[心得] 美國轉專業 大CS時代 校系介紹 過程分享
##更新 對不起我這陣子實在太忙太忙了 我有抽空看了下直播方式
##要裝東西 要設定 要照顧串流 我可能沒有那麼多時間
##目前會先改成發文的方式 如果時間允許我會錄影片
##這陣子也有不少人來問問題 有些實在很棒 我會盡量整理一下分享給大家
##一樣會會有三篇文章 分別關於學校 找工作 以及轉專業雜燴
關鍵字
#商管轉電腦科學（任何領域轉電腦科學可參考）
#CS 0.1-0.3背景
#中高GPA
#無研究經驗 無發表
#有實習有專案
#經驗多元不豐富
寫在前頭，
如果是電腦科學背景加上
1. GPA好
2. 有研究經驗 發論文/ 投期刊或錄取的
3. 很確定自己要做什麼領域跟方向
以上C3取2經驗的強者，這篇對您的參考可能不太大，嫌字多可以左轉
如果願意跟我交個朋友加個LinkedIn還是非常歡迎XD
另外因為寫得時間間隔很長，所以心境上有不少改變，
導致語氣、重點會有些前後飄移，請不要見怪。
還有盡量為了避免中英夾雜，以下對照表，
但我覺得把學校用中文例如加州大學柏克萊分校寫出來有點怪，
就請原諒我仍然有些夾雜。
電腦科學 ：Computer Science
專案：Project
系所：Program
--------------------------------------------------------
目錄
一、 錄取成績
二、 個人背景
三、 心路歷程
四、 給轉領域的人建議
五、 選校 (最推薦大家看的)
六、 給大家學習的三個建議
七、 結尾
一、 錄取成績
申請領域 ：Computer Science / Scientific Computing / Analytics /
Data Science Upenn SCMP(錄取) + MEAM
CMU EBiz + Data Science
UChicago MSCS(錄取)
Gatech CSE + Analytics
UW-Madison PMP
UIUC MCS
USC 37 MSCS
UMass MSCS(錄取)
二、 個人背景
1. 台灣大學工商管理學系畢輔系機械工程學系
（認識我的應該靠這個線索就可以知道是我了 ）
2. GPA 3.84 / 4.0 GRE 320/340 + 3 TOEFL 107/120
3. 電腦科學領域
a. 正規修課經驗
i. 物件導向程式語言（Java）
ii.快速原型創新 （利用HTML CSS JavaScript 做報到機台前端＋些許後端）
iii. 資料庫管理（MySQL）
iv.
沒了，我知道很少，所以對修課修的少的人或許幫助滿大的
b. 專案 & 工作經驗
i. 利用C++ 寫Arduino的小小機械手臂的控制認體 ＆ 3D印表機的韌體優化
（難度不是很大，讀懂開源碼比較難）
ii. 利用 JavaScript 寫媒體控制器的後台和資料傳輸、介面優化
4. 數學統計領域
a. 正規修課
i. 非線性規劃
ii.多變量分析（SAS）
iii. 商管資料分析（R）
b. 專案 & 工作經驗
i. 利用能源消耗資料分析產品進入市場策略以及實際執行策略
ii.利用Node.js寫了個爬蟲程式抓資料，進R分析
提出統計分析結果後策略執行方向
5. 小結
其實我課修的很雜，電會一點、機械設計會一點、
統計會一點、程式會一點、商管的策略分析、
會計會一點，結論就是什麼都不精，要申請變得很難申請。
申請統計數學背景不夠，申請機械沒進過實驗室，
申請電腦科學相關經驗更少，然後又不打算唸商管類型的研究所，
所以其實看完我的背景，出國唸書變得很棘手，
什麼都可以唸但什麼計畫感覺都不會收我。
這時候，寫SOP變成一件惱人的事，
可以選擇這個不講，那個不講然後專注於某一個領域，
但是這樣相關經驗就變很少，又沒有研究可以說，沒有實驗室經驗等等等。
