Offer收割机留学工作室_名校研究生留学申请-出国留学

项目解析｜美国统计&数据科学研究报告(上)

统计学（Statistics）是从应用数学领域分支出来成为一门单独的学科，主攻方向是结合概率论、数学模型、统计模型、计量模型等工具，对大量的数据进行整理、总结、分析，并从中做出归纳性推测，或者进行预测分析。

数据科学（Data Science）从学科角度出发，是在统计的数学基础上，结合了模式识别、机器学习、数据可视化、数据库、编程等高性能计算的交叉学科。

统计/数据科学专业人才有着巨大的市场需求和人才缺口，关注相关专业的同学也很多，申请非常热门。

今天收割机就跟大家详细聊聊美国统计&数据科学专业申请解析~

专业简介

统计与数据科学，Statistics & Data Science, 都是在数学的基础上，对数据进行收集、处理、研究、分析的学科。由于它们的专业方向、背景、就业领域，以及对录取者的背景要求都相对接近，所以一般来说，这两个专业基本是可以放在一起混合申请的。

统计专业

Statistics从应用数学领域分支出来成为一门单独的学科，主攻方向是结合概率论、数学模型、统计模型、计量模型等等工具，对大量的数据进行整理、总结、分析；并从中做出归纳性推测，或者进行预测分析。

统计专业的学科核心包括：数据挖掘、随机过程、时间序列、生存分析、贝叶斯算法等等。可以说它可以为一切需要依靠大数据进行决策的行业领域服务，应用范围和就业范围都非常广：政府部门、金融、经济、互联网行业、医药等等。

美国几乎大部分学校都有开设统计相关的硕士项目，大部分都开设在文理学院下，或者单独的统计学院，少部分在计算机等工科学院下，这一类项目会更偏重于与计算机技术的结合和应用。

统计项目有MA和MS两种学位授予，这对于课程设置并没有太大的影响。统计项目根据课程的倾向可以分为偏理论型和偏实践型。

MS学位，即Master of Science in Statistics或Master of Science in Applied Statistics；MS学位通常为两年制，更加侧重于学术研究，毕业后可以选择就业，也可以选择继续攻读PhD。

MA学位，旨在短期内培养统计技能，为就业做准备，如果打算继续攻读博士学位的一般不建议考虑该学位；还有的叫MAS，即Master of Applied Statistics、MS in Statistical Practice，这一类名称的项目都是偏实践应用型的，会结合较多的应用相关的课程，倾向于毕业直接工作的，与MA学位相似。此外，应用类统计项目有的也会分出细方向、concentration 或者track，如金融统计、社会统计、数理统计、生物统计、农业统计等。

其中，最为特殊的是生物统计，有部分学校专为这个方向开设了单独是生物统计硕士，录取者一般是在生物和统计两个领域都有较多涉猎的同学。

需要注意的是，有相当一部分的统计项目，是有thesis要求的，必须要完成论文才能毕业。申请的时候一定要注意，带有thesis的项目要求更高，但同时对于后续打算申请PhD的同学很有帮助。

数据科学专业

从申请的角度来说，Data Science的难度应该是覆盖了Statistics的。因为Data Science相当于在统计的数学基础上，再结合一定程度的计算机、编程知识。它的应用和就业领域同样很广，而且比统计更深入，可以从事比较前沿的，如AI、数据挖掘、算法、机器学习等热门跨学科领域的工作。

Data Science的专业核心为3块：数据处理、数据模型分析和数据可视化。前两块与统计的专业有部分重合。额外的部分，是与计算机技术结合产生的可视化，以及结合高级编程产生的如机器学习等分支。

因此大部分的Data Science相关项目都开设在计算机学院、文理学院、工程学院下，也有少数设置于商学院。这个专业的基础课程包括应用统计方法、计算机方法、数据挖掘、数据库等课程，在这个基础上学生可以自由地选择自己想要深入的领域。

