UT Austin MSBA 夏季及秋季學期課程回顧 (2021)
嗨! 我是Branda，目前是UT Austin的商業分析(Business Analytics)碩士學生，這是我第一篇分享關於這個Program的文章，日後會持續分享更多美國求學求職心得及資料分析方面的專案，歡迎追蹤我，獲得新文章的貼心提醒 :)
Summer Semester:
Summer Semester在七月初即開學，與其說像一學期，更像是Fall Semester前的集訓先修班，總共五星期，因為要在五星期休完共六學分的課，所以每周一到四都會上同一門課。由於疫情狀況，Summer Semester是全線上課程，線上課程的優點為方便複習(上課錄影很清楚)及節省交通時間，缺點是容易分心及與同學的互動感很少(個人覺得MSBA這個program對於過去比較沒有技術底子的同學與同儕的討論及互相幫助非常重要)
Intro to Machine Learning
課程內容: (使用的教科書: An Introduction to Statistical Learning)
- 上半學期: Machine Learning入門知識(cross validation, bias-variance trade-off, evaluation metrics)、Supervised Learning: Trees(Bagging, Random Forests, Boosting), Regression, Classification(KNN, Logistic Regression, Naive Bayes)
- 下半學期: Resampling-bootstrap, Clustering(k-means, hierarchical), PCA, Network & Association Rule Mining, Text analytics(TF-IDF)
使用語言: R
課程作業及專案: Assignment*2, Group Project*1
心得: 此堂課分為上下學期由兩位美國教授共同授課，兩位教授的授課方式我都很喜歡，對於Machine Learning的入門講解得非常清楚。比較intense的部分是在開學第三週就得完成一份group project，如果在開學前不熟悉R會很迷茫，雖然R只有在Summer Semester較著重(Fall Semester主要都使用Python)，但我還是會建議在開學前有基礎，且因為進度頗快，剛開學就要蠻認真複習老師每天所教的內容。Assignments的份量很重，但是對於上課所教的內容全都會實作一遍，最後成果以R markdown呈現。
Data Science Programming
課程內容: Python入門、Pandas(含series, data frame, merging & reshaping, visualization, time series)、使用Scikit-learn進行Regression, Classification, Clustering
使用語言: Python
課程作業及專案: Group Assignment*3, Group Project*1, Final Exam
心得：個人非常喜歡這門課的教學速度和方式，由淺入深，也有很多實際扎實練習的機會。老師會從最基礎的data types和基本語法教起(但是歡樂的時光總是過得特別快)，整門課最核心的部分是Pandas。我覺得每週的團體作業對於Pandas學習很有幫助，可以知道哪部分的題型比較容易卡住，期末的團體報告也合作的很愉快，我們這組是做芝加哥的犯罪分析，包括對犯罪頻率作時間和區域的EDA分析、不同類型的犯罪和逮捕的關聯性、以及COVID和大麻合法化對於犯罪的影響，之後有時間再用文章與大家分享!
Fall Semester:
Fall Semester是從八月底到十二月初，在三個月半要修完16學分的課真的是心頗累!(學期結束後每個人都爆瘦一波lol) UT Austin MSBA秋季課程主要都蠻tech的，沒有太多管理課程。Fall Semester全面恢復到實體課，說老實話感覺真是快樂多了!
Optimization
課程內容: Linear Algebra基礎介紹、Linear Programming線性規劃、Integer Programming整數規劃、Non-Linear Programming非線性規劃
使用語言及工具: Python (Gurobi, Scipy)
課程作業及專案: Individual Assignment*5, Group Project*3, Midterm Exam, Final Exam
心得: 本門課cover的內容近似於常聽到的「作業研究(Operational Research)」或「管理科學(Management Science)」，使用線性規劃或非線性規劃尋找組合最優化，作出最有利的商業決策。期中考前的課程還算基礎，只要能依照題意列出方程式，再放到Python Gurobi上即可解決。下半學期開始涉略較難的商業問題，如integer programming中知名的TSP和non-linear programming的quadratic programming等。我認為是否能理解題目含意及邏輯是本門課的核心，題目往往就是一個商業問題(所以會漏漏長)，但是能夠foresee學的內容以後在職場上會運用到，十分有幫助。這門課在期中考由於作題時間不夠以及嚴重的作弊問題造成了不小風波，期末考教授在公平及出題方面改善了不少，春季學期會有本門課的延伸，到時再與大家分享!