然而商管類的訓練：「說故事」就很重要，要怎麼把東西全部串在一起，
又合理又有說服力，變得非常困難，這件事花了我兩個月才完成定稿。
跟要分享的主題較無關聯，略過不提。
只提一件事，我那時候的SOP目標是寫到看完我的SOP教授就決定收我，
但是後來看到我畢業的科系和修課經驗才讓他們有所遲疑，
但以結論來說我失敗了，可能不是SOP不夠好，而是經驗真的太不夠。
三、 心路歷程
這個我猜沒啥人想看，直接說結論，我做商業的東西做得很痛苦，
做行銷類的PPT與說故事，銷售過程的轉換率（Conversion Rate），
談判的說話技巧，這些人家覺得最有趣的我通通做得很痛苦，
所以最後決定回到工程領域好好解蟲跟上網Google。
這段其實我感觸最深也耗時最久，但不是自己通常不會看這段，
所以如果跟我經驗很像的，真的想聊聊，就站內信吧，不浪費篇幅了。
四、 給轉領域人的建議
1. 先決定人生目標，這是你的動力，接下來再來找方法：
會轉領域的人往往都是因為目標無法藉由現在的知識或學位達成，
所以決定藉由新的學位來達成。有些人因為興趣不相同，
或是因為新領域比較好賺錢/好找工作/想藉由新的領域學位工作升遷上有所突破，
或是想學習新的東西，這理由都很正當，完全合理沒啥好戰的。
全民電腦科學又如何？
我自己是因為想在全世界工作，
但是商管的領域相較於工程相對難許多，所以我決定走入這行。
第一個建議是，請找出支持你走下去的動力是啥？
這動力請明確他，不然你會在留學生一個人獨守空閨的夜晚，
開始懷疑自己為什麼要離開台灣這個雖然賺錢賺不多，
但仍然可以有喝喝抹茶綠、
吃吃居酒屋小確幸的活下去環境，
來到一個餐餐自己煮、每天紅眼趕作業的世界。
2. 如果你已經決定轉了，並確信這是「正確的路」，不要放棄：
轉領域往往是痛苦的，表示你之前花的三四年的努力要全部打掉重來，
跟本科系的人競爭更是晚了好幾步。
你將或是曾碰到的阻礙我或許大部分都碰過
申請碰壁、在先決條件就被篩掉、
找實驗室被教授打槍、
找實習說不符資格、
在各樣的挫折底下，
似乎前面沒有一條可行的路時，
我借用一句之前主管鼓勵我們的話
「成功的路上並不壅擠，因為堅持到底的人並不多。」
放棄很容易，當下就輕鬆了，
但是兩三年後回來看，
我會後悔當初決定放棄，也會看不起放棄的自己，就鼓勵自己再往前一步，
相信我，有一天，你會慶幸自己沒有放棄。
3. 路是人走出來的，在申請的時候哪裡被擋住就往哪裡努力：
如果將申請成功比喻成一個目標，
中間有很多路要用梯子搭起來，
有的是基礎學分，有的是基礎知識，有的是研究經驗，有的是GPA，
一點一點找可行的梯子把往申請成功路補起來。
舉例來說，如果還是大三大四的學生不想轉系，
那就多修相關領域的課，
往電腦科學申請的就把演算法資料結構資料庫跟作業系統修一修
（通常這個階段的朋友很早就決定要轉，花時間補學分，情況最單純也最容易）。
如果是剛畢業的學生或是剩下沒幾個月要畢業的學生，
情況允許就延畢修課，不允許就畢業然後用線上課程來學習相關學分，
很多很多的線上課程跟題目資源，端看願不願意花時間ꄊ
或加上找願意教你的人或是願意收你的小公司進去做專案練功，
然後回到第二個建議，相信自己是正確的然後不要放棄。
如果申請失敗了，在利用一年的時間回去隨班附讀，台科大、清大交大都有，
重新把等刷起來，把裝備裝齊，再來一次。
我自己其實就有申請2016下學期台科大的隨班附讀當作去年如果申請不理想的備案，
明年要重新武裝自己然後再申請一次。
如果工作一陣子，對不起我還沒有相關的經驗，
所以關於家庭、工作跟投資風險等等的，我無法給出具體的建議。
五、 選校 （重點來了）
這章應該是對轉領域大家最能參考的一篇，
依照學校來介紹，當然加上許多我主觀的感受，
情形也因男女、修課多寡、與基礎條件而因個人有所不同，請酌情觀看。
