统计生统CS混申总结
33389
感谢地里提供的信息以及这一年来师兄师姐、同学给我的帮助，今年申请结果不算好，用申请费换来的教训希望能帮助后来人。。。
1. 为什么是统计、生统、计算机混申
本科数学，打算转统计，自学了一年统计的课；生统申请难度显著低于统计，一般而言biostat在公卫下面，系里比stat要有钱一些，养得起更多Phd......所以很多申统计的同学就会顺手申个biostat。
当时了解到ml算是cs和stat的结合，学理工科的，基本都学过数据结构和编程语言，不是零基础；根据一些Phd在读师兄的说法，学ml最好去CS那边，而不是来统计; 并且，我对data science的master项目不信任，认为在短短的两年时间内，可能是两边都了解一点却不能精通（精通在此处指能通过一线大公司的面试的水平），我不想只做个data analyst。类比可参考本科自动化之类的交叉学科的同学是如何吐槽自己专业......以上只是个人观点，我观察到的一个现象就是很多DS项目的毕业生跑去做了SDE......
当然，去年的我不可能预料到今年CS申请形势是如此的严峻，我当初考虑着去排名30左右的master项目不如直接靠绩点去USC CS37，统计的保底校master重新申Phd也是千难万难，找工作情况肯定不如CS保底校。虽然今年CS竞争很大，但我认为这个策略仍然适合那些有计算机基础且对其感兴趣的数学/统计学生，只不过需要把一些原来的CS保底校重新定位为主申校
2. 搜集信息
一般的策略是拿着US News一路筛选，这样做效率比较低，尤其是DIY并且时间不是很充足的。有些不在US News上的项目有可能被忽略，比如Gatech的统计或者Analytics，他家前几年是可以转CSE的，但据说现在有限制了。最好多看最近几年的经验总结贴，时间间隔太长的帖子有可能情况改变了，比如曾经的冷门却好就业的项目，在地里宣传了一下第二年就申爆了....为了就业，排名意义也不大，而要看往年实习就业情况。
1point3acres.com
这位同学搜集的统计专业信息比我的全，一部分信息是通过地里一个统计群了解的，我记得刚开始申请时看的经验贴也是一位申到TAMU的山大大牛写的
CS的信息就更多了，但我想说的是方法论。
首先，需要对自己定位。我给自己定位是最好申请到UW stat, CMU 中等项目，最差能接受us news30名左右的项目，比如UIUC, USC。显然，这个定位是需要不断调整的，我刚开始准备申请时下限是top50的stat ms项目，看了一圈录取播报、上届毕业生去向，以及向他人咨询后改变了定位。
然后去了解在这个范围内的大众情人校的近年录取情况（看往年的录取播报），比如，cmu的一大把项目有什么区别，USC的优缺点。了解完之后再看往年本院出国的情况，比如我院去Umich stat、UW stat的比较多。当然，情况是年年在变化的，往年Purdue stat ms招人很少然而今年扩招。跟风不是好习惯，但大众情人校的信息一般比较多，起步阶段能了解到他人是如何评价一个项目的（典型就是USC CS37）；并且小众学校往往标准飘忽不，需要一些招生大户来构成自己的主申(UMich stat去年去了大概70人)和保底校。
接着继续补充你的主申和保底校。当搜集的信息不断增多，作为一个有数学统计基础的学生，做出一个误差不要太大的估计应该不难吧？比如，我学校的90分，能和华五的多少分相当？和清北呢？数据见得多了看到一个录取汇报，基本就能衡量出自己和他人的差别。主申和保底校选太多 ，将来不甘心，后悔没多买几张彩票；选太少，热门专业保底校年年在变，往年的保底校可能今年不能保底。我觉得申请数量要依赖信息搜集程度，还有就是出录取的时间顺序。如果有主申校出结果较早而保底校申请截止较晚，有可能拿了主申校AD就没必要申保底了Umich biostat算比较早出的）。出结果的时间参考去年录取播报
补充内容 (2018-4-5 12:20):
转CS了，感觉在国内没有充分利用好时间，来了美国之后特别焦虑，尤其今年工作难找。
像数学转CS，感觉一个问题是编程语言不熟，java和c++, 只会python怎么面Amazon和微软？这两家要求cpp或者java写算法题。
补充内容 (2018-4-5 12:23):
二是实践不够，proj不够写满简历。我甚至在想毕业那段时间是否应该找个培训班学学前端移动端，把简历填满。感觉大部分所谓的proj也没什么技术含量，调用api堆砌名词，但没有这些连简历关都过不了，理科生很吃亏
补充内容 (2018-4-5 12:28):
最后还是建议大家不要盲目转data science, 这种杂交专业找工作不会太容易，如果真心对ml,dl感兴趣可以来cs下面学, 如果不喜欢编程最好去找传统的统计项目就业去银行, CRO这种; cs的方向挺多的总有喜欢的一款
1. 为什么是统计、生统、计算机混申
本科数学，打算转统计，自学了一年统计的课；生统申请难度显著低于统计，一般而言biostat在公卫下面，系里比stat要有钱一些，养得起更多Phd......所以很多申统计的同学就会顺手申个biostat。
当时了解到ml算是cs和stat的结合，学理工科的，基本都学过数据结构和编程语言，不是零基础；根据一些Phd在读师兄的说法，学ml最好去CS那边，而不是来统计; 并且，我对data science的master项目不信任，认为在短短的两年时间内，可能是两边都了解一点却不能精通（精通在此处指能通过一线大公司的面试的水平），我不想只做个data analyst。类比可参考本科自动化之类的交叉学科的同学是如何吐槽自己专业......以上只是个人观点，我观察到的一个现象就是很多DS项目的毕业生跑去做了SDE......
