學長學姐說系列——透過CMU MCDS項目看Data Science

05-23

來自專欄非高大上的留學專欄

近幾年有機會接觸到很多公司以往送出去的學生，大多數都已經在學術或者職業發展上取得了一定的成績。因此，他們對學校和專業的看法、對一些問題的認識對於後來者是十分重要的經驗。因此試著整理一個學長學姐說系列，陸續發幾篇文章。當然，有些信息是不能公開的，我會挑選可以放出來的信息，做一些總結和整理，部分地方添加了自己的理解，如有紕漏請指正。第一期從目前大火的數據科學專業講起，截取了一部分聊天內容放在這裡。

————————————————————————————————————————

分享人背景：CMU MCDS項目學長，本科畢業於國內頂尖985院校

模塊一：關於CMU MCDS項目

MCDS (Master of Computational Data Science)設置在CMU School of Computer Science下的Language Technologies Institute下面，是在眾多DS項目中更偏CS的項目，分為3個 track：

——System Track

——Analytics Track

——Human-Centered Data Science Track (HCDS, 和HCI有關聯)

每個track的core courses, elective courses, capstone project有明顯區別。此外，該項目有兩種修讀方式：

Standard
Timing — a 16-month degree consisting of study for fall and spring semesters,
a summer internship, and fall semester of study. Each semester comprises a

minimum of 48 units. This timing is typical for most students. Students
graduate in December.
Extended
Timing — a 20-month degree consisting of study for fall and spring semesters,
a summer internship, and a second year of fall and spring study. Each
semester comprises a minimum of 36 units. Students graduate in May.

具體關於該項目的介紹可以看官網鏈接：

https://www.lti.cs.cmu.edu/learn#quicktabs-master_of_science_in_computation=0

我們這屆大概900-1000人申請，發了110左右的offer, 最終入學的大概60-70人，這也是該項目每一屆錄取的平均人數。其中Systems有20人左右, Analytics有30人左右，HCDS比較新，16年開始招生的，有10多個學生。這個項目最多的是中國人，佔了大約一半，大多來自清華、北大、上交、浙大，其他的還有來自中科大、復旦、北郵、北航。其次是印度人。

這個項目選課自由度比較高，我就讀於Systems Track, 這個方向大多數學生都是本科CS出身，過來後大多選擇做infrastructure，畢業後去向主流是Software Engineer. Analytics和HCDS的學生背景相對更多樣化，比如Analytics學生本科有CS, 統計，數學的，也有少量學生是文商科的，比如我有朋友是本科讀經濟學的，研究生階段實習去了Blackstone，畢業後他還是做了software engineer. Analytics Track有超過一半的學生同他一樣，選擇了software engineer. 有一些去做更偏DS的Machine Learning Engineer, 還有一些做Data Analyst, 另外還有一些做FinTech的，比如上一屆有人去Two Sigma. HCDS的話我知道有學生是設計出身的。也有個別學生繼續讀PhD的，我們這屆有4個，上一屆有學生直接申到了CMU的Machine Learning PhD.

經常有人問MCDS這3個不同的track錄取難度有什麼區別。從錄取背景上看，Systems會很看重CS的基本功，所以傾向於CS本科學生。Analytics很看重數理統計經驗和專業知識。HCDS的話希望學生有information system, design方面的課程。但我不認為這個項目本身的bar有高低之分，各個方向的bar是差不多的，而且各個track之間轉的自由度比較大，我們這一屆就有好幾個學生是入學後換的track. 而且從就業上看，各個track也並沒有什麼嚴格區分，看你個人興趣。因為MCDS項目選課很自由，除了必修之外，選修課很自由，所以你完全可以根據自己意向去學習。

模塊二：關於Data Science

DS的就業前景非常好，就業範圍很廣，就業方向包括了上面提到了Software Engineer, Machine Learning Engineer, Business Analyst, Data Analyst, Data Scientist等等。此外，DS還可以去做Biomedical Science/Public Health/Medicine等領域工作。但目前形式看，最主流的還是去soft engineering領域。因此最熱的區域還是加州，如果想做FinTech, 那當然紐約也是很好的選擇。

關於DS學習常用語言的話，如果你想去做Machine Learning Engineering, 那對Python和JAVA的要求比較高；如果你想去做Data Analyst的話，那經常會用到SQL. 還有一個職位方向是Data Engineering, 主要是做data processing和小規模的analytics工作，涉及到的也是SQL和Hive等偏資料庫的語言；如果做金融方向的話，會涉及到R, MATLAB和SAS.

模塊三：關於Data Science申請

對於DS申請，前面聊的已經基本涵蓋了。首先，有些先修課程是能有一定要有的：

（1）數學方面：數理統計、線性代數，這兩門非常重要。

（2）CS: 數據結構、操作系統、計算機組成原理、高級語言程序設計

總的來說，對於CS專業本科生，根據你申請的細分方向去補充相關的實習和科研經歷即可。對於統計/數學類專業的本科生，那盡量去補充CS方面的知識和項目經歷。如果你兩類專業都不是，那從上面兩個方面入手輔修相關課程、做project. 我認識一些商科背景的學生，在自己本校沒有機會，甚至會跑到隔壁學校去聽課程做project, 這樣能很好地體現motivation, 也錄了MCDS項目。

除此之外，實習對於DS申請非常重要。因為DS本身就是一門特別偏應用的學科，本科階段實習不僅對master申請有幫助，對於之後找工作也很有幫助。我有很多同學之前在微軟亞洲研究院實習，他們在來MCDS項目之前就都認識了。而實習的質量主要取決於你的工作內容，如果只是用excel做基礎的數據整理和分析，那肯定趕不上你用SQL去抓公司資料庫中的數據做分析。