選校有幾大考慮重點：
1. 自己的勝算：如果你是“女生”
和有coding經驗，請把自己的戰鬥力往上調30％，然後開心的往上挑學校。
這是你的優勢請善用它，
今天我是教授我也希望系裡面性別平衡點，
至少來個八比二不要是二十比二。
如果你是公民or綠卡，比照女生。
如果是東亞小朋友沒有身份，請認清自己的弱勢，
你擁有的GPA + 發表+實習經歷，大概就是湊火湊火著用，效果並不會那麼顯著。
但這個是世界末日嗎？我想不是。
跟你一樣的人有八成，我也是那其中之一。
2. 修過CS課的多少，這決定了你在篩選的時候被列入哪種等級的候選人
有篇一畝三分地的講得很好，
把基礎課程分成線性代數加離散數學，
核心課程分成計算機程式、演算法、資料結構、網路概論、作業系統、資料庫，
加分課程就多了，舉凡自然語言處理、網路安全設計等等，
如果你基礎課程修過全部修過可拿0.1分，核心課程一門0.1分，剩下的一門各0.1分。
0 ～0.4：稱為轉專業肥料，請有自覺不要越級打怪，
好好謀另外一條出路不要正面跟申請電腦科學本科出身同仁硬碰硬，
歡迎嘗試，再來跟我說你失敗了。
0.4～0.7： 恭喜你，你擁有跟其他人競爭條件的基本，
可能不會一開始被刷掉，但是依照現在的情勢，我也不大樂觀
，建議你們別參考前年或大前年的申請結果，那時候不比這時候，
請往下調申請的理想背景，
0.7 以上請左轉裡開，轉專業不是指你。
多話一句，我屬於0.2分肥料層級。
3. 選排名還是選系 可以大膽說一句，除了前四名CS
穩如泰山無庸置疑以外（MIT/UCB/Stanford/CMU），
其他學校就分成Tier2 & Tier3 & 其他，
選校名是為了以後找工作的履歷、
選系所品質是為了找工作後自己的實力，
其中兩者可以兼得當然沒道理不兼得，
但我討論的是兩者不能兼得的時候請自行考慮利弊得失。
例如我自己是因為知道以後很可能去美國以外的地方發展，
所以選擇了校名而非系所品質。
但身處Tier3 感覺校名在找美國工作上並無優勢，
有賴其他Tier2的各位朋友補充自己的經驗。
4.系所的大小
系裡面人越多影響資源的分配與工作名額分配，
例如找工作的時候很多公司會限定一個學校收多少人，
今年Bloomberg 就限定哥大實習找7個，總共1000個申請，
那賓大CIS的學生總共大概也就150個，假設找3個，
可以自行估算一下要去大系所還小系所。
食物鏈頂灣的CMU被拒履歷是因為現在你競爭的對手太多了，
你當不了牛首，變成牛後的話連雞首也把你啄的亂七八糟。
當然修課課程難不難搶也有關係，
但基本上我認為學校開的課都足夠你選的。
5. 其他 天氣、地理位置、生活機能生活費、這個太多了請洽Google，
我提供的是一些Google比較不容易找到的。
現在依照學校來做些簡介
1. 如果你是轉領域的，請去各大學校晃晃他們的系所網站，
或多或少都會提到些對轉領域的友善程度。
I. 對轉領域有特殊學系愛好：UCSD 、UCLA 、UT-Austin、U Columbia
這幾間學校對EE、Physics、Math的人有特別喜愛，
據強者我朋友在網路上挖到的訊息，
UCSD前年收了好幾個台大電機的同學，
而UCLA跟UT-Austin更擺明了寫他們歡迎EE 、Math、Physics的人轉進來。
另外還有些學校因為生醫工程的緣故，也很歡迎那Biology的人進來念 CS。
哥大今年也收了不少轉專業的學生例如EE相關，
以及有台大ME的同學也成功申請到了春季班（我機械我為素未謀面的朋友驕傲）。
II.擺明就是要收轉領域的學生，但難易度相差很大：
Upenn, UW-Madison, Uchicago, USC, UCI MCS
Upenn的MCIT系所以及UW-Madison的PMP都是屬於天殺的難申請上的轉領域系所，
基本上出路都極好，因為等於利用兩年的時間重新雕塑一個電腦科學方面的工程師。
