微信扫一扫
各位同学大家好，我是启航导师储学长，目前就读于耶鲁大学
生物统计-数据科学方向
。
今天给大家一些关于我们专业的简单介绍，包括就读体验、项目难度、专业课程、学期设置、学校资源、学校设施，以及我个人在耶鲁就读以来的生活经验分享。
课程size大概在20-50人。选修课（难的话） 20人，必修课50-100人（有些是学长学姐一起上课）。线下人数没有课程表enroll显示的那么多，有些同学会选择zoom 线上上课。
总体感觉中国学生偏多（所以会卷），有一些外国同学也报名这个项目。平时上课基本是阶梯教室。
主要难度在于接触更多更系统的新知识吧。
像我，我之前python 用的最多，C++，Java也经常用着去做CS的项目。但我没有怎么学过R去做数据分析（Coursera上学过用R去做linear regression等等，但教授出作业不会只要去套用代码啊。
Yale这边Data Science Pathway第一学期就有一门必修课BIS620 Data Science Software Systems要求用R去写作业。所以就要基本从零开始学R。而且R吧，版本还多。我经常遇到一个library的function调不出来，一查才发现，教授示范的function只有最新版本的R才有。
BIS 620结课项目是用R自己写一个package，期中作业还有用R的shiny去编写可互动的数据可视化的包。这个期中项目是我这届新增的。教授会每学期调整教学的细节。
说实话，这门课上起来是有些困难，上课要跟着教授一起写代码，调整程序的功能。课后要琢磨教授题目背后的要求（就是要去问更多细节）。毕竟是生物统计的课嘛。作业里还有关于生物背景的一些问题。像“Is the marker prognostic with respect to the death outcome? Is the marker predictive with respect to the death outcome?”就要搞清楚“prognostic”“predictive”的概念才能解题。
不过一学期下来，看到自己从几乎为0开始，到可以自己写package，成就感还是满满的。
另外一门推荐的课就是Machine Learning with Biomedical Data。
说是with Biomedical Data 其实就作业里面用到些生物数据，课堂例题也是有生物相关的例子。基本还是再讲机器学习的统计知识（数学+R+python编程）。我就相当于复习了一遍Machine Learning的统计基础再同时输出我的R的学习进度。诚然我本科学过机器学习的统计基础，但这边的研究生level的课，也挺顶的。下课，office hour 经常要去问教授问题，去把课件的细节（有时候是typo）问清楚。毕竟，统计这学科，学到后面确实会吃力。
最后小小的得意一下，第一学期，上限5门credit的课，我全是Honor等地。
Yale 这边的学期是14周一学期，中间插入假期。和我本科7周，7周分成两个session不一样。个人觉得这14周的学期制上起来会舒服些。Yale的一个好处是有reading week，给一周时间让大家复习。
研究生没有GPA只有四个等地：Honor (H), High Pass (HP), Pass (P) 和 Fail (F)。对于生物统计的MS学生来说，毕业要求是至少两个H 和 平均分 HP 以上。
就读体验
项目难度
专业课程
1
BIS 620
2
BIS 555
学期设置
