數據科學專業留學經驗分享

我本科在香港大學就讀，專(zhuan) 業(ye) 是決(jue) 策分析，必修課程主要是統計和計算機，以及一點數學。本科畢業(ye) 之後在香港工作了三年左右的時間，工作內(nei) 容也是數據分析相關(guan) 。2021年秋天來到位於(yu) 美國Seattle的University of Washington（UW）就讀信息管理專(zhuan) 業(ye) 的研究生項目（Master of Science in Information Management，簡稱MSIM），預計2022年底畢業(ye) 。

2022年夏天在Zillow做了一個(ge) Applied Scientist實習(xi) ，並且拿到return offer。想要幫助同樣想在數據科學領域深造/工作的朋友們(men) 順利拿下心儀(yi) 的offer。

專(zhuan) 業(ye) 分支解析&相應就業(ye) 方向

1. 數據科學(Data Science)

數據科學專(zhuan) 業(ye) 比較側(ce) 重分析(Analytical)和設計實驗(Experimentation)，項目課程會(hui) 包括數據可視化(Tableau, Power BI)、統計、以及編程（R語言和SQL居多，也可能有Python），主要是要了解如何用統計學知識去分析數據並且將數據中的結論呈現出來, 或者用統計學知識去設計A/B testing。一般來說，有理工科背景尤其是統計/數學專(zhuan) 業(ye) 的同學都可以申請。

就業(ye) 方向在北美主要是Data Scientist, Data Analyst等。DS工作內(nei) 容可能會(hui) 涉及更加複雜的統計模型或者實驗設計，DA主要是用SQL提取數據以及設計一些數據可視化的dashboard。

2. 商業(ye) 分析(Business Analytics/ Business Intelligence)

商業(ye) 分析專(zhuan) 業(ye) 更側(ce) 重business/finance和analytical。項目可能包括統計、數據可視化以及商業(ye) /金融相關(guan) 的課程。主要是學習(xi) 如何用統計學/分析的方法去幫助做一些商業(ye) 方向的決(jue) 策。主要會(hui) 用到的編程語言/工具可能是Excel/SQL/Tableau/Power BI，對編程的要求不會(hui) 很高，適合非理工背景的同學或者對金融/商業(ye) 感興(xing) 趣的同學。

就業(ye) 方向在北美主要是Business Analyst, Risk Analyst等，工作內(nei) 容更多涉及做展示（presentation）以及數據可視化，還可能有一些商業(ye) 方麵的分析。

3. 機器學習(xi) (Machine learning)

機器學習(xi) 比較側(ce) 重建模（Modeling），主要是指了解機器學習(xi) 各類模型的原理以及應用，比較常見的模型分類一般是監督學習(xi) (supervised learning)和無監督學習(xi) (unsupervised learning)，以及最新的強化學習(xi) (reinforcement learning)。這一類專(zhuan) 業(ye) 對寫(xie) 代碼能力的要求相對高一些，學習(xi) 內(nei) 容通常是機器學習(xi) 模型的原理，以及用python調用一些機器學習(xi) 的工具，比如sklearn, xgboost等等，或者自己寫(xie) 模型。一般來講有理工科背景尤其是統計/數學/計算機背景的同學都可以申請。

就業(ye) 方向的話，在北美通常是machine learning engineer或者applied scientist來負責機器學習(xi) 模型的研究和大規模應用。MLE和AS工作內(nei) 容比較相似，MLE更側(ce) 重寫(xie) 代碼和應用，AS更偏重研究和前期試驗。

總的來說，數據分析相關(guan) 的專(zhuan) 業(ye) 一般都是STEM項目，而且就業(ye) 前景都還不錯，除了科技大廠，一些谘詢公司和金融公司也會(hui) 需要這方麵的員工。就業(ye) 麵還是比較廣的。

申請條件&申請經驗

一般來講，data science和machine learning相關(guan) 的項目更推薦有理工科背景，尤其是統計/數學/計算機方麵的同學去申請。Business Analytics項目更推薦非理工科背景的同學。當然這些也都不是一定的，隻是一個(ge) 相對簡單的劃分。

我本人沒有申請過英國和歐陸的學校，所以不太清楚英國/歐陸的錄取過程更看重什麽(me) 。香港和新加坡的學校可能稍微側(ce) 重本科學校是不是比較知名，以及本科的成績。美國的學校對本科學校知名度沒有那麽(me) 看重，本科成績以及專(zhuan) 業(ye) 相關(guan) 度都比較重要，托福/GRE這種標化成績隻要達標即可，不需要浪費太多時間。更重要的是個(ge) 人陳述。

如果申請的時候能寫(xie) 一篇很出彩的個(ge) 人陳述，可能成績不是那麽(me) 好也能拿到錄取。所以我比較推薦花一些時間打磨自己的個(ge) 人陳述，以及找朋友/中介多看幾遍，多多修改。當然這裏的出彩不是說要用多麽(me) 複雜的語法和詞匯，主要是內(nei) 容要表現出你對這個(ge) 專(zhuan) 業(ye) 的熱忱和興(xing) 趣，你對這個(ge) 學校的了解，以及你個(ge) 人的職業(ye) /學術規劃，這個(ge) 項目如何幫助你達成你的目標/規劃，以及你的過往學習(xi) /實習(xi) /工作經曆有哪些跟這個(ge) 項目是匹配的，哪些經曆能讓你從(cong) 這麽(me) 多申請者中脫穎而出。

UW MSIM就讀體(ti) 驗

這個(ge) 項目有很多不同的細分專(zhuan) 業(ye) : data science, business intelligence, product management, UI/UX design, cyber security等等，我選的是data science，課程都非常簡單，非常適合想來美國找工作的同學，不需要花太多時間在學校課程上，可以專(zhuan) 心準備刷題以及工作申請。也很適合非理工背景但是想要轉來數據分析專(zhuan) 業(ye) 的同學，不用擔心課程太難跟不上。而且也是stem專(zhuan) 業(ye) ，有三年opt。

唯一一點就是這個(ge) 項目比較偏好有工作經驗的申請者，我這一屆錄取的學生可能大部分是有工作經驗的，如果是完全沒有工作經驗申請這個(ge) 項目，錄取的可能會(hui) 比較小。推薦有至少一年實習(xi) /工作經驗的同學申請這個(ge) 項目。