文科/商科转DS - 研究生申请经验分享
912932
关于我：
楼主本科是Economics和International Relations的double major，大概是个传统意义上的文科生。我在大三之前只接触过非常少量的一点点编程，但是经过大三一整年的准备，在刚刚结束的申请季收到了西北MSiA、NYU DS、哥大DS和USC ADS的offer。希望本文能给文科/商科想申请DS方向研究生的同学们一点参考和帮助。
申请DS方向的原因：
我自认为很幸运的一点是，虽说我学的两个专业都隶属于社会科学（Social Science），但是我们学的东西绝不仅限于读reading和写paper。我们学校非常注重Quantitative Social Science，也就是将数据分析和统计学习的工具应用到社会科学的研究中。我真正开始对数据方向感兴趣是因为一门叫Making Policy with Data的课，这门课注重讲了实验设计和统计方法在社会科学中的应用，并且介绍了R语言。我因为觉得这个内容很有意思，在Youtube上看了很多Data Science相关的视频，也开始利用课余时间通过DataCamp平台学习更多R的基础知识。在这个过程中我愈发觉得数据分析是一个能创造价值、创造impact的工具，慢慢也坚定了申请DS方面研究生的决心。
具体准备：
1. 课程
大部分DS项目对本科课程的要求基本大同小异，无非是：Calculus、Probability and Statistics、Linear Algebra、Programming四部分。
Calculus因为是经济专业要求，我已经在大一大二上过完整的一个系列（三节课）。Probability and Stats的部分我们经济专业又正好要求了Econometrics（计量经济学）的系列课程（也是三节课）。Linear Algebra我是在大三选了一节课。而最后编程的部分我在大三和大四上半学期选了学校新开的Data Science专业的两门基础课，用Python学习了基本的算法和数据结构。
课程要求是硬性指标，想申请DS专业的同学一定要把没上过的课程补上。同时，尽可能要保证成绩。因为这些课程是我们仅有的少数与DS专业相关的课程，相信审查成绩单的招生官会格外在意。楼主很幸运的在这些课程都拿了A或者A+。其实这些课程相对都比较基础，详细文科商科的朋友们只要肯多花点时间都能取得好成绩。
在这些规定的课程之外，我陆陆续续在DataCamp上做了8个tutorial并且在Coursera上完成了3门课程。DataCamp比较适合编程小白快速的入门一个工具或者语言，而Coursera提供了相对更系统的教学。这些课程对我找数据相关的经历和机会提供了非常大的帮助。
这里也推荐一下我大三在Coursera学的三门课，都是Data Science方面相对经典的入门课程：
Introduction to Data Science in Python 1point3acres.com
Machine Learning 1point3acres.com
Applied Machine Learning in Python 1point3acres.com
2. 经历
经历真的非常非常重要。一方面，相关的经历会给你的申请大大加分——你不仅文书有更多的东西可以写，而且也有了潜在的推荐信writer。另一方面，通过数据相关的经历你也可以更清晰地知道自己是否真的喜欢这个方向。
我的第一段经历是Research Assistant。还记得之前提到的Making Policy with Data课吗？我因为对课程的内容很感兴趣，经常跑到教授的office hour跟他讨论问题。之后我也顺理成章的成为了这个教授的Research Assistant，用Excel、Stata和R帮他处理和分析一份大型调查问卷的数据。虽然做的事情相对比较基础，我觉得这次实习经历让我对自己数据相关的能力有了更多信心，也为我之后的经历打下了很好的基础。
我的第二段经历是大三到大四之间暑假的实习。当时我抱着一丝幻想内推了阿里算法岗的实习，没想到竟然误打误撞通过了面试。这次实习对我的提升是巨大的——我不仅上手实现了一个可以真正提供价值的机器学习模型，更重要的是我向组里优秀的算法工程师们学习了很多宝贵的知识。
我的第三段经历是大四第一个学期当了Data Science专业基础课的tutor。因为大三在这门课取得了很好的成绩，我也是很荣幸加入了一个10个人左右的tutor团队。我的主要责任是帮助教授设计每周的编程作业，并且每周设立两小时的office hour来回答同学的问题。
