随着数据科学专业方向的越来越火，同学们对其的关注度和喜爱度大大提升,成为很多同学心中理想的专业。但理想很丰满，现实很骨感，究竟什么样的背景才能申请Data Science呢？要申请Data Science 需要做哪些准备呢？大家还是很困扰的。
为此，我们邀请了哥大DS方向教授Professor Chen为同学们做了线上分享，我把讲座中优质的内容进行了总结和整理。因为内容比较多，就分成两篇专栏内容。后续我们也会陆续做教授视角的申请分享，欢迎大家关注！
这一篇关于：数据科学类专业申请背景、学校选择、背景提升经验
一、 什么背景的人适合申请Data Science(量化的背景）
对于这个问题来讲，任何背景的人都可以申请Date Science，只要学生对数据感兴趣。但如果想要确保要很成功，就一定要有量化的背景！
从专业角度看，常推荐的本科专业比如Engineering或者Mathematics, Statistics和Computer Science比较合适。但如果是其他专业想转到Date Science，就务必要突出自己有很强的量化背景了，尤其是在写CV和PS这两项非常重要的申请材料的时候。如果直接硬转，而且在材料里面没有量化方面的体现的话，想转成功就十分困难。
在申请完成之后，会经历一系列过程，一般情况下Master Program是两年，PhD是4到5年。在两年的Master Program中，需要学习很多课程，有很多学分，也会有高强度的作业。一般来讲，学生需要完成秋季和春季学业。但因为竞争激烈，秋季还没结束的时候，很多学生就开始申请第一年和第二年之间Summer Intern。
Summer Intern对毕业之后的找工作非常重要，所以需要较快的开始申请。到第二年，会有一个Capstone，这就是我在哥大负责的Program，这也非常重要。在Capstone 的Project里面，学校和工业界会给学生提供一个项目做，这时候，你会跟工业界的人有比较亲密的接触。这个Project需要学生投入很多的时间和精力，当然将来学生也可以拿这个Project作为经验再去找正式的工作。
所以在第二年的时候，同学们要开始做Capstone，再找正式工作，同时依然还需要上很多课。所以如果学生自己量化的背景不够强，没有一些工作学习强度上的思想准备，这些过程就会变得很困难。所以DS一定不单是你想做，而且是你也能做时再来申请。
(1) Courses-Statistics
如果是申请统计系，教授会希望能看到学生学过Calculus微积分，线性代数，还有概率论，最好还学过一些统计。像Regression/Machine Learning/Bayesian statistics/Multivariate Statistics/Time Series等，这些是你将来会在Master Program里面要学的，所以如果学生已经提前学过一些的话，那就会在这个领域变得更强，学起来更加轻松。
但是如果说这前面三项(Calculus/Linear Algebra/Probability)都没有上过，那就需要提前抓紧时间去学习了。
(2) 关于数据科学
如果学生想学数据科学，现在最火的就是Python,R。如果在Resume里面出现这些字眼，再加上上过相关的课程，或者是拿它做过Project，那么整体背景会增添不少亮点。不能只是宽泛的说我会什么语言，不够有信服力。
申请数据科学时，学过这些课会有很大的帮助，但这些确实也不是必须的。但最基本的你应该学过Basic Programming。
最好上过一些Training、Data Science Program、Computer Science Program和Data Science等领域的相关课程，因为这些课程是你将来要学习的。还有一些课例如System Administration和Linux系统，你要思考自己会不会管理，会不会编软件。另外数据库算法数据结构和云计算等这些课程你将来都要去学习。
其他一些课程像Exploratory Data Analysis，是教学生拿过来一个Data Set，然后怎么去分析它，这个是一个综合技能，包括数据可视化，还有Machine Learning里面的一些最基本的方法：自然语言分析，图像处理和深度学习等，这些学生将来都会接触学习到。而现在需要做的是自己要想清楚这些方面你是不是愿意学，是不是可以学会。
(3) 最后，Consulting比较实用
将来你到一家公司，给你一个Business的问题，你是不是可以比较有效的去解决它？一般来说比较好的Data Science Program都有样一门课。
二、 转专业应该注意的问题
一般来说转专业申请相对而言会比较难，但大家可以采用迂回路线来实现自己的目标。
比如DS Ph.D.是转专业申请的新宠，很多非DS专业的同学也会选择申请。这种情况下，学生需要做的是证明自己的量化背景足够强，以此来和项目匹配；同学们也可以选择先读Master学位，一方面可以通说硕士学习获得良好的课程成绩，另外一方面如果在入读期间认识了很好的教授，这些教授也愿意向申请学校强烈推荐你的话，Ph.D.的申请就会容易很多。
三、做什么样的科研项目对申请Data Science这个方向会比较有帮助
大方向要跟你想申请的方向有关才是最好的，例如有的同学想申请比较理论的东西，但他花了一整个夏天去做一个不相关的实习，那这样就没有什么帮助。最好的方法是，如果你对Tech比较感兴趣，你就做一个跟technology的有关的项目，例如帮助某某公司分析社交网络。
很多人都是在夏天去找老师做Project，或者是找实习做Project，希望提升自己的背景。当你在写PS展现自己的时候，一定要有目标性：我为什么会选择这个项目？如果现在你还没有选项目，那一定要选一个既感兴趣又跟专业相关的。或者你选择一些你认为招生官也会比较感兴趣的这类题目去做，这样将来在写PS的时候，就可以把整个项目当做一个很好的故事来讲。
如果你对这个项目感兴趣，那就要主动的去找一个跟它有关的项目来做，做的过程中自己的逻辑是你运用到什么样的技术，中途解决了什么样的问题，最后有什么样的比较好的结果。
整体上来讲，你是在做一个有头有尾而且对口的项目。
四、选校的考虑事项（方向）
关于学校的考虑，首先一点在于所学的专业的学校更好。这些学校或与某些工业界的公司存在着密切联系，这些公司有可能每年都会去学校的这个系去招人，那么如果选择该学校入读，将来就会很容易去相关类型的公司工作。例如，佐治亚理工学院在Engineer方面非常有名；还有德雷塞尔大学的商学院，可能很多人都没听说过这个大学，但是他们的商学院在业内口碑是非常好的，像这些信息都是非常有经验的人才会知道。如果你想申请高水平的院校但又觉得自己没有足够的能力去和所有的人竞争时，就可以深挖一下更适合在你这个专业方向的、就业更好的大学。但是如果说出国是为了镀金，将来还要回国去用学校的牌子，那又是另一种情况了。所以一定要了解自己的目标是什么？
此外，地理位置也很重要，美国东西部、南部还有中部的文化截然不同。例如，纽约的银行比较多，纽约周边的城市像新泽西制药厂比较多，华盛顿大多是政府类的工作，其次是与石油相关的工作较多，波士顿大多则是新兴的科技产业，尤其是新兴的生物科技。还有像加州比较明显，大家知道很多Tech公司和药厂都在加州。
另外一方面要考虑的是，有的学生想来美国感受当地文化，但是结果去的是加州或者纽约这种中国人特别多的地方，这里其实接触老外的机会会比较少，即使你在这里读了两年，但可能并没有真正的深入扎根到美国文化里面。我是在北卡罗来纳州的一个风景优美的地方读书的，当时我的同学里面中国人是非常少的，我交了很多世界各地的朋友，南部文化比较宽松，大家关系都非常融洽，真的是享受到了很多除学业和工作以外的乐趣。
最后要考虑的是气候方面，你是更喜欢什么样的气候？哪种气候更适合你生活。
声明：内容及图片转载自网络，版权归原作者所有。如有侵权请联系我们，我们将及时处理。