可以參考一畝三分地裡面錄取回報，
往往都是拔尖中的拔尖，
各個雄霸一方非電腦科學掌門，
GRE V平均160。
前一兩年有一個清大的學長分享Upenn的MCIT
錄取系所，個人覺得這種神奇的經歷不太多人會有，可以爬文看看。
不過要注意的一點是，MCIT是給“完全沒有”電腦科學相關經驗的學生申請的，
如果你有例如我的等級（就是似有若無的修課、實習、專案經歷），
以往年的情況來看幾乎是不會上的，
可以省省放棄不要丟，除非你有把握把那些微弱的電腦科學領域知識藏得密不透風。
另外補充一點，很幸運的現在在這邊唸書的時候認識那個學長，
他表示現在開始MCIT收了越來越多白人（美國人），
以往MCIT收了近四成的大陸人，今年明顯減少了。
但收的總人數是增加了，從前幾年大約四十人，到現在已經逼近六十人了，
總人數增加但留給咱們的減少。
但今年的USC也很可怕，我的GPA前兩年應該是很有機會的，
今年卻是謝謝你貢獻的申請費不聯絡。
朋友的GPA 3.9/4.0 被排到USC 的春季班。因此只能說申請難度越來越高。
另外介紹一下UChicago的系所，
身為晚上上課的被暱稱夜間部，
聽說學生品質參差不齊，授課品質有難有易，
但老話一句，至少是UChicago，全美綜合排名第四的學校。
III.目前藏的很隱密的系所但其實是個好學校：UMass的MSCS，
他們窮鄉僻壤，加上名氣被MIT蓋得一踏糊裏糊塗，
所以很多甚至連當地美國人都不知道這所學校的CS其實在全美國排得上前30名，
麻雀雖小，五臟系所教學品質俱全。
加上因為學校很小，之前打聽的時候學長姐說授課品質很好。
是個適合專心唸書和找工作培養實力的地方。
其實現在有點後悔沒去那間學校但過去就過去了，
好馬不能回頭因為草被吃掉了。
IV. 非純正”Computer Science” 的系所:
這類結合各個領域的系所也逐漸發展起來了，
這種適合打算不正面硬肛各大CS 系所的朋友選擇，
校名不賴，修課跟一般的CS同學一起修，
受的訓練跟課程也是電腦科學等級，
只是基本上額外會修些系上必須要你修的課，
可能是數學可能是硬體可能是你早就學過的商管，
其實也是種選擇，各有各的好處跟壞處。
舉例來說： UPenn Data Science， 敝系 Scientific Computing，
CMU EBiz（聲名遠播），Gatech Analytics， NYU Data Science、
UCSD Computational Science Engineering。
UPenn今年開了新的Data Science 系所，
裡面著重於Data Analytics + Machine Learning + Statistics等
號稱找工作護體幾大神課。
身為在裡面的人覺得相當實用且具吸引力的系所。
另外聽說Gatech的Analytics號稱就業率100%，
並且合作的系上傾全力提升這個系所的就業率，
特別為了Analytics舉辦了場就業博覽會，
這個有多好沒排過美國大學就業博覽會的可能不知道，
在這邊的就業博覽會大概是排40分鐘講2分鐘，
然後人資把履歷丟一邊，結果就說聲“Sounds cool”就扔你回家了，
相較於這種大雜燴就業博覽會，
自己系上60個人如果來了7,8家公司，
代表你可以深度跟一個公司交流的機會。
至於有多寶貴，
我想可能要在這裡排過隊被一臉嗯哼嗯哼的人資洗過臉的人才知道。
目前學校先介紹到這邊，
剩下的希望呼籲在美國唸書的朋友可以多分享自己的學系或學系，
讓資訊透明點，不要有人被騙進來後來才後悔，
也不要讓人花了兩百萬做了不適合自己的選擇。
六、快進入結尾的給大家學習的三個建議
這邊要給大家如果處於剛剛分類處於0.1 到 0.5的朋友們
除了申請碩班以外的一些學習電腦科學的建議。
1.對於完全零基礎的申請者
