哥大统计系，是一个传说中的大水项目。在知乎更是一度被黑，传言说哥大统计项目“是个人都能进”。事实真的是这样么？这么火的“统计学”又到底是个怎样的专业？在哥大读书又有什么不一样的体验呢？
关于哥大统计系的规模，大概是每年on campus的学生在200个人到250个人左右，这一点也和大家从知乎或者其他渠道看到的一样，是个大系。但是要知道，我们光全职的教授就有50多个，加上兼职的教授以及也隶属在其他学院的教授，就要有60-70个了。在拥有这么多教授资源的超级大系里，如果每年只招收20-30个项目的硕士学生，也是有点诡异的，系里也哪来的钱养那些大牛教授呢？我刚去官网上挂出的课里数了数，一共有105门专业课可以任你选择。而且选课十分自由。只要完成必修的4门课（probability， inference，linear regression models，还有applied data analysis）剩余的8门课随便从剩下的这101门课里挑选。而且学院有开设很多的跨院课程，比如和商学院、工学院、数学院、医学院合作的课程，可以让未来想走金融统计、data science、还有统计理论（比如随机矩阵）、以及生物统计的同学， 都有可以选择的课程，照顾到了每一位同学的需求。● 第二，你有各种机会去和老师进行交流，教授们的研究方向也十分丰富，而且涵盖面非常广。大家可以积极的去问问导师的项目组，有没有合适的项目可以让你帮忙，也就是担任所谓的Research Assistant，实话说，统计系这样的机会还是很多的，我有很多统计系的同学也是在data science institute里做RA。但是，系大也有一个不好的地方，资源很多，但是能不能落到你的头上，就是需要你的努力了。硕士阶段，还是有非常多的career fair以及其他的机会，各大公司也会来系里开讲座+招人，有兴趣的大家就需要关注邮件，去听讲座，并且在讲座后积极的去和HR沟通，争取机会。哥大统计系，也基本上是分为4个track，包括金融、data science、精算和生物统计。拿我个人来说，我未来想走data science方向，所以在哥大的这一年，我选修了很多data science的课程，同时呢，我想专注一些算法的改进，也就是data science中偏理论的方向。在我的advisor的建议下， 我选修了一些比如Bayesian Statistics，Nonparametric Statistics，Applied Data Science，Multivariate Stat Inference，Elementary Stochastic Processes，Statistical Machine Learning等等的专业课，这些都十分契合我的发展需求。我又学习了机器学习的理论知识，同时也精进了编程技能。当然，如果你只是为了要走工业界，你可以更多的去选择一些应用类的课程，比如Neural Networks & Deep Learning，Natural Language Processing，Deep Learning for Computer Vision and Natural Language Processing等等，这些都是非常有意义的课。比如我就在一门课中，完成了推荐系统算法的改进、人脸识别、以及情感分析的project。相比于某些其他学校，一个统计系项目只有20个学生，可以说，哥大统计的250个人里，确实存在着较大的方差。但是大神也确实有很多，我也认识不少国内top10，以及甚至top5的同学。双非的同学也是有的，但是他们的profile也是都非常优秀，绩点90+，同时也拥有非常好的软实力经历，有些也在国外交流过两个月到一年的时间。就我个人来说，我是中上游的985，我的绩点在88点多。所以，在我看来，我们是不可以因为某个单项的条件，就去说这个申请者的条件好与不好。比如你可能看到了他“双非”，但他的绩点可能很高。或者他虽然是80分出头的绩点，可能他来自国内的top3名校。并且，我认为哥大是一个特别注重diversity的学校，基本不会出现太多相似背景的申请者。“水”，可能就是指的周围同学存在的一个方差。但是教课的教授们，都是领域内的大牛，所以学到的专业知识，可是一点都不水。在我看来，纽约的相关就业机会还是非常多的。而且其实，我们专业也是有大概1/3的同学会选择回国找工作。我知道的周围的同学的去向也都不错，比如有腾讯的算法岗，阿里巴巴、字节跳动、小红书、滴滴的数据分析岗，等等，还有北上广的金融公司、商业银行等。在美国找工作的，我的朋友也找到了纽约的工作，还有进入了flag的同学。总体来说，毕业生最常见的就业方向有: IT 企业、 金融投行、医药企业、信息咨询公司这四个。就我所在的data science方向来说，IT 企业是 DS 运用的前沿，也是 DS 毕业生最重要的就职选择。根据称呼的不同能看到 DS 在 IT 企业的运用。Data Scientist 这个 title 多见于大型 IT 企业，比如 Microsoft, Baidu 等。他们搞的是比较前沿的深度学习，还有常见的Data Analyst,在我看来，data analyst的难度普遍低于 Data Scientist,主要是运用 Python, R, Java 等语言做数据处理和基于算法做简单的小规模数据分析。