我承认我的经历有一些机缘巧合的因素在里面，也并不是每个同学都会像我这么一帆风顺。但是我相信机会是留给有准备的人的，只要你明确目标并且积极地去尝试、去争取，一定在申请前也会积累很多丰富而且厉害的经历。
3. 考试
我想说GRE真的是文科生申请的最大优势之一。经受了两三年reading和paper的昼夜磨炼的我们真的不用再怕标化考试了。
我在大二到大三之间的暑假上了个XDF的课程，不过讲道理这门课除了帮助我熟悉了一下GRE题型之外用处不是很大。在暑假之后的时间里我基本没有做题，只是一直在背着单词。在这里强调一下背单词的重要性。我相信阅读对于我们文科生来说是相对很简单的，只要读懂文章题目基本不会怎么出错。数学也相对好准备，只要做到细心基本没什么问题。而填空题没有什么捷径，一定一定要背单词。
我真正开始认真准备考试是在大三的寒假，我花了一整个月的时间集中去刷题。我复习的重点仍然是放在填空题上，然后每天会做一点阅读和数学保持手感。然后作文方面我会根据题库过一遍每道题的思路，不过我作文部分最后成绩一般……就不做过多的分享了。
我在去年一月份首考拿到了166 + 170 + 3.5的成绩，相信大家作文肯定会考的比我好哈哈哈
申请：
然后单独聊一聊申请，其实我会觉得前期的准备比申请过程本身更重要，申请过程最多可以起到一个锦上添花的作用。这里可以给大家几个小建议：
文科生的优势：
本帖隐藏内容需要登录后才能查看。
补充内容 (2020-7-2 17:51):
有一点忘了提：personal project是对经历很好的补充。可以在Kaggle之类的网站上找几个自己感兴趣的dataset，然后动手去分析数据或是去训练模型。这些project不但可以写进简历和文书，也可以为日后申请实习提供帮助
楼主本科是Economics和International Relations的double major，大概是个传统意义上的文科生。我在大三之前只接触过非常少量的一点点编程，但是经过大三一整年的准备，在刚刚结束的申请季收到了西北MSiA、NYU DS、哥大DS和USC ADS的offer。希望本文能给文科/商科想申请DS方向研究生的同学们一点参考和帮助。
申请DS方向的原因：
我自认为很幸运的一点是，虽说我学的两个专业都隶属于社会科学（Social Science），但是我们学的东西绝不仅限于读reading和写paper。我们学校非常注重Quantitative Social Science，也就是将数据分析和统计学习的工具应用到社会科学的研究中。我真正开始对数据方向感兴趣是因为一门叫Making Policy with Data的课，这门课注重讲了实验设计和统计方法在社会科学中的应用，并且介绍了R语言。我因为觉得这个内容很有意思，在Youtube上看了很多Data Science相关的视频，也开始利用课余时间通过DataCamp平台学习更多R的基础知识。在这个过程中我愈发觉得数据分析是一个能创造价值、创造impact的工具，慢慢也坚定了申请DS方面研究生的决心。
具体准备：
1. 课程
大部分DS项目对本科课程的要求基本大同小异，无非是：Calculus、Probability and Statistics、Linear Algebra、Programming四部分。
Calculus因为是经济专业要求，我已经在大一大二上过完整的一个系列（三节课）。Probability and Stats的部分我们经济专业又正好要求了Econometrics（计量经济学）的系列课程（也是三节课）。Linear Algebra我是在大三选了一节课。而最后编程的部分我在大三和大四上半学期选了学校新开的Data Science专业的两门基础课，用Python学习了基本的算法和数据结构。
课程要求是硬性指标，想申请DS专业的同学一定要把没上过的课程补上。同时，尽可能要保证成绩。因为这些课程是我们仅有的少数与DS专业相关的课程，相信审查成绩单的招生官会格外在意。楼主很幸运的在这些课程都拿了A或者A+。其实这些课程相对都比较基础，详细文科商科的朋友们只要肯多花点时间都能取得好成绩。
在这些规定的课程之外，我陆陆续续在DataCamp上做了8个tutorial并且在Coursera上完成了3门课程。DataCamp比较适合编程小白快速的入门一个工具或者语言，而Coursera提供了相对更系统的教学。这些课程对我找数据相关的经历和机会提供了非常大的帮助。