這個世界並不輕鬆，錢也並不好賺，
軟體工程師的高薪背後是各種的眼睛看電腦看到快爛掉的努力以及不放棄的心，
轉專業不可恥，特別是年紀越大下的決心要更強，
我欣賞零基礎的你們，也堅信不放棄的心是通往成功最快的捷徑。
但是也請做好相對應的準備，
沒寫過程式的先從線上課程開始，
好好跟的教學一步一步的寫作業、釐清觀念、熟悉程式的邏輯，
寫過一點程式的也可以從頭開始，
畢竟如果你說的是“我寫過一點程式”，
那請把自己當成沒寫過，虛心並努力的重頭學。
如果你已經學過基礎的程式了，
請開始往真正的“電腦科學”前進，從演算法、資料結構開始，
這些是電腦科學的基礎，在每個地方都用的到。
線上課程一大堆，我自己是上了UCSD的演算法、資料結構加上
Princeton的演算法。
當你開始會一面洗澡一面想說自己的那之程式到底那該死的蟲在哪裡的時候，
恭喜你，你成功踏出了第一步。
2.釐清自己為什麼想轉進來，並做好準備
我大抵將目的分為兩種，
一種想轉換跑道進入電腦科學是為了自己的興趣，
想要理解更深的知識，
以及對某些特殊的領域有偏好，
不一定是為了做研究，
但是就是對“知識”本身有渴求。
舉例來說，覺得機器視覺很有趣、
對用語音辨識有愛好、
想了解使用的程式背後的Model是從哪裡來、
想學習一些電腦科學在各個領域上的應用，
這種人可以不要花時間在網路以及作業系統上面，
請上上Cousera或是Edx的線上課程，
稍微釐清一下到底這些應用需要的技術有哪些。
舉例來說我現在在這邊做了些醫學影像的辨識，
跟電腦科學的關係其實很大，本質上是數學跟矩陣的運算，
知道或開始研究這些東西可能對申請來不及了，
畢竟這些專業知識需要時間累積，
但是早知道總比晚知道好，睡過頭總比缺考好，
起碼在碩班選課上可以挑一下自己的上課模組，
讓自己累積夠多的相關經驗。
第二種的是因為軟體工程師在美國賺錢，
這理由我覺得完全合理，畢竟誰不需要錢？
這種人請往補好自己缺乏的課程的路走，
以及累積專案 為主，諸如網路、系統、前後端的粗淺知識，
最好的話可以動手寫寫專案，
這個對申請也沒有用，學校不太看這個，但是對找工作的用處可大了。
Frame work、不同網路協定、Command line
（請已經很熟的朋友們別笑說什麼連這都不會申請什麼碩班，
大家都有不會的東西，也有從不會到會的過程），
這些對都是工作上很常使用的，
另外美國的碩班會預設你至少會基礎的終端機使用、建置。
請利用這些知識累積專案量，對你的學習和找工作都有幫助的。
3.最後是訓練自己動手做的能力
如果你買了什麼“熟悉Java的一百種方法”這類型的程式書，
然後你說我把書“看完了”，而沒有或不想實際操作，那你不適合進來，
因為這是個講求實作的領域。
觀念懂了跟實作出來天差地別。
實作的能力沒有一簇可及的方式，就是慢慢的一點一點做。
找個簡單的網路上教學專案跟著一起做，
可以是應用程式、可以是爬蟲程式、可以是網站。
你會發現你總是在意想不到的地方卡住，
例如建置環境、檔案不能用中文名字不然會有編碼的問題之類的。
當你卡住的時候，就是學習的時候了。
透過Google查資料、發揮你的想像力猜測這樣會不會通過編譯，
如果利用猜側或嘗試的結果讓程式可以運行或是你想要的結果出現了，
那就自己歸納個結論。
如果無法運行，請把自己剛剛的猜測推翻，
因為你的猜測是錯誤。
但別擔心，你沒白浪費時間，你有學習到“這鬼想法是錯誤的”。
天底下沒有失敗，只有成功或學習，
即便你現在的程式或觀念或想法不對，他總有一天會在某個地方對你帶來效用。
七、結語
這篇心得我推了將近一年才把它完成，
而選擇在這幾天把他打完的原因是我知道賓州大學11/15有一波最早的申請死線，
想吸引多一點台灣朋友來這邊念書，
所以才趁今天禮拜五晚上把最後一些東西趕完。
誠如前面有篇關於電腦科學在美國找工作的情勢所說，
