关于NYU A3SR项目介绍贴
1972429
大家好！又是一年offer季啦！
听版主说今年地里有很多小盆友对NYU A3SR 项目感兴趣。所以应邀写个介绍贴回馈地里。
（因为春假刚结束，回纽约后生病又赶due，所以可能不会有时间一次性写全面，会逐渐补充，大家有疑问的话也请留言，了解的我会回答。）
1）关于NYU及 NYU A3SR
首先声明一下，NYU的各个department之间相互近似独立，因此与stat／DS 有关的项目加起来可能有十个之多。
与大部分学校不同，这些stat program 不同属于数学／统计学院下，而是分别隶属于不同学院，具有其专业特色。
这其中，本科的statistics是算在Stern 商学院下面的。
在研究生阶段，主要有三个stat／DS related program：A3SR（Steinhardt），CUSP，Data Science（GSAS，Courant）（要不再强行加一个AQR（GSAS））
＊括号内为项目所属学院。
下面重点说A3SR。
program page：steinhardt.nyu.edu
首先： 这是一个STEM program, ms学位，学制一年半到两年，选课相对自由（可以加速waive掉一些学过的课，可以提前半年毕业， 可以选其他学院的课包括Stern商学院和Courant数学学院。）
关于课程设置／选择之后会继续详细说。
关于录取：
我（2015 fall）录取，是项目开办第二届，admitted student 17人左右。到今年5月为止，项目还没有毕业生，因此目前的工作／升学情况未知。
今天听说申请翻倍，但是录取人数保持不变，也就是保持小型master program。 （这点不同于同样也很年轻的CUSP／DS，两个都是80，100的招了～）
Student diversity：
2015 fall admitted student 的国际学生：日本1，加拿大1，中国7（有三个中国台湾妹子），印度1。在中国大陆的录取生中，本届我好像是唯一一个本科在国内念的...
男女比例我拒接透露。 （女多男少啦肯定！）
录取学生背景： 背景很多样，有的是本科毕业直接申请的，有的是有一段工作经验再申请的，有的是从村里quit phd来大城市纽约的，有的是访问学者...
本科专业也以应用数学／统计／经济为主，有一些也是社科背景。
录取条件硬件的话：
平均 GPA GRE未知。 TOEFL平均100+（sample size＝1，我可能是唯一一个需要TOEFL成绩申请的所以。。）
2） A3SR与一般stat／DS ms program的不同之处
首先这个项目落于Steinhardt这个学院之下（steinhardt.nyu.edu），这是一个有着1000+项目的大学院，然而它是个以education为主的 graduate school。
我假设看这个帖子的人可能对education 不是很了解，所以先澄清一下 这个不是所谓的继续教育学院 （eg. Columbia Teacher College），而是一个主要涵盖教育，
心理，社会科学等偏文科的人文学院。
A3SR这个项目放在这里同样表明了这个项目是为social science research 服务的，换言之，也就是侧重于应用统计学的方法，来解决education／psychology／social science...等方面的问题。
举几个例子：评估某项policy effect，用ANOVA分析一组样本的test score 等等。
可以说，相对于很多学校的general ms stat program， 这个项目的倾向性还是很明显的。
3）课程设计／NYU相关课程推荐
先写到这里！！
我个人由于本科对社科和统计方面都很感兴趣，因此选择了进入这个项目学习。然而从开始就不想走科研的道路，通过一学期的学习，我把侧重点放在了数据科学方面，打算以后也从事相关的工作。
因此，我选了很多有助于了解DS的选修课。 这部分我会放到part 3 之后详细说。谢谢大家！
听版主说今年地里有很多小盆友对NYU A3SR 项目感兴趣。所以应邀写个介绍贴回馈地里。
（因为春假刚结束，回纽约后生病又赶due，所以可能不会有时间一次性写全面，会逐渐补充，大家有疑问的话也请留言，了解的我会回答。）
1）关于NYU及 NYU A3SR
