19 Fall Stat/DS 申请总结：转专业还是难的，事先还是想好自己的目标和理想丫
1273421
一直想写这样一篇申请总结... 但申请季结束后挂机了好几个月...然后这边开学后很忙很忙，直到要找工作了才又想起地里回来填坑（对对大米被扣没了...）
三维+经历：G(325+4.0) + T(108(23)) + 3.8 (top 5%) + 一段Stanford 管理学暑研。本科是读的自动化工科背景、有一个辅修统计的学位。推荐信来自于本系、统计系和暑研三个老板。
先说申请结果吧(无标记全是Master)：
基本上是Stat 和DS混申，DS全是MS，Stat一半MS一半PhD。录取也基本是一半一半。那么下面主要从GT考试、申请方向确定、文书、选校、推荐信和选择Offer来谈谈感想。
GT考试。我在大三上下先后搞定了GRE和TOEFL。TOEFL凭借以前高中的底子，基本属于半裸考上阵。一刷过后考了103；二刷有了些经验，考了个还不错的分数，就没有再刷。GRE由于一直没有沉下心来背单词，考了两次一模一样的成绩（哭笑不得），也就没有再刷。
现在回看起来，如果要刷高G和T，显然还是有方法的。例如G的话可以多背单词多刷原题（基本上身边好像把佛脚刷穿的人都拿了330+），以及数学仔仔细细检查个两三遍再提交，T的话可以从国外暑研回来后立即再考一次等等。
从今年申请季看来，我认为国外大学对GT的重视程度和原来相比没有明显变化。不同学校对GT采取的策略也不同。一般来说是GT过低（GRE<320, TOEFL<100）会成为申请中明显的短板，GT达到一定标准（GRE>330, TOEFL>110）后没有明显区别。如果有时间有精力的学弟学妹们，在其他各项已经准备得很充分时，多刷几次GT没有什么坏处。不过还是建议不要拉长战线，大四申请季前结束GT战斗。
申请方向确定。我属于比较佛系的申请者。自己的方向一直都没有确定。后来决定性的因素还是因为上了统计辅修，感觉自己对统计、数据科学一套比较感兴趣，决定转专业申请数据科学和统计的方向。这里要感谢自己的某个M学长。学长在过程中一直帮我把着研究方向的关。由于自己不是很清楚Data Science和Statistics在研究什么内容，在申请暑研、实验室时都不是很确定。学长每次都会明确告诉我哪些事情是相关的，可以去尝试和体验的，哪些是不太相关的。所以尽管外人看起来我做的几段科研都是不太相关的，横跨了好几个领域，但是我心里是放心和清楚的。
选校。当初选校的时候着重参考的往届学长学姐的数据。基本原则就是：他好像水平和我差不多，嗯，那就把他的list拿过来研究一下，把录取他的项目加进去。这样之后就确定了8个左右的项目。然后再问推荐信的三个老板建议，老板强推了一个UMich（说是我的祖师爷在那里在招人）就加了进去（为后面的纠结打下了伏笔）。最后几个还有几个是凑数的，就感觉身边都申请了10多个20多个，强行多加了一些看上去还挺fancy的。
这里的经验就是：往届学长学姐的数据和老板的推荐是最靠谱的，而网上自己找的往往不行。事实上，我自己找的几个后来发现，他的申请难度以及期待的背景远超出了我的想象。比如CMU的Stat&ML PhD，这个项目是非常非常难申请的，本科直接录进去的寥寥无几，基本上都是好几篇publication。那么作为一个没有pub的小白，申请这个项目就非常不明智；再有，比如Stanford的MS&E，我只关注了我是暑研在那里求return，但其实他对背景也有一定的偏好，而我这种纯engineering出身的就不被喜欢。
文书。多个方向混申是可行的，但是真的累。最直观的就是你文书起码有多个base版本（注意是base）。针对每一个项目建议大家都进行针对性的修改。我个人写了五段项目经历，每篇文书5选3放3段，放3段最match的经历上去。开头结尾也可以呼应一下他们官网上所期待的背景。文书写完后一定要找人看、修改。最靠谱的就是找美国人帮你读几遍说说哪里不太舒服。很多地方并不是语法有问题，而是读上去非常别扭。这里经验就是一般中介的修改文书服务虽然免费但真的很烂，还是自食其力比较好。具体除了自己找人脉找学长学姐、朋友外，也可以淘宝。淘宝一般一篇几百，有的质量还比较高。