与统计相比，Data Science开设的学校项目要少一些，TOP50大约二十多所，从2016年开始，每年新开Data Science相关项目的学校也在逐年增加，常见的项目名称有MS Data Science、MS Data Analytics、MS Applied Data Science等。

学制与学费

学制：1-2年

如：WUSTL的MS in Data Analytics and Statistics学制1年、Master of Arts in Statistics学制1-1.5年；Columbia University的MS Data Science学制1.5年；Vanderbilt U的M.S. in Data Science学制2年；NYU的MS in Data Science学制2年

费用：学费一般在3-4万美金/年，个别学校6-8万美元，生活费1-3万美金/年，总体花费在4-7万美金/年。两年项目花费大概65万人民币左右。

申请攻略与建议

1、专业背景要求

① Statistics

除了本科统计专业外，常见录取的本科背景如：数学、应用数学、计算机、信息科学等数理背景较强的专业。

转专业的同学也可以申请，如：生物、物理、电子工程等专业。普通商科转申会比较困难。需要有大量的数理课程背景支撑，包括并不限于微积分、线性代数、概率论、统计、回归分析、微分方程、多元微积分、计算机、R等，技能上最好也能熟练运用Excel、SPSS、SAS、C++、Python、R等相关软件。

② Data Science

常见录取的背景为：数学、统计、信息、计算机、数据、工程等专业背景。

基本上不适合商科等转专业学生申请，除非选修足够的数理课程，否则不建议申请DS，但可以尝试申请统计，并且需要有相应的课程、技能、经历作为背景，且三围要高。

数理背景等硬性条件要求比统计还要更高，且部分项目有要求考GRE Sub Math（如斯坦福的统计）。软性背景，基本上需要计算机和数据方向的项目经历，或者业内顶级公司的相关岗位。

2、申请难度

Statistics与Data Science一直都是热度比较平稳缓慢上升的专业，Data Science这几年随着AI等概念也越来越吸引申请者。但是由于门槛较高，所以申请的难度每年变化不算大。同时，由于大部分项目规模都比较小，有部分项目甚至作为PhD连接项目，所以顶级的项目大部分都很难。除此之外，绝大部分项目都是STEM。

① 高级难度学校

Top30 & 部分专业排名很高的项目。

需要基本条件：GPA 3.8+，GRE 330+，IBT 100+

有大量优质经历，如：高质量比赛，顶级大公司实习，教授科研项目，名校交换，大牛推荐信等，最关键/最有用的是某些大牛教授或者机构的高质量的研究项目。

（这里面虽然有些学校官方的语言minimum往往很低，如IBT 90之类，但真实录取数据平均分往往很少低于100）

② 中级难度学校

约从综排30-70。

Top30以后的项目大部分会随着排名的降低而难度下降，但不排除有些低排名高质量的项目，50左右的项目录取条件也仅仅降低一点点。

需要基本条件：GPA3.5左右，GRE 320左右，IBT 90+

经历丰富，如：高质量比赛，高质量实习，科研项目等等。

③ 较低难度学校

综排80之后，以及专业排名靠前的项目。

需要基本条件：GPA3.0+，GRE 300+，IBT 90+

正常经历包装即可。

3、录取偏好

【GPA】

根据申请难度，TOP50最好能有3.5+；TOP30建议3.8+。

注意补充自身的数理背景，大量高阶数学、统计、Data、编程课程，有益无害。

【语言】

IBT最低80即可，但申请排名好的院校要求基本在100左右。英语差的学生可以考虑考雅思，一般条件是6.5或7，仅少数学校不收雅思。

如果是要冲刺名校/排名好的项目，还是建议考T，因为Top学校雅思和托福的要求可能会有差异，有的T100能达到基本要求的，雅思可能会要求7.5，难度还是很高的，当然只是个别院校。要冲刺Top30的学校，托福也至少要有105+才比较有优势。