五年前的申請者是600取60，去年的申請者是1700取60，
首先難度提高，接下來你可以看到各種竹筍竹筍冒出來的系所滿地開花，
資料科學、資料分析、商管分析。
可以很誠實的跟大家說，這裡現在一點都不好混，截至2017年10月20號為止，
不包含我自己的四個一起打拼朋友沒拿到任何一間面試的邀請，
而這四個朋友都是絕對有努力、拼命投簡歷、寫題目、
找公司內部公司內推的人。
雖然我很有信心這四個朋友最終都會找到實習，因為努力不會騙人，
但如同之前的推文一樣，寒冬已至、末班車已開，
如果想來美國念書留下工作的朋友請務必做好心理準備。
但是，問我我建不建議本科念電腦科學的朋友或是甚至轉專業的朋友，
要不要來美國唸書，
我可以很明確的跟你說，
當你的心態調整好了，
絕對推薦你來。
// 以下許願文 QQ
至於為什麼？
我正計劃一個為期三次，每次30分鐘左右的臉書分享直播。
並沒有利益，單純是為了想讓我的學弟妹、我的朋友、
我的朋友的朋友聽到更多不一樣的東西。
雖然鐵定會花不少時間，但我想如果我能花一些時間幫助一些人，這會是好事的。
主要要分享的對象分成
1.對普通大學生、甚至考慮要出國唸書的年輕上班族:
// 為什麼要來國外唸書 – 一個台灣大學畢業生的觀察 //
雖然我還在念大學的朋友不多了，
但是希望如果能的話盡量分享給現在的大學生知道一些外面的世界，
畢竟是花了兩百萬享受到的聲光效果。
我會用跟那些留學代辦、推廣留學的機構不一樣的角度分享這件事。
放心我不會講得很無趣，我盡我所能的保證是並非老舊的內容，
即便是老舊的標題例如開拓視野這種陳腔濫調，
我也會用新的觀察來填補他。
2.對現在正在唸書或剛畢業留學生朋友：
// 留學找工作或許你沒注意到的事情和台灣人不擋台灣人的心態分享//
這個內容對不起我只能分享電腦科學找工作的相關數據，
但我相信整體方法來說是通用的，
畢竟找工作的套路就那些，但真正做到的又有多少？
當我們在叫沒有面試機會給我的時候，請繼續往前走一步，再往前走一步，
等你回頭，會發現你比以前多走了好幾步。
另外想分享的是現在天氣轉涼，正需要咱們同胞互相幫助。
3.對轉專業、思考學程式設計的的朋友
// 我該上車嗎？要上這班人工智慧、大數據、機器學習的車？//
這部分是我個人的經歷分享，會有很多比較個人的主觀建議跟經歷。
我想我應該在身旁轉專業同學裡，算還成功的案例了。
案例無法複製，但心態可以、機會不一定一樣，但一定在那裡。
最後
預計在十一月初的第二個禮拜天晚上（台灣時間）跟大家利用網路分享，
可能不會做成影片畢竟我也有點忙，
如果有人願意協助我也歡迎站內信我。
祝留學季大家找到自己想要的人生目標，並一步一步走的完成他。
2017/10/20 Yu-Ho 於費城
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 173.62.252.231
※ 文章網址: https://www.ptt.cc/bbs/studyabroad/M.1508563586.A.D37.html
推
10/21 13:43,
6年前
, 1F
10/21 13:43, 1F
推
10/21 13:46,
6年前
, 2F
10/21 13:46, 2F
推
10/21 13:50,
6年前
, 3F
10/21 13:50, 3F
推
10/21 13:56,
6年前
, 4F
10/21 13:56, 4F
推
10/21 13:59,
6年前
, 5F
10/21 13:59, 5F
推
10/21 14:16,
6年前
, 6F
10/21 14:16, 6F
推
10/21 14:23,
6年前
, 7F
10/21 14:23, 7F
推
10/21 14:23,
6年前
, 8F
10/21 14:23, 8F
→
