在上这个项目之前我大概上了一些数学项目的课，包括一些微积分，现代，统计，也上了编程包括了java和programming 的python，我建议如果商科同学对申请这个项目感兴趣的话，可以自己去额外的修这些课程或者补修一个数学或者统计作为背景。
我大概有两段正式的实习和几段科研经历，都把他们写进了我的文书里面，这些经历都是跟统计或者是数学建模有关的，所以我也建议大家如果对申请金工感兴趣的话，可以多一些这方面的经历，多做一些项目，参加一些教授的实习，这样对申请这个项目有很大的帮助，因为我上完这个项目感觉他其实课还是比较的硬核，所以提前有一些课的准备的话会为之后做更好的准备。
卡梅金工这个项目主要是有几个不同学院的教授共同授课，主要是有金融，数学统计和编程，我上完这个项目之后感受到最大的三个特点，第一个是他的课程安排非常合理，第二个是他的校友资源非常好，第三个是他的就业领域非常广。
第一个是课程安排，首先是在录取之后，七八月正式开学之前，我们会提前上一个月的prep课，包括四个学科（统计，数学，markets是金融，programming 就是python），python会从头教到基本 basics，前面的课概率和数学会做本科的复习，prep课是相当于是为你8月份提前开始找实习做的准备，课程正式开课是9月份开始，一共是有6个mini，一年半的课，每个mini的课大概有3到4门。
像是我们第一个学期有两个mini的课，其实是为你找实习做准备的，第二年的两个mini是为你找到实习之后开始正式实习做准备，第五和第六个mini其实是为你全职做准备，所以我觉得他的课本安排是完完全全是按照我们工作的轨迹去安排的，课程也包括一些machine learning，data science，stock count ，time series 还有simulates这些课，还有很多的编程课包括 c++和python，我自己上下来是觉得作业量会比较大，但是教授上课进度安排的会非常的合理，作业的话会有一些多，但是把他们全部都完成了之后会觉得知识会学的更扎实。
我觉得校友资源是这个项目比较大的一个特色，因为从我们可能8月份开始就会每个人会分配到三个业界的mentor，他们会帮自己改简历，进行面试的准备。
到了秋季的8月到12月的每一周都会邀请一个在买方或者卖方从事了很多年工作的校友来到我们项目，去分享他们的工作和分享markets里面最火的一些东西或者是日常分享，所以我会觉得每周校友的分享是让我自己学到非常多东西，也多了很多机会可以去networking不同的人，之后还会在8月到12月的过程中，差不多每半个月会有定时校友来给我们模拟面试，会大概有两天的时间面大概三个不同的校友，他们会根据自己的简历和自己想去的方向出一些相对的面试题，会给一些建议，所以我觉得这个项目给我感觉是自己跟 Alumni connect非常的紧，从他们身上能学到很多的东西。还有一些校友已经做到投行里head的的时候会来我们项目里面招人，这个时候有很多的内推资源。同时学校的career service 也非常的好，会有专门的负责的人每周都会来跟进自己面试以及投简历的情况，包括自己最近拿了什么 offer，这是让我感觉我自己非常喜欢这个项目的地方。
这个项目学完之后可以有的一些就业领域，可能主要是直接对口的从事量化的研究，包括可以是买方，也可以是卖方里面的，包括投行，对冲基金或者是做量化投资，quant trading，包括一些prop trading firm，还有就是去同行里的sales trading是偏前台，做的更多的是一些面向markets的一些工作，有可能是需要有一些跟客户打交道，trading取决于不同的组，包括single-stock，derivatives是看自己到时候喜欢的领域，别的领域就是做一些金融的模型建模，还有去asset management里面去做portfolio-management或者是去投行里做risk management，还有的一小部分同学会转去data science，或者是去startup里面做一些偏data science或machine learning方向。
这个项目一共有两个校区，我选择的是匹兹堡校区更有校园的一些氛围，大部分的教授会在这个校区上课，可以更好的去线下听课。匹兹堡校区可能没有纽约校区生活丰富多彩，因为是在村里，但是相对来说校园学术氛围会更加浓郁，纽约校区的话就多了很多networking的机会，包括可以更好的去见一些校友，去线下交流或者是线下去面试，因为我有很多同学在纽约校区，他们也会趁着空余的时间去领英上找不同的之前的校友，会去线下和他们联系，包括去和他们进行一对一的talk，这些都是对于他们来说帮助是非常大的。