Advanced Machine Learning
課程內容: Supervised Learning, Unsupervised Learning & Deep Learning— 包括MLR(Multiple Linear Regression), Regularization(Lasso, Ridge, Elastic Net), Bias-Variance Trade-off, SGD, MLP(Multi-Layer Perceptron), Feature Engineering(PCA), Classification(trees, bayes classifier, confusion matrix, SVM, logistic regression), CNN等
使用語言: Python
課程作業及專案: Assignment*5, Group Project*1, Quiz*5, Final Exam
心得: 這門課所教的部分內容基本上暑假的Intro to Machine Learning課都有過過一遍，但這門課會更深刻地談論每個模型背後的數學和技術logic，及不同模型的優缺點和使用時機，另外還會學更深的內容如Deep Learning及Neural Network。但這門課的教授非常不推，除了口音外，表達也非常不清楚，在這裡強推StatQuest with Josh Starmer，對於了解本門課所有的內容非常有幫助。這堂課是本學期最tech的課，作業頗繁重，期末的分組報告我們組針對石油產業鹽的探勘作image segmentation: Subsurface Salt Interpretation Automation — Enhancing ML workflow for semantic segmentation，歡迎大家交流分享。
Introduction to Data Management
課程內容: Database介紹、SQL實際上手 (DDL, DML, DQL, Indexes & Sequences, PL/SQL), NoSQL(僅著重於理論講解沒有實際上機), Data Governance, Big Data (使用的教科書: Murach’s Oracle SQL and PL/SQL for Developers (2nd Edition)
使用語言: Oracle SQL
課程作業及專案: Group Assignment*6, Group Project*1, Quiz*4, Midterm Exam, Final Exam
心得: 這門課結合所有關於data management的理論及實際演練，學習主軸為資料庫語言SQL。這堂課的教授是個土耳其人，挺風趣及chill的，上課壓力不大互動性高，但課程內容可以再更密集。上課會穿插case discussion，SQL教學方式主要是老師demo再由學生做練習題。六次作業中有四次是SQL coding，作連鎖飯店的資料庫建置和分析，我認為連貫性的作業主題對於學習挺有幫助，期末報告我們這組分析Spotify Podcast's data strategy，為Spotify的Podcast商業領域發想data strategy及設計data modeling和ETL流程。
Analytics for Unstructured Data
課程內容: Text Mining, Sentiment Analytics, Image Analytics
使用語言: Python
課程作業及專案: Group Assignment*2, Group Project*1, Final Exam
心得: 這堂課的教授也是一個很chill的印度教授(平時還練團會邀請學生去他家看表演)，內容挺豐富，只可惜簡報內容較不structured。作業進行方式主要是上特定網站(Reddit, google review, IMDB等)先爬資料，再使用不同的text analytics方法分析，給出商業建議。例如期末報告我們上Reddit作Joke Analysis，運用topic modeling作最受歡迎的主題分析、bigrams和word embeddings作wording之間的關聯性分析，以及sentiment analysis去偵測笑話中是否有諷刺性。Unstructured data analytics應用度很高，而且很有趣，只要會爬資料，之後也可以針對自己有興趣的主題做更多專案。
Marketing Analytics
課程內容: Conjoint Analysis, Recommendation Systems(collaborative filtering, matrix factorization, market basket analysis), Customer Acquisition & Retention, New Product Adoption, Sales Forecast, Elasticity, Advertising Effectiveness等
使用工具: Excel XLSTAT
課程作業及專案: Individual Assignment*4, Group Project*1, Midterm Exam, Final Exam