首先声明一下，NYU的各个department之间相互近似独立，因此与stat／DS 有关的项目加起来可能有十个之多。
与大部分学校不同，这些stat program 不同属于数学／统计学院下，而是分别隶属于不同学院，具有其专业特色。
这其中，本科的statistics是算在Stern 商学院下面的。
在研究生阶段，主要有三个stat／DS related program：A3SR（Steinhardt），CUSP，Data Science（GSAS，Courant）（要不再强行加一个AQR（GSAS））
＊括号内为项目所属学院。
下面重点说A3SR。
program page：steinhardt.nyu.edu
首先： 这是一个STEM program, ms学位，学制一年半到两年，选课相对自由（可以加速waive掉一些学过的课，可以提前半年毕业， 可以选其他学院的课包括Stern商学院和Courant数学学院。）
关于课程设置／选择之后会继续详细说。
关于录取：
我（2015 fall）录取，是项目开办第二届，admitted student 17人左右。到今年5月为止，项目还没有毕业生，因此目前的工作／升学情况未知。
今天听说申请翻倍，但是录取人数保持不变，也就是保持小型master program。 （这点不同于同样也很年轻的CUSP／DS，两个都是80，100的招了～）
Student diversity：
2015 fall admitted student 的国际学生：日本1，加拿大1，中国7（有三个中国台湾妹子），印度1。在中国大陆的录取生中，本届我好像是唯一一个本科在国内念的...
男女比例我拒接透露。 （女多男少啦肯定！）
录取学生背景： 背景很多样，有的是本科毕业直接申请的，有的是有一段工作经验再申请的，有的是从村里quit phd来大城市纽约的，有的是访问学者...
本科专业也以应用数学／统计／经济为主，有一些也是社科背景。
录取条件硬件的话：
平均 GPA GRE未知。 TOEFL平均100+（sample size＝1，我可能是唯一一个需要TOEFL成绩申请的所以。。）
2） A3SR与一般stat／DS ms program的不同之处
首先这个项目落于Steinhardt这个学院之下（steinhardt.nyu.edu），这是一个有着1000+项目的大学院，然而它是个以education为主的 graduate school。
我假设看这个帖子的人可能对education 不是很了解，所以先澄清一下 这个不是所谓的继续教育学院 （eg. Columbia Teacher College），而是一个主要涵盖教育，
心理，社会科学等偏文科的人文学院。
A3SR这个项目放在这里同样表明了这个项目是为social science research 服务的，换言之，也就是侧重于应用统计学的方法，来解决education／psychology／social science...等方面的问题。
举几个例子：评估某项policy effect，用ANOVA分析一组样本的test score 等等。
可以说，相对于很多学校的general ms stat program， 这个项目的倾向性还是很明显的。
3）课程设计／NYU相关课程推荐
先写到这里！！
我个人由于本科对社科和统计方面都很感兴趣，因此选择了进入这个项目学习。然而从开始就不想走科研的道路，通过一学期的学习，我把侧重点放在了数据科学方面，打算以后也从事相关的工作。
因此，我选了很多有助于了解DS的选修课。 这部分我会放到part 3 之后详细说。谢谢大家！
- 20
本来以为文章可以编辑补充，结果没有发现这个功能。。。
大家原谅我之前太着急写的错别字！
我就把之后的部分补充在这里啦！
3) 关于选课
http://steinhardt.nyu.edu/humsocsci/applied_statistics/requirements
这个link是我们的毕业要求～～其中分成requirement／elective等等
在requirement中呢，我觉得大概可以分成这样几类课，1.linear regression model ／GLM 2. ANOVA 3. Inference