我大概是可能从七八月开始投实习的简历，所以我会建议在这之前一定要把自己的简历准备的非常好，包括你对写的每一条内容都要非常的熟悉，因为公司审查的第一面会是你的简历，会通过你的简历决定要不要给你第一轮真正的面试，当然有些公司也会根据你的简历决定要不要给你一个online assessment，一定交给自己的学校的career service去改一下或者去交给一些校友，学长学姐帮你看一下有没有什么问题，可以着重突出一点自己的经历，可以细化内容，我还建议在准备简历之前，大家也要熟悉自己是想去卖方还是买方。卖方就包括九大投行，买方就包括对冲基金，交易公司asset management firm。
所以为什么要确定自己的方向呢？
因为买方和卖方的话可能他看中的你的skill sets会有一些不一样，也可以着重体现在你的简历要放哪些经历上去或者更具体的讲你是想去哪个领域，想去哪个方向。你想去量化还是去交易，还是data science或者是fin tech，就是你要先清楚自己想去哪个方向，决定好了去改自己的简历，可能知道怎么把更好的把内容放上去。
做这一步我的建议就是去自己想去的公司看一看职位，怎么去写职位要求的，看他们有哪些技能要求。如果对量化Quant research很感兴趣，你想去买方公司Hedge Fund，就去找到公司的职位，找到他的所有的技能要求，从技能里面看他提到了哪些点，包括他会提一定要会基本的c++或者是python或者kbd ，会有这种的编程要求或者是他要求你要有一定modeling经历或者是有machine learning的经历。
你有了大概几个词之后，可以着重去改你的简历，包括从你过去的经历里面提取这样的经历出来放到自己的简历上，这样会让你去投公司的时候更有针对性，当然我们大部分情况下是可能一份简历要投很多个公司。
但是我建议的是，如果你已经确定了大概有自己喜欢的职位，大概知道是买方公司，技能大概都是那些点，但是如果你不确定，你的简历就可以写的稍微宽泛一点，这样的话可能针对性没有那么足，但是能保证你一份简历可以投很多次。
这几本书是我当时用来刷题用的，最多的是这本绿书，我当时是进这个项目之前刷了三个月这本绿书。9月份之后就有很多公司会开始发一轮，二轮的面试，那个时候再去准备的话可能会有一点晚，所以我建议大家如果想从事量化领域可以提前刷一刷绿书，最左边这一本，这本非常适合于我觉得是投行，比如说高盛的做quant的部门，包括别的一些投行或者是一些trading公司，其实这本书还都挺适合的，所以我会建议大家一定要刷题。
其实这个书上很多的内容是复习本科包括有一些数学和统计背景的同学的复习，所以大家就是过一遍，当然还有可能过个两三遍，争取把统计章，数学章，brain teaser章都熟悉清楚，这是我对刷题的一些建议。
旁边右边的三本，我自己觉得可能针对性的刷，比如说，我当时投prop trading的时候，我会针对性的去刷一些差不多的题，去这几本书里面找，比如说我又投了一个option desk的组，我会着重去刷一些derivative的题，所以不用说所有题一定要全部都过一遍，但是建议针对性的去分专题去刷一刷，根据自己的岗位需求，剩下的最后一步就是不断的练习，可以找你身边的一些学长，包括学校有一些资源，Career service 主动去问一下，找他们进行mock interview。整个面试流程，一般是投了简历之后有些公司就会开始给你发一轮二轮的面试，到时候再针对性的去准备就可以了，因为每个公司不一样还是建议前期的时候，大家可以多投。
我们那一届大概是这个项目44%的同学是数学和统计背景，30%有包括一些business，finance背景，剩下会有engineering，computer science的背景，我感受比较多的还是学数学和统计的同学，他们一般会辅修金融或者是CS，GPA成绩大概是3.8，GRE平均水平169+159，建议大家在平均左右再用一些文书的部分去弥补自己可能不足的部分。
总的来说这个项目集合了四个不同的学科，所以我会建议大家如果想要申请项目，在前期最好有两个学科方面的背景，因为我当时是学的数学和金融两个专业，但是我自己有上一些编程课，数学里面也涵盖了一些统计课，大概是说就是前期的准备的话会建议大家自己去补修一下，如果是没有上够这方面的课的话，可以主动去做一些研究或者主动去线下做些 project，比如说有的学校有data science比赛其实都是非常好的，可以去锻炼自己的一些机会，包括有一些学校会有Hackathon可以锻炼自己programming的这种技能，所以可以多去上这方面的课或者是增加一些线下的体验，会更好的有所帮助。