10/21 14:23,
6年前
, 9F
10/21 14:23, 9F
→
10/21 14:25,
6年前
, 10F
10/21 14:25, 10F
→
10/21 14:50,
6年前
, 11F
10/21 14:50, 11F
推
10/21 15:03,
6年前
, 12F
10/21 15:03, 12F
推
10/21 15:15,
6年前
, 13F
10/21 15:15, 13F
推
10/21 15:28,
6年前
, 14F
10/21 15:28, 14F
推
10/21 15:47,
6年前
, 15F
10/21 15:47, 15F
→
10/21 15:52,
6年前
, 16F
10/21 15:52, 16F
會 現在除了top4應該還是人見人愛以外
tier2我不知道 如UCLA UMich UIUC Gatech等
tier3大家一樣慘 面試真的不好拿 補個UCSD朋友消息 16年找實習
大家都很努力 14個找到7個剩下回台灣
今年找正職 有實習有 return較為安心
但目前消息是沒拿到除了return以外的正職
剩下回台灣實習的朋友們還在載浮載沉
但正面報導 哥大台灣朋友去年全數拿實習
百來個大陸同胞剩10％沒正職工作
消息來源是我朋友 正確度給他推7成
→
10/21 15:52,
6年前
, 17F
10/21 15:52, 17F
有武器就用 沒啥好不用的 也沒啥好戰的
像男生在護理師方面 一定有額外的優勢
推
10/21 15:55,
6年前
, 18F
10/21 15:55, 18F
推
10/21 16:04,
6年前
, 19F
10/21 16:04, 19F
推
10/21 16:08,
6年前
, 20F
10/21 16:08, 20F
推
10/21 16:11,
6年前
, 21F
10/21 16:11, 21F
推
10/21 16:28,
6年前
, 22F
10/21 16:28, 22F
推
10/21 16:36,
6年前
, 23F
10/21 16:36, 23F
推
10/21 17:17,
6年前
, 24F
10/21 17:17, 24F
推
10/21 17:53,
6年前
, 25F
10/21 17:53, 25F
我也不是QQ
推
10/21 17:55,
6年前
, 26F
10/21 17:55, 26F
推
10/21 18:03,
6年前
, 27F
10/21 18:03, 27F
推
10/21 18:12,
6年前
, 28F
10/21 18:12, 28F
推
10/21 18:17,
6年前
, 29F
10/21 18:17, 29F
推
10/21 18:24,
6年前
, 30F
10/21 18:24, 30F
推
10/21 18:26,
6年前
, 31F
10/21 18:26, 31F
推
10/21 18:39,
6年前
, 32F
10/21 18:39, 32F
推
10/21 19:45,
6年前
, 33F
10/21 19:45, 33F
推
10/21 20:12,
6年前
, 34F
10/21 20:12, 34F
推
10/21 20:23,
6年前
, 35F
10/21 20:23, 35F
哈哈 大家都是大中華地區
還有 90 則推文
還有 15 段內文
推
10/26 03:33,
6年前
, 126F
10/26 03:33, 126F
→
10/26 03:34,
6年前
, 127F
10/26 03:34, 127F
→
10/26 03:34,
6年前
, 128F
10/26 03:34, 128F
※ 編輯: edwardboy26 (158.130.193.169), 10/26/2017 10:31:51