课程难度都不大，workload很小，（可能是上学期我上的课太多对比这学期很闲。。）目前为止我觉得最难的点反倒在于，因为一些课是跟PhD第二三年的学生一起，做实际project写report 之类的真的做不过那些phd student啊 （可能还是要有文科背景比较好，有些课我觉得英文是障碍，就是所有字都懂但是整体读下来还是有点晕那种感觉。。）
除了这些偏应用的课之外，2122是一门统计基础课（概率，假设检验，线性回归，非参 都过一遍那种），课程内容和Berkeley STAT135 非常像，因此可以说是等同于一门本科统计upper 课程。
如果你本科基础比较牢固，应该也没有问题。如果本科没有学过这些的话，这门课是一个好机会掌握统计基本功。
另一门2003 好像是更基础的课？专门讲regression的？我waive掉了所以不太清楚。。
对于那些本科是统计相关专业的同学，我建议大家可以尽量的waive掉以前学过／掌握的课程，用这些课的学分选一些自己想学的课（cs，business，ds...）
也算是对得起这么贵的学费了。。
我个人的话是waive掉了三门课，所以严格说来一年半就可以毕业了。最后一学期我打算上些选修课。
对于本科是学社会学或者其他人文学科的同学，我觉得这些课还是会稍微吃力，需要下功夫一些的。（大概和我上DS的课一种感觉吧）
至于选修课的推荐，我一般会从stern商学院和courant数学学院里面进行选择（CUSP也会考虑但是毕竟不在一个校区，地理上不是很方便。）
商学院的相关课程包括但不限于data mining, data visualization, programming python, decision model, intro to ds, dealing with data...
商学院课程的特点是： 一般都是入门课，教的比较浅但是讲的面儿比较广，偏商科背景（废话），不数学不理论，很多老师喜欢扯淡， group project MBA队友可能非常不靠谱...
如果以后想做金融背景（BA）又不想上太难的课的话，可以考虑上stern的课。选课需要提前申请交表，但早点规划应该可以选到。
另外让我又爱又恨的就是数学学院的课啦！DS的课是我觉得既符合我职业规划要求，又可以挑战提升自己的课程！
缺点是很虐，作业很难，coding workload 很大， 数学背景要求高，课都很理论。
这学期本来想选ds的machine learning，结果发现很难又太理论了，上不下去。 但教授教的超级好！想来对自己能力提高也很有帮助，
希望第二学年可以拿下这门课。
如果有同学想选CS的课也可以考虑CS作为选修，但我没有这个打算所以具体不是很了解。
之前有同学问coding。。我就再具体说一下。
主要用的软件R／Python／Stata。
Stata的话我觉得不算coding 吧？ 但在用ANOVA／GLM／Inference的时候主要用这个～
我个人的偏好是R和Python， 这也是我越用越喜欢，越想要去了解的语言。
coding workload要看自己选课，我的观点是，即使课不累，自己平时也可以多学多练啊！
最后一点，关于RA，学院新成立了research center，今天去看了还蛮好，
link在这：http://steinhardt.nyu.edu/priism/
center里都是自己人，想申请RA的话直接联系教授就好了，这也算是小项目的优点吧。
我刚拿到一个RA的职位，是做sensitivity analysis的，还不太清楚要做什么，可以之后跟大家更新。
系里转职位／实习的话：
advisor每周会发邮件，但实用的职位蛮少的。 不过很多时候NYU Data Science／ PRIISM 会合起来组织一些活动，并且NYU也是networking大校嘛，
想在这方面多多努力还是肯定有资源的。(地处NYC as a plus）
实习： 我还没找到。 所以没有太多经验给大家，抱歉～会努力的！
暂时就想到这么多啦！ 比较着急打字所以会出现错别字，中英混杂等情况，还请大家多多包容！
鞠躬！
大家原谅我之前太着急写的错别字！
我就把之后的部分补充在这里啦！
3) 关于选课
http://steinhardt.nyu.edu/humsocsci/applied_statistics/requirements
这个link是我们的毕业要求～～其中分成requirement／elective等等