推荐信。推荐信一定要找愿意帮助自己的人写。我的推荐信三封都是自己起草的（对那个美国老板比较奇葩），但最终版本我都没有看到，所以具体也不得而知。但是可以知道的是，推荐信期间我和老板们一直保持着密切联系，所以到时的推荐信提交没有遇到任何问题。推荐信的流程其实还是非常复杂和麻烦的，希望大家还是找跟自己关系好的professor写，不要寻求一些title。我见过找了个boss，那个boss推荐信内容里就一句话（这种就算黑推了），然后申请结果很惨很惨的人。
选择Offer。拿到结果之后，我基本上纠结在于是去Umich Statistics PhD还是Harvard Data Science Master。这过程中咨询了很多学长学姐和朋友。最后在跟家里人讨论后还是选择了Harvard Data Science。
考虑到未来也会有学弟学妹面临类似的选择，我把我的主要原因写在这里。原因主要有三个。一是我比较Risk Aversive。考虑到两个选择的下限，Harvard出来即使美国找不到工作，回国发展比较有优势，即回国工作也会有不错的发展；二是我觉得我还没有准备好读博（并不是不想）。我看到很多人说摇摆的话先读个master，我认同。因为PhD抑郁率很高，如果做得不喜欢，高年级会很难受的。三是Harvard 这个项目有优点。他选课比较自由、并不是纯工作导向型。如果想继续读PhD，我可以全选统计课，然后在那里做RA。到时再申请还会有机会。
每个人的选择都会不一样。需要指出这不是典型的选择，事实上我觉得我身边大多数的人都会选择PhD而不是Master。
最后一些tips：
最后祝大家申请顺利 ~ 求加米丫谢谢！
三维+经历：G(325+4.0) + T(108(23)) + 3.8 (top 5%) + 一段Stanford 管理学暑研。本科是读的自动化工科背景、有一个辅修统计的学位。推荐信来自于本系、统计系和暑研三个老板。
先说申请结果吧(无标记全是Master)：
- Harvard DS - AD (最终去向)
- UMich Stat PhD - Offer (最纠结的)
- UCLA Stat PhD - Offer
- Upenn DS - AD
- Yale Stat - AD
- CMU MCDS - AD
- Purdue Stat - AD
- Columbia Stat PhD, MS- REJ, Hybrid - AD
- CMU MSML - REJ
- Stanford MS&E - REJ
- Duke Stat - REJ
- NYU DS - REJ
- UNC STOR PhD - REJ
- CMU Stat&ML - REJ
基本上是Stat 和DS混申，DS全是MS，Stat一半MS一半PhD。录取也基本是一半一半。那么下面主要从GT考试、申请方向确定、文书、选校、推荐信和选择Offer来谈谈感想。
GT考试。我在大三上下先后搞定了GRE和TOEFL。TOEFL凭借以前高中的底子，基本属于半裸考上阵。一刷过后考了103；二刷有了些经验，考了个还不错的分数，就没有再刷。GRE由于一直没有沉下心来背单词，考了两次一模一样的成绩（哭笑不得），也就没有再刷。
现在回看起来，如果要刷高G和T，显然还是有方法的。例如G的话可以多背单词多刷原题（基本上身边好像把佛脚刷穿的人都拿了330+），以及数学仔仔细细检查个两三遍再提交，T的话可以从国外暑研回来后立即再考一次等等。
从今年申请季看来，我认为国外大学对GT的重视程度和原来相比没有明显变化。不同学校对GT采取的策略也不同。一般来说是GT过低（GRE<320, TOEFL<100）会成为申请中明显的短板，GT达到一定标准（GRE>330, TOEFL>110）后没有明显区别。如果有时间有精力的学弟学妹们，在其他各项已经准备得很充分时，多刷几次GT没有什么坏处。不过还是建议不要拉长战线，大四申请季前结束GT战斗。
申请方向确定。我属于比较佛系的申请者。自己的方向一直都没有确定。后来决定性的因素还是因为上了统计辅修，感觉自己对统计、数据科学一套比较感兴趣，决定转专业申请数据科学和统计的方向。这里要感谢自己的某个M学长。学长在过程中一直帮我把着研究方向的关。由于自己不是很清楚Data Science和Statistics在研究什么内容，在申请暑研、实验室时都不是很确定。学长每次都会明确告诉我哪些事情是相关的，可以去尝试和体验的，哪些是不太相关的。所以尽管外人看起来我做的几段科研都是不太相关的，横跨了好几个领域，但是我心里是放心和清楚的。
