预览结束
填写信息下载完整版手册
-
官方小程序
-
官方公众号
-
官方微博
-
百家号
官方小程序
官方公众号
官方微博
百家号
哥伦比亚大学统计系介绍
1 专业详解
关于哥大统计系的规模，每年on campus的学生大概在200-250人左右，这一点和大家从知乎或者其他渠道看到的数据一样，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个左右。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？
所以人多，首先是因为系大。系大的好处就是：
● 第一，课程开设的更加丰富。
我刚去官网中列出的课程里数了数，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门课可以从余下的101门课里任意挑选。
而且学院开设了很多跨院课程，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、统计理论（比如随机矩阵），以及生物统计的同学， 有可选择的课程，照顾到每一位同学的需求。
● 第二，你有许多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，那就是资源很多，但是能不能落到你的头上，还需要你自己努力。
硕士阶段，还是有非常多career fair以及其他机会的，各大公司也会来系里开讲座+招人，如果大家有兴趣的话就需要多多关注邮件、听讲座，在讲座后积极和HR沟通，争取机会。
哥大统计系，基本上分为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课程，同时我想专注一些算法的改进，也就是Data Science中偏理论的方向。
在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等的专业课，这些都十分契合我的发展需求。我还学习了机器学习相关的理论知识，同时也精进了编程技能。
当然，如果你只是为了要走工业界，你可以更多地去选择一些应用类课程，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程。
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。
2 我周围同学的profile
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，我就认识了不少国内Top10，甚至是Top5院校的同学。
本科双非的同学也有，但是他们的profile也都非常优秀，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，我本科是中上游的985，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来自“双非”院校，但他的绩点可能很高。或者他虽然是80分出头的绩点，但他可能来自国内Top3院校。
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”，可能指的是周围同学存在的方差。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一点都不水。
3 未来的发展方向
在我看来，纽约的相关就业机会非常多。而且我们专业也有大概1/3的同学会选择回国找工作。
我周围的同学们毕业去向也都不错，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，还有北上广的金融公司、商业银行等。
在美国找工作的同学也有很多，我的朋友就在纽约找到了工作，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。
他们主要从事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，以及基于算法进行简单的小规模数据分析。
统计系的career这一板块，也提供了很多就业信息。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，最终找到工作。
同时，学生可以参加与统计或者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，或者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。
当然，还有一些想要继续深造的同学，也都去了专业排名在美国Top30的学院校攻读博士学位。
在哥大的学习和生活
总体来说，哥大的学习和生活还是十分丰富的。
哥大不可代替的原因，首先就在于其地理位置，在纽约就意味着有非常多的机会和优质的资源。纽约有许多非常著名的金融公司及科技公司，哥大肯定有更多机会享受这些资源。
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拥有与时俱进的朝气。历史感与现代风完美融合的独特气质，使得它充满魅力。
我们都知道，哥大是一所对中国留学生非常友好的学校。工学院（Fu Foundation）就是华人出资捐献的，系里面拥有非常多资深的老师。
哥大的中国留学生也非常多，你可以拥有很多校友，这些校友会给你提供很多隐藏资源，在你毕业之后，可能会成为你的助力。
入读哥大之后，我觉得这是一个很能让人有归属感的学校。我周围的同学们，来自不同国家，有着不同家庭环境和文化背景，正是在这样的集体中，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。我和其他中国留学生朋友们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。
特殊节日比如万圣节、感恩节时，我和室友们也会一起去法拉盛和唐人街购物、布置公寓。周末的时候，我也会去逛博物馆，在陶冶情操的同时，还能够放松一下。
偶尔我也会奖励自己，在夜晚去看场百老汇，沉浸在音乐的海洋里，让我的思维跳脱出学业压力的枷锁。
申请心得分享
1 什么样的软实力更加有利
● 科研项目
比如使用定量方法、数学模型、编程解决问题的项目。
如果是进行科研，我建议在尽量匹配专业的基础上，最好能够时间长一些。这样不仅是因为能产出成果，而且能够有时间去慢慢消化这个领域的内容，让自己的理解更加透彻。如果在面试被问到时，也会更加从容应对。
同时，大家如果能够在小组里展现出自己presentation和领导能力，也可以写在文书中，这些都是国外招生官非常看重的技能。
● 实习经历
比如设计数据分析内容的实习都是与统计学息息相关的，包括一些report分析，金融公司也会使用Wind和Bloomberg数据库完成工作项目，用线性规划等方法完成收益率曲线的分析等相关工作，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实习，这样从事的工作内容也会不断提升，而不是每次都去一家新公司开展一些很基础的工作。这样，也可以让招生官看到你的成长。
我觉得技能本身固然重要，但招生官更想看到一个会总结、会不断进步、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。
2 文书撰写
● 要具体
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地了解你，知道你是如何充分利用研究生时光来充实自己的。
● 要直接
精简用词可以让你的信息更加清晰、精准地传递出来。很多大学在文书的字数上有限制，这就意味着你要剔除多余的话。
● 要专注
没有必要在文书上重复你的成绩单，应该去分享你的资质是如何帮助你在这所学校学习和生活的。
但是，停留在“我做了什么”这一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话题。这个话题如果能和自己做过的科研、实习项目相匹配，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。
与简历上简单的叙述不同，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，就是更着重体现我的科研潜力方面，让招生官看到，我在遇到问题时，有自己的思考和见解，这是最重要的。
关于撰写软实力经历，我还有一个小建议。因为在这些不同科研和实习的经历中，大家肯定或多或少都运用了本科的专业技能来解决问题，那么关于如何应用这一点，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转变。让招生官看到，你可以用自己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，这是特别加分的一点。
最后，希望我的分享能够帮助到大家！学姐也祝愿各位学弟学妹都能最终顺利获取心仪大学的offer~
稍后会有顾问老师反馈评估结果