我自己会感觉首先是对quant research，quant trading 感兴趣的同学，包括建立一些数学建模的能力，一些编程的能力，data science，机器学习，量化投资，各种的交易，金融建模，资产组合管理，因为我们有不少的课其实都挺有针对性的，包括我们会上portfolio management，我会觉得对资产管理很感兴趣的同学会觉得很有用，也有machine learning，有四个mini都会上programming的课，因为做量化领域编程是一个必需项，所以我会觉得上完整个项目编程能力也有所提升，包括上完这个项目之后有小部分同学可能未来还会转码，也是往SDE方向走，非常小但是其实也是可以转过去，他其实更对口的是量化。所有金融wall street上面做Quant research，在Hedge Fund里面帮别人去投资都能用到这个项目的很多技能的，课程和技能算是打开了一个门，当然也没有说上完这个项目一定就能去到最好的公司，最Top的Hedge Fund，但是我觉得算是很好的平台，包括未来你想从卖方跳到买方也是有更多的机会，因为总的来说还是要在工作里去学习。
我自己当时开头是可能会用故事的方式，有点像倒叙去回忆自己一个小的经历，由这个经历联系到我为什么对金工这个领域感兴趣，用了几个事情来支撑，可能有些同学会用总分这样的结构，那我可能就是用了一个故事开头，中间用了几个类似于论据的方式去证明自己为什么感兴趣到自己的未来的一些职业规划。
文书大家经历可能不同，还是要和老师讨论，我当时也是跟他们讨论之后，我觉得可能可以这么写，怎么更好的去修改，让自己的内容更丰富，我也会建议文书传达你是对这个领域感兴趣，一定要去回答那个文书的问题做一些延伸，包括自己为什么想选这个领域，项目，到自己的一些未来的职业规划，重点就是结合自己的一些经历来让他多样化。
就我自己的感受而言，这个项目的就业率在美国是大概能做到毕业三个月达到90%的就业率，这个项目人数一共是88个人，就我们这一届来看有80%的人会留在纽约wall street，芝加哥prop trading firm，一小部分同学会选择回国或者去香港，剩下的一部分同学会选择在美国的一些别的城市，包括宾州或者是更小一点的地方，但是就业率是比较好的，如果大家对这个项目的就业感兴趣可以去一个网站quantnet ranking上面看一下这个项目会有详细的讲他的一些评分，包括就业比例，还有alumni的评分，国内也是不错的，我觉得国内的认可度也是挺好的，因为我是准备去香港工作，去的投行里面也是有我们学校的校友，所以我觉得校友还是不错的资源，包括在内地或者是香港，新加坡都有一定的知名度，这个项目如果是美本不需要提供托福成绩，直接是GRE，GMAT就可以。
我自己感受而言，实习的话我在证券公司里面做过跟量化投资相关的实习，也在银行里面做过跟 risk management相关的实习，我觉得可能做量化相关的会更直接对口，做科研的话包括一些数学的建模，数据分析，机器学习，我觉得这些都是对这个项目有帮助的，因为我觉得这个项目实际上内容的话会稍微比较hard core一点，像我之前提过，所以programming方面的实习，我觉得也是能用到这个技能的。
心得或者过程，我就会建议本科的同学从大一开始刚入学的时候可能就要主动去探索，主动去投一些实习，找教授去问有没有最近可以做一些科研的项目，主动去跟自己的教授建立起联系去询问，包括去实习如果想在美国找，提前一定要开始 networking，看看身边的同学有没有学长学姐在哪个公司实习，去问他有没有这样的资源，实习和科研过程中我建议大家一定要多向身边的人去询问，多去学，实习过程中一定要和是组里面的就是老板和比自己大的一些就是学长学姐交流，多去问，因为我觉得实习最重要的除了做事情本身还要就是建立起你跟别人的联系，多去和别人探讨你在做的事情。多去看他们在做什么，从他们身上学习。
因为我自己感受到的是实习的时候有的时候做的东西其实在自己看来可能不是那么的硬核，但是自己去学的过程，包括和manager请教的过程，我觉得非常的重要，包括比如说可能刚进去，我当时做的时候也还自己学了一些东西，也是我觉得实习的过程中很能增进自己的自学体验。科研的话建议大家只是多去和教授交流，去问，包括他做的项目是不是自己感兴趣的，在线下跟他做科研的过程当中，去保证一个很好的接触和能保证自己从科研里面学到的东西在未来就业的当中也是能帮助到的。
