是不懂有系統不用系統做什麼），
Syllabus上的連結都是死連結，截止日期也全部不對。
期末報告上傳連結都藏在一份10月po的Word連結裡，甚至這次期末報告在「截止當天」才上傳一份新的連結，要求要額外上傳簡報。
J教授說要考4次小考，最後也卻只有在上半學期考了2次。
Participation的成績也不知道會怎麼改（沒點過名或記錄任何東西）。
2. 我認為教授並沒有用心在這堂課上
這堂課最核心的問題是，個人認為教授並沒有很注重這堂課。
最明顯的案例是在每週的課堂報告，在上半學期（我報告時），
教授都在滑手機，或是在走來走去看窗外等等。
報告完也沒有任何的Feedback，讓我極度傻眼。
下半學期他感覺有注重一點，可能是期中評鑑完被關注了吧。
另外在我們報告前，我隊友有寄簡報連結給教授問問看建議。
但因為Cornell Google Account的分享設定還是只開放給Cornell帳號觀看。
教授在回覆 Great, Thank you all之後，在報告當天早上才跟我們說：
“ I have no access to the slides”。
一來是我不太懂教授身為Cornell教授，為什麼沒辦法看呢？
二來這就表示，「教授根本沒有看簡報就回覆了。」
報告當下也想當然在滑手機，我極度傻眼。
雖然沒有設定好權限是我們組別的問題，但我真的傻眼。
至於上課期間，至少我完全聽不懂他想要講什麼。
大概在一句話中他會夾雜兩個Umm，也會不明所以突然跳過10幾頁簡報。
簡單來說，看Paper得到的東西或是聽同學課前簡報學到的還比較多…
另外這堂課也有三四次課堂活動，我就不多說好不好了。
其實很多他希望我們分析的例子我們都有點不知道有什麼關聯，
他後來也不會給什麼Feedback…
但至少有設計課堂活動啦，至少感受到教授的一點用心…
期末報告也從來沒有得到Feedback，十幾組擠在1小15分報告。
甚至我們因為期末報告的最初提案跟正式提案有改變題目，
問教授「如果改題目，寫在Plan上面是可以的嗎」，教授也說可以。
但在最後發表時，列表上卻還是用舊的題目…
那你到底有沒有看正式提案呢… ?