心得: 這門課推! 本門課沒有任何coding，幾乎都是以excel完成，主軸是讓行銷分析以量化分析作呈現。內容包括以問卷結果分析顧客的偏好以預測購買行為、pricing elasticity及market share，另外還有預測推薦系統結果、分析顧客life time value以作customer acquisition 和retention的決策等，學習如何解讀logistic regression或linear regression的結果應用至行銷問題。分析方式不是平時所見，時常會覺得頗不直觀，但我認為這些分析方式很難從其他線上課程有系統的學習，也很transferable，對於許多職場上會遇到的商業問題很有幫助。
Financial Management:
這門課若大學修過財務相關的課程可以直接抵修，改修系上的另一選修Supply Chain Analytics
課程內容:
- 上半學期 — Accounting: 成本及管理會計(cost allocation, activity-based costing,capacity analysis, joint product costing, transfer pricing) ，以case study進行討論
- 下半學期 — Finance: 基礎財務知識(time value of money, loans & bonds, dividend discount model, risk & return, capital budgeting)
課程作業及專案: Assignment*2, Exam*2
心得: 此堂課是基礎的財務課程，主要for program裡過去可能是engineering背景沒有修過相關課程的同學(我修過了但因為一些原因還是修了這門課)，學期分為兩位教授，分別教Accounting及Finance。Accounting主要是學成本會計和管理會計，每周都有一大篇case要讀，上課以case作討論為主。Finance的教授是位嚴謹認真且非常approachable的教授，聽他的課感覺又重新打基礎了一遍，最後一堂課他還準備了一份演講稿告訴我們人生道理我覺得十分有趣哈哈哈。
學習外的求職
秋季的求職產業主要是Consulting，大多數的consulting firms會在八月底一開學就開始舉辦info sessions，九月及十月即申請截止。目前program裡找到工作的大部分是美國本地學生，以consultants或consulting firms中的data analysts和data scientists為主。
同時平衡課業及求職說實在非常辛苦，期中考後因為課業真的太繁重所以著重在課業上，但我仍建議可以提早開始，至少準備好心理建設，確保自己有好的心理素質去面對拒絕，以下是我在夏季及秋季學期做的準備：
- Networking & Informational Interview: 這段時間的networking我的目標是了解產業趨勢與自己未來的定位，informational interview是不錯的第一步，informational interview非面試，而是求職者與產業中的前輩進行雙向互動，闡述自己的興趣與想法外，也能了解前輩的職業生涯或該產業的趨勢，由於事前可以準備，對於比較不習慣現場即時型networking的人很適合。我針對自己有興趣的role(product analyst, business analyst, data analyst)與Linkedin或career events上認識的alumni及mentor聊聊，從過程中能更清楚自己畢業後在產業中的定位，也能留一手日後networking的線。學校也有建議我們在十月中前完成至少五場的informational interview。
- 修改履歷 & 練習面試: 暑假及開學初期主要著重於改履歷和cover letter，學校有一個AI系統，協助初期的履歷撰寫，而後我會直接跟career coach約。練習面試方面主要分為更熟悉使用STAR架構去回答behavior questions以及case interview，career service提供的case資源還蠻齊全的，我會用上面的case跟career coach和同學練。career coach雖然無法提供太多connection的機會，但在改履歷和練習case interview方面都很算approachable及helpful。
- 投工作: 雖然知道consulting對於國際學生不是一個很有利的產業，但我在暑假和十一月以前仍有試著投一些相關工作，主要想透過這個過程更熟悉美國找工作的流程及文化。我大概投了15個左右與consulting相關的職缺，拿到4次線上測驗和2次的面試機會。
總結
一轉眼就落地美國半年了! Program也過了三分之二，雖然感覺過去半年在課業上是用爬得過來，每天不是在討論專案就是在研究作業到底怎麼寫的路，這篇反思也是在學期沉澱快一個月才能侃侃而談的產物。過去這半年換了一種以往不曾擁有的學習方式，我很喜歡美國的教學方式，作業及專案的份量雖然重，但是有大量吸收知識及闡述自己想法的機會。永遠不覺得自己在這個program或求職上已經完全得準備好，但鼓勵自己對當下做的每個努力負責，認真體會每一天，繼續連滾帶爬、笑中帶淚朝最後一學期前進吧！
ABOUT ME
感謝閱讀我的文章! 如果你/妳覺得這篇文章對你有幫助，歡迎追蹤、拍手以及分享給身邊好友🤍
若希望我分享什麼題材，歡迎透過留言或email(branda.huang@utexas.edue)告訴我!
You can also connect me on Linkedin to discuss more interesting ideas! :)