这个项目我读下来感觉强度和课程都是比较大的，身边peer pressure其实也挺大的，我自己上完的感受是经过这一年半，感觉学到的东西和对量化领域的理解会更深刻，很多学到的内容，我在工作中是马上可以直接去用上去的，所以我会感觉他的针对性非常强，一年半的课程下来之后我能保证我马上去工作的时候，比如在量化领域能很快的去用上，这些学到的东西会非常的实用，也是打开了量化的大门，在以后就业过程中可能会更加的得心应手。
是有提交视频的，当时也是录了一分半的video essay，内容就是回答他问的问题，会包括你曾经做过的一个最大的 project是什么，你自己怎么克服你的缺点或者是分享你最大的accomplishment是什么？我会建议在准备vedio eassy可以去一亩三分地上看一下大家曾经问到过的问题，把他们都写下来，也适用于之后的面试，因为学校有个一轮的面试大概30分钟，都是去一亩三分地上看一下大家曾经被问过什么题，把这些问题可以大概写一下自己的框架，写好了之后大概练一下，但是一定不要背，能达到自己是熟练的讲出来而不是背稿子，因为他问的问题都非常的简单，就是想了解你个人和表达能力，包括你怎么用很简单的语言去解释一个很复杂的东西，因为我在学校的面试他会问到你能给我解释你曾经做过一个你觉得最复杂或者是最偏量化的project，因为面试我们的人的背景其实不是偏量化方面的，所以在讲给他们听的时候要用尽量通俗一点的语言去讲。
其实也是有帮助的，因为我也有同学他们也是 ibd 的背景，包括他们也是学金融，他们也是也是没有问题的，但是我会建议说如果你是纯金融或者非常 ibd 的那种背景的同学去上那么一两节，就是偏数学，统计或者是编程的课，上这个课其实会对你上这个项目有帮助。因为如果你是可能ibd 比较纯finance背景，我其实会建议你可能去申请MIT或者普林斯顿比较偏金融的项目，像卡梅的这个项目其实比较偏硬核的课的话稍微有一些多，编程课强度也挺大的，所以如果之前没有背景的话，可以去上一些这种课或者做一些相关的 project去让自己提前感受一下。
当然我觉得ibd的全职工作也是很有帮助的，毕竟是有同行的经历，包括之后想转到偏sales and trading方向或者是可能更量化一点的方向也是有机会的，只是个人来说可以也去上一些别的课或者是增加一些别的背景会更有帮助。
主要的领域包括quant research，sales & trading，financial modeling，portfolio management，risk management 和data science。大概可能有一半以上同学会去投行，九大投行包括高盛，摩根斯坦利，JP摩根，美林证券，美洲银行，ubs，city，每个银行会在我们项目招3到5个人，算下来可能40个同学会去到投行，剩下可能有20-30个同学会去到hedge fund或者是prop trading firm包括比较厉害的一些 jump trading，Virtu Financial，DRW，Citadel ；hedge fund比如说Grosnenor Group，Two Sigma，Point 72每年大概有一到两个同学去到上面公司，剩下的一些可能有5个到10个的左右的同学会去一些Asset Management firm，Vanguard，pedality一些大的一些投资机构，去这些的同学可能每年有那么一到两个，包括还有就是像 pandagora 这种公司，剩下的部分就是非常少部分的同学会去一些fin tech，startup，consulting公司去做里面比较 tech 的一点的工作，只为这些公司就是一些比较小的公司，大概可能有不到10个同学，所以大部分的人会集中在投行或者比较大的一些买方公司，难度会更大，对你的本科要求，过去的实习经历会要求会更高。
我当时是都刷了一遍，之后着重刷了一下 Brain teaser和 probability还有math，我觉得有一些其实是不用刷的，但是要看你申请的岗位，比如说prop trading firm会考比较多的 brain teaser和probability，所以我会建议那个部分要着重刷，但是比如说你做desk account，就是类似于gs或者是 jp morgan 这种，他可能会问到一些数学题和一些统计题。
所以我会建议先可以过一遍，根据自己的岗位再着重去刷一些岗位需要的部分，比如说你大概知道这个岗位需要可能更多的是modeling的，你就多去练一下leetcode，不要单纯的刷绿书，建议大家也是在投简历之前就要刷起来，从easy 到medium都刷一下，着重的最热的那些题不用每道题都刷一下，因为很多公司他的第一轮都是online assessment，那一轮会要求大概是一个小时的线上编程，所以如果那一轮过不了的话，可能之后就没有更深入的面试，所以也会建议大家把programming要练好。
