虽然有CS一百多万毕业生的数据,正如原作者讲的有但不限于下面的局限性:
1. 仅限于FAAG的就业比率。但我们知道好公司不仅限于这几个公司,如果有时间用同样的方法也可以得到相应的数据。
2. 还有一些毕业生去搞科研创业等等。
3. 没有考虑到职位的差别。比如有人的职位是· CTO, SVP 等等。
4. 收据是2021年的,有点过时。如果有时间用同样的方法也可以得到相应的数据。
5. 学校有学生毕业的年份不一致,比如A 校仅从X年才开始有毕业生,B校从Y年才有毕业生等等。严格讲来不是“compare apples to apples" 。
6. 每个学校的生源情况不一致。比如A 校ACT/SAT percentiles 是Xs,比如B 校ACT/SAT percentiles 是Ys等等。严格讲来不是“compare apples to apples" 。
data source: https://www.reddit.com/r/csMajors/comments/mtlf0a/gf_follow_up_to_faag/
哪来成千上万的cs毕业生校友,还占10分之一不到。用LinkedIn数据都要打3折
网上小留对cmu硕士学店反馈差,水硕多的学校,本科毕业生都会受影响。
Where?
虽然有CS一百多万毕业生的数据,正如原作者讲的有但不限于下面的局限性:
1. 仅限于FAAG的就业比率。但我们知道好公司不仅限于这几个公司,如果有时间用同样的方法也可以得到相应的数据。
2. 还有一些毕业生去搞科研创业等等。
3. 没有考虑到职位的差别。比如有人的职位是· CTO, SVP 等等。
4. 收据是2021年的,有点过时。如果有时间用同样的方法也可以得到相应的数据。
5. 学校有学生毕业的年份不一致,比如A 校仅从X年才开始有毕业生,B校从Y年才有毕业生等等。严格讲来不是“compare apples to apples" 。
6. 每个学校的生源情况不一致。比如A 校ACT/SAT percentiles 是Xs,比如B 校ACT/SAT percentiles 是Ys等等。严格讲来不是“compare apples to apples" 。
data source: https://www.reddit.com/r/csMajors/comments/mtlf0a/gf_follow_up_to_faag/
哪来成千上万的cs毕业生校友,还占10分之一不到。用LinkedIn数据都要打3折
网上小留对cmu硕士学店反馈差,水硕多的学校,本科毕业生都会受影响。
Where?