这里也推荐一下我大三在Coursera学的三门课，都是Data Science方面相对经典的入门课程：
Introduction to Data Science in Python 1point3acres.com
Machine Learning 1point3acres.com
Applied Machine Learning in Python 1point3acres.com
2. 经历
经历真的非常非常重要。一方面，相关的经历会给你的申请大大加分——你不仅文书有更多的东西可以写，而且也有了潜在的推荐信writer。另一方面，通过数据相关的经历你也可以更清晰地知道自己是否真的喜欢这个方向。
我的第一段经历是Research Assistant。还记得之前提到的Making Policy with Data课吗？我因为对课程的内容很感兴趣，经常跑到教授的office hour跟他讨论问题。之后我也顺理成章的成为了这个教授的Research Assistant，用Excel、Stata和R帮他处理和分析一份大型调查问卷的数据。虽然做的事情相对比较基础，我觉得这次实习经历让我对自己数据相关的能力有了更多信心，也为我之后的经历打下了很好的基础。
我的第二段经历是大三到大四之间暑假的实习。当时我抱着一丝幻想内推了阿里算法岗的实习，没想到竟然误打误撞通过了面试。这次实习对我的提升是巨大的——我不仅上手实现了一个可以真正提供价值的机器学习模型，更重要的是我向组里优秀的算法工程师们学习了很多宝贵的知识。
我的第三段经历是大四第一个学期当了Data Science专业基础课的tutor。因为大三在这门课取得了很好的成绩，我也是很荣幸加入了一个10个人左右的tutor团队。我的主要责任是帮助教授设计每周的编程作业，并且每周设立两小时的office hour来回答同学的问题。
我承认我的经历有一些机缘巧合的因素在里面，也并不是每个同学都会像我这么一帆风顺。但是我相信机会是留给有准备的人的，只要你明确目标并且积极地去尝试、去争取，一定在申请前也会积累很多丰富而且厉害的经历。
3. 考试
我想说GRE真的是文科生申请的最大优势之一。经受了两三年reading和paper的昼夜磨炼的我们真的不用再怕标化考试了。
我在大二到大三之间的暑假上了个XDF的课程，不过讲道理这门课除了帮助我熟悉了一下GRE题型之外用处不是很大。在暑假之后的时间里我基本没有做题，只是一直在背着单词。在这里强调一下背单词的重要性。我相信阅读对于我们文科生来说是相对很简单的，只要读懂文章题目基本不会怎么出错。数学也相对好准备，只要做到细心基本没什么问题。而填空题没有什么捷径，一定一定要背单词。
我真正开始认真准备考试是在大三的寒假，我花了一整个月的时间集中去刷题。我复习的重点仍然是放在填空题上，然后每天会做一点阅读和数学保持手感。然后作文方面我会根据题库过一遍每道题的思路，不过我作文部分最后成绩一般……就不做过多的分享了。
我在去年一月份首考拿到了166 + 170 + 3.5的成绩，相信大家作文肯定会考的比我好哈哈哈
申请：
然后单独聊一聊申请，其实我会觉得前期的准备比申请过程本身更重要，申请过程最多可以起到一个锦上添花的作用。这里可以给大家几个小建议：
- 申请中做任何事情一定要早。材料要尽早准备，文书要尽早写一个初稿，考试成绩要尽早考出来，推荐信的事情尽早和教授/老板沟通，如果一所学校有两个deadline的话也尽量在比较早的那个deadline提交申请。事情尽量早点完成会让你在申请中不那么手忙脚乱。
- 申请保底校。我在这次申请中最大的一个问题就是保底校的选择。我当时相信USC的ADS项目理论上可以保住底，所以只申请了这一所保底的选择。然而如果我当时多了解一下就会知道USC的项目出结果是非常非常慢的。再加上我申的几个顶级项目出结果贼早，我在三月份之前一度只有拒信，被Stanford、Harvard、CMU按在地上一顿摩擦。现在说起来好笑，但是当时对于心态真的打击非常大。这里建议大家不仅要申请2-3所保底校，而且尽量申请至少一所出结果相对比较早的保底项目。申请结束后等待offer时平稳的心态比什么都重要。
文科生的优势：
本帖隐藏内容需要登录后才能查看。
补充内容 (2020-7-2 17:51):
有一点忘了提：personal project是对经历很好的补充。可以在Kaggle之类的网站上找几个自己感兴趣的dataset，然后动手去分析数据或是去训练模型。这些project不但可以写进简历和文书，也可以为日后申请实习提供帮助
- 76