有一些公司其实是需要的包括我知道的 hedge fund 当时面 square point的时候，是有几轮的leetcode的上的题的面试。很多大的hedge fund，比如Two Sigma，Point 72只要是面量化一点的岗位都会有，我是建议刷到medium的，但是因为leetcode上题非常多，所以建议大家就是先按最容易被考到和问到的的去刷，在自己有时间的情况下可以刷一下别的题。
我没有申请DS，我申请下来所有的金工项目，哥大，芝加哥包括别的学校，这个项目前期的要求比较高，包括背景，申请下来感觉和哥大差不多。
首先如果是你想走quant research这个领域的话，可能会面一些leetcode上的题，有可能是原题有可能是变形programming方向的题目，第二个会问一些数学和统计，可能是一些你曾经上过的一些课的内容，有一些是绿书上的一些变形题，我也有被问到过但是比较少，剩下的话也会问一些概率题，这个概率题会问到比较多，是在一些prop trading里面，概率题的话绿皮书上也有了，我刚是提到了几本书上其实也是都有的，所以我建议大家如果就是可以去翻一翻这些书的电子版，他们都会有一些专题。
剩下的就是一些根据岗位的不同，如果这个岗位是偏machine learning会问具体的一些model的问题，从处理数据到建模到你怎么选择模型，怎么清数据，怎么用不同的模型，这个可以自己去复习之前学校上过的或者是自己去网上下machine learning的书来自己补。项目也会上课，所以其实项目也很好的弥补了如果没有这方面背景。如果是别的一些岗位，比如说我也面过一个option desk，那可能他就会问很多derivative的问题，比如说各种期权期货，包括他们要怎么去hatch，剩下的可能有些同学可能申偏DS一点的或者是进了Asset management firm里面做DS的组，那他可能就会问很多DS的问题，所以着重是看你想去的公司和岗位，把他们的 skill sets研究清楚后去相应的做准备，当然并一定刷了这个书一定就能在面试里面做的很好，因为大概率有可能还是遇不到原题但是去总结他们的知识点有可能就会遇到类似的就可以举一反三，其实就跟学码的同学一样，要刷很多题，当然我会觉得hedge fund或者prop trading一定会要求更多在做题上，有一些公司是根据你的简历选人那就是更多是从你过去做的 project，research，实习里面去挖点，比如说有一个实习跟他们的岗位非常的对口，那可能就是他们会着重问你那段实习的经历，你只要把那一段所有的细节讲述清楚，那可能他就会觉得你是很match这个岗位的人，之后可能就不会问特别难多的题，所以是大概是有两个方向，一个方向是直接从你可能过去的经历加分，另外有一种情况是可能你过去的经历没有找到特别 match的，就会通过让你做一些题或者是让你直接面试问一些题来更好的测试你有没有进入这个职位的能力。
我身边有很多同学可能就是过去做的事情真的很对口，可能去的组就直接match上，其实也没有刷特别多的题，但是也直接能去到这样的公司和这样的组，但是更多的同学比如说去一些买方公司，可能难度会高一点，要求也会多一些，他会通过不同轮的面试去测试你的技能，所以一定要去看那个公司需要什么去更好的准备，当然大家申请也是一样的，如果对这个项目感兴趣一定要去官网看他的要求，包括怎么给你面试的，建议一定要去做research，因为你做了之后就会一定会更好的了解这个项目或者公司，都是一样的道理。
如您有个人问题关于 留学规划、申请或文书 希望得到我本人或我的团队辅导，请私信 或 通过 ↓方式沟通，谢谢。
留学系列文章：【逆袭】麻省理工BA硕士！6大劣势下创校史首例录取！【精】美国顶尖名校“不为人知”的真正录取标准！（全文6875字，宜深度阅读）【精】什么样的课外背景对申请名校硕士最有帮助？（4232字纯干货）【精】读研怎么选？考研 VS 留学（6459字纯干货）【精】美国硕士申请文书核心要点及启示（4732字纯干货）【精】如何写好留学申请推荐信？（3878字纯干货）【精】如何组合选校&项目才能最大化名校申请成功率？（3557字纯干货）【精】美国硕士申请11大误区—每个坑都是深坑！高能预警！（20173字纯干货）【留学真相】为进名校，人人都在“作弊”—揭秘影响招生录取的“场外因素X”（5668字纯干货）
相关文章供参考：