在requirement中呢，我觉得大概可以分成这样几类课，1.linear regression model ／GLM 2. ANOVA 3. Inference
课程难度都不大，workload很小，（可能是上学期我上的课太多对比这学期很闲。。）目前为止我觉得最难的点反倒在于，因为一些课是跟PhD第二三年的学生一起，做实际project写report 之类的真的做不过那些phd student啊 （可能还是要有文科背景比较好，有些课我觉得英文是障碍，就是所有字都懂但是整体读下来还是有点晕那种感觉。。）
除了这些偏应用的课之外，2122是一门统计基础课（概率，假设检验，线性回归，非参 都过一遍那种），课程内容和Berkeley STAT135 非常像，因此可以说是等同于一门本科统计upper 课程。
如果你本科基础比较牢固，应该也没有问题。如果本科没有学过这些的话，这门课是一个好机会掌握统计基本功。
另一门2003 好像是更基础的课？专门讲regression的？我waive掉了所以不太清楚。。
对于那些本科是统计相关专业的同学，我建议大家可以尽量的waive掉以前学过／掌握的课程，用这些课的学分选一些自己想学的课（cs，business，ds...）
也算是对得起这么贵的学费了。。
我个人的话是waive掉了三门课，所以严格说来一年半就可以毕业了。最后一学期我打算上些选修课。
对于本科是学社会学或者其他人文学科的同学，我觉得这些课还是会稍微吃力，需要下功夫一些的。（大概和我上DS的课一种感觉吧）
至于选修课的推荐，我一般会从stern商学院和courant数学学院里面进行选择（CUSP也会考虑但是毕竟不在一个校区，地理上不是很方便。）
商学院的相关课程包括但不限于data mining, data visualization, programming python, decision model, intro to ds, dealing with data...
商学院课程的特点是： 一般都是入门课，教的比较浅但是讲的面儿比较广，偏商科背景（废话），不数学不理论，很多老师喜欢扯淡， group project MBA队友可能非常不靠谱...
如果以后想做金融背景（BA）又不想上太难的课的话，可以考虑上stern的课。选课需要提前申请交表，但早点规划应该可以选到。
另外让我又爱又恨的就是数学学院的课啦！DS的课是我觉得既符合我职业规划要求，又可以挑战提升自己的课程！
缺点是很虐，作业很难，coding workload 很大， 数学背景要求高，课都很理论。
这学期本来想选ds的machine learning，结果发现很难又太理论了，上不下去。 但教授教的超级好！想来对自己能力提高也很有帮助，
希望第二学年可以拿下这门课。
如果有同学想选CS的课也可以考虑CS作为选修，但我没有这个打算所以具体不是很了解。
之前有同学问coding。。我就再具体说一下。
主要用的软件R／Python／Stata。
Stata的话我觉得不算coding 吧？ 但在用ANOVA／GLM／Inference的时候主要用这个～
我个人的偏好是R和Python， 这也是我越用越喜欢，越想要去了解的语言。
coding workload要看自己选课，我的观点是，即使课不累，自己平时也可以多学多练啊！
最后一点，关于RA，学院新成立了research center，今天去看了还蛮好，
link在这：http://steinhardt.nyu.edu/priism/
center里都是自己人，想申请RA的话直接联系教授就好了，这也算是小项目的优点吧。
我刚拿到一个RA的职位，是做sensitivity analysis的，还不太清楚要做什么，可以之后跟大家更新。
系里转职位／实习的话：
advisor每周会发邮件，但实用的职位蛮少的。 不过很多时候NYU Data Science／ PRIISM 会合起来组织一些活动，并且NYU也是networking大校嘛，
想在这方面多多努力还是肯定有资源的。(地处NYC as a plus）
实习： 我还没找到。 所以没有太多经验给大家，抱歉～会努力的！
暂时就想到这么多啦！ 比较着急打字所以会出现错别字，中英混杂等情况，还请大家多多包容！
鞠躬！
大米 1
1
zzwcsong+1已把该楼置顶