西北求學期間

        系上課程規劃非常全面、亦有實習、及與企業產學合作的專題。課程包含資料視覺、編程、機器學習、大數據和管理課程等。因我選擇的碩士班屬於工業工程領域，因此還包括線性規劃相關課程。個人認為，這種全面性課程規劃是一個雙面刃，優勢是培養了解資料科學技術的管理專業人士，缺點則是對於那些希望深入學習機器學習技術的人來說，課程可能顯得不夠深入。個人當時感覺西北課程設計與台灣最大的不同是美國課程在善用工具方面確實做的比較完善。以線性規劃作為例子，在台灣考試內容多半是靠手算在小問題上求得最佳解，但美國課程會強調設計問題目標函數後，使用軟體輔助求解。

求職過程

        跟申請學校其實並沒有太大的差異，相關領域的經驗、個人作品集都是企業評量的地方。科技業公司面試通常分為三個階段：第一關人資審核資歷，第二關一小時視訊技術面試，第三關則是一整天技術面試 (通常5輪)。技術面試包含機器學習基礎知識，大公司常常會要求萬惡的演算法問題 (Leetcode)，呈現過去參加過的專案及主管人格評估等。

        雖然近兩年(2022, 2023) 由於景氣不是特別理想，新聞普遍會傳出裁員等負面消息，但資料科學相關的工作在美國並沒有呈現飽和狀態。整體而言，科技產業還是對這個專業的需求大宗，但各個領域都仍非常需要相關優秀及資深的人才。由於我並沒有在台灣從事相關的正職工作，無法提供美國與台灣兩邊工作上的具體比較。

職場方面

       畢業後我一直在電子商務領域中的廣告領域，從事與機器學習相關的工作。eBay近四年七個月職業生涯，主要在做廣告商方面的關鍵字(Keyword)推薦、競價(Bidding)和全自動廣告 (Automated Campaign)等項目，在這個過程應用到工業工程作業研究的約束優化 (Constraint Optimization)，是應用如何讓廣告者在一定預算範圍內最大化所獲得的價值。之後轉職到 Amazon ，近一年專注於深度學習大模型在廣告及搜索引擎上的應用，例如召回和排序 (Retrieval, Ranking)。