统计系的career这一个板块，也提供了很多的就业信息。主要是帮助学生通过网络，和哥大的networking，去找到一些职业机会，然后找到工作。 同时，这里也有很多学生可以参加的，与统计或者data science有关的各种小组和在线论坛，大家可以以此获得一些实习机会的可能，或者起码参与并了解有关会议和行业会议的信息。具体里面有Individual Career Counseling，Professional Development Course，Workshops and Panels，professional placement 以及PhD Placement等等。当然，还有一些想要继续深造的同学，也都去往了专业排名大概在美国的top30的学校攻读博士学位。
哥大不可代替的，首先就是它的地理位置，在纽约就意味着有非常好的机会。纽约有非常好的金融公司及科技公司，哥大肯定就会得天独厚的享受很多必不可少的资源。其次，身为常春藤的哥大，既富有历史厚重感，又由于坐落在纽约而产生了与时俱进的朝气。历史感与现代风完美融合的独特的气质，使得它拥有非常独特的魅力。我们都知道，哥大是一个对中国留学生非常友好的学校。工学院就是华人出资捐献的，fu foundation，而且，就是系里面有非常重要非常非常多的老师，其次哥大的中国留学生也非常多，你可以有很多很多的校友，这些会给你很多很多的隐藏的资源，在你毕业之后的很多年可能都能享受到这种福利。入读之后，我觉得哥大是很能让人有归属感的一个学校，我周围的同学们，来自不同的国家，有着不同的家庭环境和文化背景，正是在这样的一个集体中，我们相互交流，思维碰撞，感染激励。在这样的环境里，我也很少能感受到孤独。我和其他的中国留学生朋友们都会在节假日一起聚餐畅谈，在一起吃火锅，买个小投影仪一起放电影，互相取暖。
平时，特殊节日比如万圣节、感恩节的时候，我和室友们也会一起去法拉盛和唐人街去买买东西，布置一下公寓。包括周末的时候我也会去逛博物馆，陶冶情操的同时，也是对自己的放松。特别是，纽约有最著名的百老汇，我在夜晚偶尔也会奖励自己，去看一场百老汇，沉浸在音乐的海洋里，让我的思维去跳脱出学业压力的枷锁。
比如使用定量方法，数学模型、或者编程解决问题的项目。
科研的话，我建议的是，在尽量匹配专业的基础上，最好能够时间长一些。这样不仅是因为能出成果，而且你能够有时间去慢慢消化这个领域的东西，很多事情能够理解的更透彻，如果面试被问，也更从容，不会出bug。同时，大家如果能够在小组里展现自己的presentation和领导能力，也可以写在文书中，这些都是国外的招生官非常看重的技能。
比如设计数据分析内容的实习都是和统计学息息相关的，包括一些report 分析，金融公司也会有使用Wind和Bloomberg数据库完成的工作项目、用线性规划等方法完成收益率曲线的分析等等相关的工作，大家都可以去关注一下。关于实习方面，我的建议是，大家尽量可以在同一个公司，进行长阶段的实习，这样做的东西也会不断的高级，而不是每次都去一个新的公司做一些很基础的东西。这样，也可以让招生官看到你的成长。我觉得，人的技能本身固然重要，但招生官也更想看到，一个会总结，会不断进步，会不断成长的学生。在这个基础上，大家也可以去进行软实力方面，多领域多层次的探索。
要提供你的经历和目标的具体例子。过于概括化并不能让招生委员更好的了解你，以及为什么你会充分利用研究生的时光充实自己。
明智用词会让你的信息更清晰地被传递出来。很多大学在文书字数上都有限制，这就意味着不要有多余的话。
没有必要在文书上重复你的成绩单，应该去分享你的资质如何有利于你的研究生在这所学校的学习和生活。但是，停留在“我做了什么”经历层面的文书是没有诚意的。你要做的是在表层的经历之上不断内省，去发现自己的motivation, interest, competence, goals, plan, 以及 fit for the program，它们比起经历本身来说，更应该是PS的内核。关于自己的motivation和interest，大家可以去深度的剖析自己，从成长环境，到在课堂上学到的知识，都可以成为让自己对这个专业产生兴趣的原因。同时，大家可以接着去指出自己感兴趣的一些话题。这个话题如果能和自己做过的科研、实习项目是匹配的，就正好可以引入接下来的软实力写作。比如我在文书中的素材，就都是围绕着学术背景，因此并不会显得散乱。与简历上的简单叙述不同，我在文书中详细描述了我碰到的问题，以及我是怎么解决的。我从中得到了什么，受到了怎样的启发，就是更着重于我的科研潜力方面，让招生官看到，我在遇到问题的时候，有自己的思考，有自己的见解。这是最重要的。关于撰写软实力经历，我还有一个小建议是，因为在这些不同的科研和实习经历中，大家肯定都或多或少的运用了本科的专业技能解决问题。那么，关于如何应用的这一点，就需要在文书中体现出来。特别是本科数学到研究生统计学或数据科学的这样一个转变。让招生官看到，你可以用你本科专属的数学技能，去尝试优化一些算法，或者将原来的方法的内核做一些调整（比如函数的假设条件的修改等），解决一些实际问题，是特别加分的一点。
更多详情