当然，去年的我不可能预料到今年CS申请形势是如此的严峻，我当初考虑着去排名30左右的master项目不如直接靠绩点去USC CS37，统计的保底校master重新申Phd也是千难万难，找工作情况肯定不如CS保底校。虽然今年CS竞争很大，但我认为这个策略仍然适合那些有计算机基础且对其感兴趣的数学/统计学生，只不过需要把一些原来的CS保底校重新定位为主申校
2. 搜集信息
一般的策略是拿着US News一路筛选，这样做效率比较低，尤其是DIY并且时间不是很充足的。有些不在US News上的项目有可能被忽略，比如Gatech的统计或者Analytics，他家前几年是可以转CSE的，但据说现在有限制了。最好多看最近几年的经验总结贴，时间间隔太长的帖子有可能情况改变了，比如曾经的冷门却好就业的项目，在地里宣传了一下第二年就申爆了....为了就业，排名意义也不大，而要看往年实习就业情况。
1point3acres.com
这位同学搜集的统计专业信息比我的全，一部分信息是通过地里一个统计群了解的，我记得刚开始申请时看的经验贴也是一位申到TAMU的山大大牛写的
CS的信息就更多了，但我想说的是方法论。
首先，需要对自己定位。我给自己定位是最好申请到UW stat, CMU 中等项目，最差能接受us news30名左右的项目，比如UIUC, USC。显然，这个定位是需要不断调整的，我刚开始准备申请时下限是top50的stat ms项目，看了一圈录取播报、上届毕业生去向，以及向他人咨询后改变了定位。
然后去了解在这个范围内的大众情人校的近年录取情况（看往年的录取播报），比如，cmu的一大把项目有什么区别，USC的优缺点。了解完之后再看往年本院出国的情况，比如我院去Umich stat、UW stat的比较多。当然，情况是年年在变化的，往年Purdue stat ms招人很少然而今年扩招。跟风不是好习惯，但大众情人校的信息一般比较多，起步阶段能了解到他人是如何评价一个项目的（典型就是USC CS37）；并且小众学校往往标准飘忽不，需要一些招生大户来构成自己的主申(UMich stat去年去了大概70人)和保底校。
接着继续补充你的主申和保底校。当搜集的信息不断增多，作为一个有数学统计基础的学生，做出一个误差不要太大的估计应该不难吧？比如，我学校的90分，能和华五的多少分相当？和清北呢？数据见得多了看到一个录取汇报，基本就能衡量出自己和他人的差别。主申和保底校选太多 ，将来不甘心，后悔没多买几张彩票；选太少，热门专业保底校年年在变，往年的保底校可能今年不能保底。我觉得申请数量要依赖信息搜集程度，还有就是出录取的时间顺序。如果有主申校出结果较早而保底校申请截止较晚，有可能拿了主申校AD就没必要申保底了Umich biostat算比较早出的）。出结果的时间参考去年录取播报
补充内容 (2018-4-5 12:20):
转CS了，感觉在国内没有充分利用好时间，来了美国之后特别焦虑，尤其今年工作难找。
像数学转CS，感觉一个问题是编程语言不熟，java和c++, 只会python怎么面Amazon和微软？这两家要求cpp或者java写算法题。
补充内容 (2018-4-5 12:23):
二是实践不够，proj不够写满简历。我甚至在想毕业那段时间是否应该找个培训班学学前端移动端，把简历填满。感觉大部分所谓的proj也没什么技术含量，调用api堆砌名词，但没有这些连简历关都过不了，理科生很吃亏
补充内容 (2018-4-5 12:28):
最后还是建议大家不要盲目转data science, 这种杂交专业找工作不会太容易，如果真心对ml,dl感兴趣可以来cs下面学, 如果不喜欢编程最好去找传统的统计项目就业去银行, CRO这种; cs的方向挺多的总有喜欢的一款
- 8
9条回复