我们第一届 MMA 在四月底刚刚结束课程，还记得当时 2018 年申请的时候，CD 上关于加拿大 BA 方面以及多伦多大学 MMA 的信息还很少，所以就想开个帖子和大家分享下。

本人 undergrad 专业是 Nano-Science，偏 tech，在毕业前找到 Full Time 的 Data Scientist 工作，现在位于多伦多 downtown 工作。

基本信息：

我们第一届 MMA 一共 43 人，印巴学生大约 10 人，加拿大本地大约 10 人，中国学生大约 20 人(包括加拿大籍)，其中陆本 1/3，海本 2/3。同学的本科背景，将近 50% 是 STEM 专业的，另外 50% 是会计、金融、心理学等文科专业。绝大部分人的 full time 工作经验基本为 0，除了少数 3-4 个同学有 5 年以上工作经验。项目一共分 3 个 term，Intro (Summer) term, Fall term, Winter term，从 8 月初开始到次年 4 月底结束所有课程，共 9 个月。我们这一届在 intro term 开始就已经组好了队（Director 写的一个 Algorithm 分配的），并且这个组队安排会一直延续到 Fall term 结束。（这个组队的事情还是有些小插曲的，后面会细说）

课程设置：

8 月初开始的 Intro term 为期一个多月，有 boot camp 和商科的基础课程，基本就是 introduction level 的课程，顺便让同学都相互了解下，最后是以考试 + presentation 的形式作为 Final Exam。在 Intro term 的末尾阶段，career service 就开始进入了，介绍求职时间线，行业现状，mock interview 等等。9 月中旬开始的 Fall term 一共 4 门主课（外加 Practicum Project 和 Colloquia），基本属于 Technical 课程，Python、SQL、R、SAS、Tableau 都会用到，并且会有 Machine Learning 方面的统计学课程。Fall term 基本以 Individual Assignment 和 Group Assignment 的形式呈现，期末依旧是 Exam + Presentation 的形式。这学期课业负担比较大，会很忙，偶尔熬一两个通宵也是有可能的，但学的东西还是很扎实很有用的。

说回组队的事情，因为每个人的 background 都不一样，有人 tech 强，有人写 report 牛，大家水平参差不齐，所以一开始这种被动组合的 team 里面有可能会有矛盾，而且每个人的 work ethic 也都不一样，分工不均、划水不干实事的情况也是有的。也因为 program service 对于这种情况经验不足，导致 team 内部矛盾比较多，所以本来 Winter term 还是要用 Algorithm 进行分组的，但是在大家的要求下变成了自由组队。这也算是 Teamwork 的宝贵经验了。

圣诞假期不是很长，大概三周左右，当时在这个时候我们的求职压力就开始浮现了，大家也都纷纷开始 network + 投简历。

Winter term 比较偏向 business side，还是 4 门主课外加实习和 Colloquia。有一门课我觉得最有意思，Analytic Insights using Accounting and Financial Data，完美地把 Fall term 学到的 technical 知识应用在了 finance 的真实问题上，学的也都是 research 领域比较前沿的东西。其他几门课就比较水，比如 Supply Chain 和 Marketing Strategy 这两门课就比较老套，用到的 skill 也不怎么跟得上时代，但是这两门课所教的 qualitative 的东西还是很有用的，尤其以后求职的时候对于特定领域可以有东西聊。还要再吐槽下最后一门课，Customer Value 这课实在是水的不行，prof 本身感觉在混日子，教的东西也和其他的课有重复，完全没有 structure。但是，请学弟学妹们不要担心，在我们的强烈建议下，2019 年的这门课已经被取消了，prof 也不会再教了。对于空缺出来的这门课，据说会换成一门从 cs 角度教学的 Python 课，以弥补课程和市场对 Python 的高水平需求。

实习项目：

多大 MMA 是自带 9 个月实习的，从 Fall term 开始一直到 Winter term 结束，每周五都没有课程安排