【GRE】

对于申请统计/Data项目，要考GRE，不要考GMAT，接受GMAT学校寥寥无几。

分数要求整体而言随排名降低而降低，至少达到300+，最好能考到320+；申请TOP30项目建议330+，TOP50建议320+，TOP100建议310+。

【科研项目】

最关键/最有用的是某些大牛教授或者机构的高质量的研究项目，涉及数据、统计、建模、分析等。尤其像一些美国名校大牛教授的科研项目，甚至可以在知名期刊上发表论文的话也会非常加分。

【实习/工作经验】

没有强制要求，但是相关高质量实习/工作经验可加分；比如Google、腾讯、阿里巴巴等互联网公司数据挖掘、数据分析岗；TOP咨询、TOP投行等战略分析、数据处理、建模、股票分析；保险精算等岗位。

【比赛】

美赛、数模国赛等数学建模类比赛；数据分析、数据挖掘、计算机类比赛也可以参加。

【交换】

① 2+2

国内现在不少院校都有挺多美国2＋2交换项目，参加这样的项目国内和海外的学位都可以拿到，这对于申请美国来说是个天然优势，美本申请一般事半功倍。

大一大二的同学如有条件可以参加，都建议参加2＋2项目：一方面给自己更好的学位背景，可以主修辅修相关专业课程，并且好好学的话能拿到不错的GPA；另一方面在美国有更好的平台和资源优势，可以接触到当地实习等。

② 学期交换

如果没有办法参加2+2项目，1年或者1个学期的交换也是建议尽量去参加，有当地的学习经验对申请帮助也比较大，能够提前适应国外教育环境，还能够要国外教授推荐信。

③ 暑校

如果前面两种都没有办法参加的话，建议可以考虑一些暑校项目，能参加尽量参加，增加海外交流背景。如果在暑校表现很不错的，可以和那边的老师或者教授达成很好的沟通，也许会有愿意给你做推荐人的，帮助也很大。

【申请时间】

部分项目的截止日期非常早，有1.1的，甚至也有12.1的；当然大多还是2-4月。

打算申请统计/Data的同学需要尽早考出足够的分数，最好能够当年申请。时间压力比普通商科的学生要高，DDL大概提前2个月左右。

就业情况

Statistics与Data Science比较适合对数学和编程有兴趣，且有一定天赋的人。

就业方面，大多数最优的职位都出自各大知名IT公司，以及新兴互联网公司，如Facebook、Google、LinkedIn等；也有去金融投资行业做Quant，或者一些其他领域的公司（如药厂）做相关行业数据分析的。就业率比普通商科如金融之类的高太多，基本都能够找到满意的job offer。

【职业分类】

毕业生往往大多从事Data Analyst数据分析师、Statistician统计员、Machine Learning Engineer机器学习工程师、Data Scientist数据科学家、Research Scientist研究科学家、Business Analyst商业分析师等。

主要根据自身所具备的专业技能，以及对什么方向比较感兴趣，想从事哪方面的工作。一般而言，Data Analyst、Statistician偏传统统计一些；Machine Learning Engineer、Data Scientist、Research Scientist偏现代Machine Learning一些；而Business Analyst则偏business一些。

【主要应用行业】

数据支持行业：对公司数据分析、决策分析、解决方法，如IBM

互联网行业：数据挖掘、客户数据分析、市场数据分析，如Google、Amazon、Facebook

咨询，银行&投资&保险行业：行业分析、企业战略分析、决策分析，如McKinsey&Company

医药行业/医疗机构：生物统计分析、制药研究、生物科技，如Ellis Medicine

政府部门：人口社会保险数据统计、经济数据分析决策、气象研究；如DRC

保险行业：产品设计、产品分析；如Prudential

游戏娱乐部门：产品分析、游戏设计、数值策划；如Blizzard

物流相关行业：运筹分析、物流分析；如UPS

教学/科研：大学、专业研究机构

未

完