选校。当初选校的时候着重参考的往届学长学姐的数据。基本原则就是：他好像水平和我差不多，嗯，那就把他的list拿过来研究一下，把录取他的项目加进去。这样之后就确定了8个左右的项目。然后再问推荐信的三个老板建议，老板强推了一个UMich（说是我的祖师爷在那里在招人）就加了进去（为后面的纠结打下了伏笔）。最后几个还有几个是凑数的，就感觉身边都申请了10多个20多个，强行多加了一些看上去还挺fancy的。
这里的经验就是：往届学长学姐的数据和老板的推荐是最靠谱的，而网上自己找的往往不行。事实上，我自己找的几个后来发现，他的申请难度以及期待的背景远超出了我的想象。比如CMU的Stat&ML PhD，这个项目是非常非常难申请的，本科直接录进去的寥寥无几，基本上都是好几篇publication。那么作为一个没有pub的小白，申请这个项目就非常不明智；再有，比如Stanford的MS&E，我只关注了我是暑研在那里求return，但其实他对背景也有一定的偏好，而我这种纯engineering出身的就不被喜欢。
文书。多个方向混申是可行的，但是真的累。最直观的就是你文书起码有多个base版本（注意是base）。针对每一个项目建议大家都进行针对性的修改。我个人写了五段项目经历，每篇文书5选3放3段，放3段最match的经历上去。开头结尾也可以呼应一下他们官网上所期待的背景。文书写完后一定要找人看、修改。最靠谱的就是找美国人帮你读几遍说说哪里不太舒服。很多地方并不是语法有问题，而是读上去非常别扭。这里经验就是一般中介的修改文书服务虽然免费但真的很烂，还是自食其力比较好。具体除了自己找人脉找学长学姐、朋友外，也可以淘宝。淘宝一般一篇几百，有的质量还比较高。
推荐信。推荐信一定要找愿意帮助自己的人写。我的推荐信三封都是自己起草的（对那个美国老板比较奇葩），但最终版本我都没有看到，所以具体也不得而知。但是可以知道的是，推荐信期间我和老板们一直保持着密切联系，所以到时的推荐信提交没有遇到任何问题。推荐信的流程其实还是非常复杂和麻烦的，希望大家还是找跟自己关系好的professor写，不要寻求一些title。我见过找了个boss，那个boss推荐信内容里就一句话（这种就算黑推了），然后申请结果很惨很惨的人。
选择Offer。拿到结果之后，我基本上纠结在于是去Umich Statistics PhD还是Harvard Data Science Master。这过程中咨询了很多学长学姐和朋友。最后在跟家里人讨论后还是选择了Harvard Data Science。
考虑到未来也会有学弟学妹面临类似的选择，我把我的主要原因写在这里。原因主要有三个。一是我比较Risk Aversive。考虑到两个选择的下限，Harvard出来即使美国找不到工作，回国发展比较有优势，即回国工作也会有不错的发展；二是我觉得我还没有准备好读博（并不是不想）。我看到很多人说摇摆的话先读个master，我认同。因为PhD抑郁率很高，如果做得不喜欢，高年级会很难受的。三是Harvard 这个项目有优点。他选课比较自由、并不是纯工作导向型。如果想继续读PhD，我可以全选统计课，然后在那里做RA。到时再申请还会有机会。
每个人的选择都会不一样。需要指出这不是典型的选择，事实上我觉得我身边大多数的人都会选择PhD而不是Master。
最后一些tips：
- 上传每一份文书时，不要乱，一定要从头到尾读一遍！！各种要求留心一下是不是都满足了。
- 申请季的焦虑是非常常见的现象。缓解焦虑的方法就是多跟别的出国同学交流，所谓把你的焦虑传染给别人（笑）。一方面认真准备每一份资料，一方面也要对自己有信心！其实真正全聚德的人还是少数。
- 转专业申请的难度一定是比普通的申请难。如果你是转专业，最好合理地定位自己，别期望太高；以及可以选一些本专业和目标专业交叉的方向（事实上我觉得MCDS录取我就是因为我的本专业背景比较match）
最后祝大家申请顺利 ~ 求加米丫谢谢！
- 80