推
10/26 10:38,
6年前
, 129F
10/26 10:38, 129F
→
10/26 10:39,
6年前
, 130F
10/26 10:39, 130F
→
10/26 10:40,
6年前
, 131F
10/26 10:40, 131F
→
10/26 10:41,
6年前
, 132F
10/26 10:41, 132F
推
10/26 12:10,
6年前
, 133F
10/26 12:10, 133F
→
10/26 12:11,
6年前
, 134F
10/26 12:11, 134F
→
10/26 12:12,
6年前
, 135F
10/26 12:12, 135F
→
10/26 12:12,
6年前
, 136F
10/26 12:12, 136F
噓
10/26 12:45,
6年前
, 137F
10/26 12:45, 137F
→
10/26 12:45,
6年前
, 138F
10/26 12:45, 138F
→
10/26 12:53,
6年前
, 139F
10/26 12:53, 139F
→
10/26 12:53,
6年前
, 140F
10/26 12:53, 140F
→
10/26 12:53,
6年前
, 141F
10/26 12:53, 141F
→
10/26 12:53,
6年前
, 142F
10/26 12:53, 142F
推
10/26 22:18,
6年前
, 143F
10/26 22:18, 143F
推
10/26 23:14,
6年前
, 144F
10/26 23:14, 144F
→
10/26 23:14,
6年前
, 145F
10/26 23:14, 145F
→
10/26 23:15,
6年前
, 146F
10/26 23:15, 146F
→
10/27 07:04,
6年前
, 147F
10/27 07:04, 147F
推
10/27 10:41,
6年前
, 148F
10/27 10:41, 148F
→
10/27 10:42,
6年前
, 149F
10/27 10:42, 149F
→
10/27 10:42,
6年前
, 150F
10/27 10:42, 150F
推
10/27 12:13,
6年前
, 151F
10/27 12:13, 151F
推
10/27 13:21,
6年前
, 152F
10/27 13:21, 152F
→
10/27 13:22,
6年前
, 153F
10/27 13:22, 153F
→
10/27 13:23,
6年前
, 154F
10/27 13:23, 154F
→
10/27 13:35,
6年前
, 155F
10/27 13:35, 155F
→
10/27 13:36,
6年前
, 156F
10/27 13:36, 156F
→
10/27 13:36,
6年前
, 157F
10/27 13:36, 157F
推
10/27 18:52,
6年前
, 158F
10/27 18:52, 158F
推
11/05 22:14,
6年前
, 159F
11/05 22:14, 159F
※ 編輯: edwardboy26 (158.130.172.196), 11/09/2017 03:10:18
推
11/27 22:27,
6年前
, 160F
11/27 22:27, 160F
推
12/01 22:55,
6年前
, 161F
12/01 22:55, 161F
推
12/02 00:22,
6年前
, 162F
12/02 00:22, 162F
※ 編輯: edwardboy26 (173.62.252.231), 12/04/2017 19:42:13