搞定宾大计算机与数据科学双学位
本篇文归纳总结了#计算机与数据科学 搞定宾大双学位#的精华内容。
学姐个人介绍：
宾夕法尼亚大学 计算机科学&数据科学 硕士
● 山东大学 能源与环境系统工程 学士
● 本科期间以第一作者发表会议论文
● 曾在沃顿商学院担任数据分析研究助理
● 实习&全职申请获得美国多家大厂offer
● 目前在美国一家大厂全职工作
申请时间规划：
大一和大二时，我把主要时间放在GPA的提升上，并参加了一些校内外与专业相关的科研和竞赛。
大三上学期，我在美国加州大学圣地亚哥分校进行了海外交流，大三下学期回到学校进行了托福的考试，参加了一些学术科研项目。在拿到托福成绩后，用大三整个暑假的时间集中准备GRE的考试，并在2-3个月的暑期过程中，拿到了较满意的GRE成绩。
所以大学前三年，我已经准备好GPA、竞赛经历、海外交流、语言成绩。而大四上学期专注于选校和文书的准备。
由于我的准备时间提前，给留学申请带来了许多益处，所以大家如果已经有留学的打算，不妨提前做好准备工作。
我在择校时，申请的冲的院校包括：纽约大学、斯坦福大学、宾夕法尼亚大学、卡内基梅隆大学；而和我当时的专业和水平比较匹配的有康奈尔大学、南加州大学；保底学校我选择了东北大学。
但我申请的院校里冲的匹配和保底的数量分配其实不太科学，建议大家还是要在顾问老师的专业指导下匹配最适合自己的数量。
最终获得的offer有康奈尔大学、宾夕法尼亚大学、南加州大学、卡内基梅隆大学，最终决定就读宾夕法尼亚大学。
我选择宾大的原因有很多，后面也会给大家详细讲到选校需要注意的要素，包括学校的知名度、招生规模、地理位置、竞争是否激烈等。这些原因综合影响了我的选择，其他因素后面会为大家详尽介绍。
我在本科学习4年后，感觉这个自己的兴趣不在这个专业。机缘巧合的是，大学时我偶然接触到自己感兴趣的数据分析和计算机科学，使我萌生了转专业的想法。
由于我个人的规划是研究生读完后直接工作，不再继续深造读博。但我本科的能源专业最通常的就业路径是深造后在高校或科研院所就业。与我的职业规划不相符，所以才最终决定研究生转专业。
因此转专业需要符合个人的职业规划。如果想要读博，就不选择实践就业型专业。如果想就业，就不要过多投入在培养深造科研人员的专业中。
申请研究生或者是博士生项目时，学校一般希望学生有先修课程背景。
就DS而言，学校希望学生有微积分、概率、统计离散数学等课程的基础。如果没有相关课程经历，就会增加offer获取的难度，所以需要根据专业申请要求提前丰富相关课程背景。
很多学校都有一些对转专业比较友好的项目，这种项目申请起来更容易拿到offer；而有的项目几乎不接受转专业的同学，申请这样的项目难度自然会增大。所以这也是在选校和申请时要关注的因素。
宾大的优势：
宾大优势专业
因为宾夕法尼亚大学是老牌学校，所以优势专业比较多，有商学院，建筑学院，教育学院，工学院都有优势专业，这里我给大家介绍一些宾大的校友，方便大家了解各学院特点。
大家比较熟悉美国的前总统特朗普、美国股神巴菲特都是沃顿商学院毕业的。
有中国的就梁思成、林徽因，他们当年都在宾大建筑学院留学。
杰出的校友有特斯拉CEO马斯克；宾大工学院还诞生了美国第一台通用的计算机埃尼亚克，现在还在宾大的工学院里。2月14号是埃尼亚克诞生的日子，这一天有同学会贴 happy birthday的贴纸给它，有趣又浪漫。
就读体验：
就读体验
宾大的计算机或数据科学专业，每年只招30~50个学生，而大部分美国学校研究生项目都是100-300人。因此老师会有时间照顾每个同学，我的教授认识每个同学，平时对于我们的任何困惑，都尽力为我们解答。
此外，由于人数不多，同学们彼此都很熟悉，有利于促进大家的交流互助和情感沟通。
因为宾夕法尼亚大学的沃顿商学院是全美第一商学院。商学院老师有一些课题项目，需要工学院的CS和DS专业的学生帮他们做数据分析或网站系统支持。
因此同学们会有很多校园实习机会为简历添彩。而且对金融感兴趣的工科同学，也有很好的机会去商学院做实习或研究。
宾大校园里有校警24h巡逻，如果是下课或自习晚了，可以打电话给校警陪你走回家，或者是开车送你回家。所以我觉得在上学这2~3年的时间里，校园里非常安全。
费城是华人很早去到的美国城市，华人很多，平时我们想买中国的食物都会一起去中国城。所以生活上没有太多不适应的感觉。费城离纽约和华盛顿非常的近，我们放假时会坐车到纽约玩。
CS与DS就业的区别：
就业差异：计算机科学 VS 数据科学
CS（计算机科学）和DS（数据科学）专业在美国有不同的名称和叫法。所以大家主要还需考量课程设置。像CS—也可能会叫计算机工程、软件工程；DS也有可能叫商业分析、统计学等。但有时它们的课程开设是一样的，所以学习内容才是我们划分专业的主要标准。
对于CS主要学习数据结构和算法、操作系统与网络数据库、机器学习等。对于DS专业而言，主要学习数理统计、概率学、数据库、机器学习等。
至于机器学习（人工智能），难易程度因学校而异，因为它是新兴专业，所以不同的学校对它的定义不同，难度也不一样。
从学习内容上来说，CS主要学习的编程语言有C语言、C++、Java、Python。但对于DS而言，有的专业学到SQL和R就可以了；但有专业会学到Python。
● 就业方向：
说到就业方向，CS专业就业通常作为类似的软件工程师、前后端工程师、数据科学家、数据工程师。而对于学DS专业的同学而言，就业岗位包括商业分析师、数据分析师、数据科学家等，岗位各异。
对于就业难度而言，CS专业在美国岗位相比于数据科学而言岗位更多。薪资入门级也比较高。对于DS，岗位偏少，要求差异较大。因为数据科学专业是新兴的，很多公司需要，但做的事情不一样。
比如商业分析师需要数理统计背景和商业背景；数据分析师需要数理统计概率学和数据库的知识；对于数据科学家而言，则需要有编程和机器学习（人工智能）领域基础。DS普遍薪资也没有CS高，但在美国其他岗位里面算中上，主要因岗位而异。
更多详情
