[錄取] MS/MA in Statistics/Analytics/Data Science

Application to:

MS/MA in Statistics/Analytics/Business Analytics/Data Science

Admission:

• North Carolina State University, MS in Analytics(過年前有interview)
• University of North Carolina, MS in INSTORE (Statistics+OR)
• University of Michigan, MS in Statistics
• Duke University, MS in Statistical Science
• UC Davis, MS in Statistics
• Columbia, MS in Data Science

Rejection:

• Harvard, MA in Statistics
• UC Berkeley, MA in Statistics
• Yale, MA in Statistics
• UT Austin, MS in Business Analytics
• CMU, MISM-BIDA
• Stanford, MS in Statistics(Data Science Track)
• NYU, MS in Data Science
• University of Washington, MS in Statistics
• University of Chicago, MS in Statistics(Waiting list變rejection)
• Northwestern University, MS in Analytics(有interview/Waiting list變rejection)
• University of San Francisco, MS in Analytics(聖誕節前有interview)
• CMU, MS in Statistical Practice

Standard Test:

• TOEFL: 110 (R30 L30 S22 W28)
• GRE: 326 (V156 Q170 AW3.0)
• GMAT: 650 (V34 Q47 AWA 3.0), 690(V33 Q50 AWA 4.5)

Background:

• B.A. National Taiwan University (NTU)
  major in Business Administration, minor in Foreign Languages & Literatures(沒輔完)

GPA:

• Overall 4.04/4.30 (自行轉換 3.89/4.0)
• Statistics/Math-related GPA 4.10/4.30 (自行轉換 3.96/4.0)

Recommendation Letters:

• 初統教授
• 高統教授
• 商統教授
• 老闆(資工系教授 研究領域為Machine Learning &Data Mining)

Related Experience:

• Intel-NTU Lab, Research Assistant(做智慧運輸相關的資料分析)
• 某科技公司分析服務部 實習生
• 幫某劇團建立利潤模型

Publications: None.

Honor：書券獎＊1

<前言>

第一次認真考慮出國留學大概是大三升大四的暑假，那時候找暑期實習找的很挫折，加上從大三開始就對Big data很感興趣，但礙於沒有相關能力和學位，只敢看不敢想，直到後來在網路上到處瀏覽，發現國外的學校近年來其實有成立不少相關的碩士學位，但礙於美國要TOEFL+GMAT/GRE，來不及當年度的申請(那時已8月)，唯一來得及的一間是NUS(新加坡大學)，我就開始規劃申請時程，那時候笨笨的搞不清楚，以為我們商學院的人考GMAT比較容易，沒想到被GMAT整個很慘，考兩次都沒破700，後來NUS的截止日期大幅提前(從五月變二月)，害我差點來不及，一月底先考完第一次GMAT就先送成績＋申請，二月底考完第二次再補送成績，然後一直等到四月的時候有Skype Interview，表現的不夠理想，大概五月底的時候收到rejection，那時候非常難過，只能告訴自己快去認真找工作(其實大四下的時候都還是有邊丟，但是想說說不定有研究所這個選項，所以都只投比較難進的公司)，但因為根本志不在此，就算進到面試那關，總顯得不夠積極，總是拿不到offer。後來跟家人溝通之後，爸媽都大力支持我往大數據走，並支持我全心準備fall 2015的申請，就算在家當一年的米蟲都沒關係(感動到痛哭流涕)。在得到爸媽的支持後，我就開始專心準備，同一時間很幸運誤打誤撞的得到在Intel-NTU Lab當RA的機會，作為補強我缺乏相關經驗的的那一塊，後來不論是準備考試、寫SOP等，一路過關斬將都有貴人相助。過去這一年的時間，讓我真心相信一句話：「只要你下定決心做好某件事，全世界的人都會願意幫你」

<考試/申請文件>

TOEFL

我大概七月初開始準備托福，參考托福版精華區和倫大的部落格，先搞清楚托福到底在考些什麼，然後就散散的開始用考滿分網站做TPO，後來覺得口說和寫作要逼自己練有點困難，所以就跑去報名送佛，八月開課，我是報名8/30考試，最後兩週全力衝刺，然後很幸運的一戰就過關，接下來就……

GRE

當初很因為被GMAT墊很慘，實在不太想考GRE，所以就一直逃避，也只打算申請有看GMAT的科系，但是這樣能夠申請的學校和科系就很侷限，加上後來聽了一些前輩們的建議，還是痛下決心要考GRE，幸好在補托福的時候認識的朋友介紹我去字神補GRE，他是九月中開課，然後我考完托福就先爽爽的跑去香港玩一個禮拜，回來後對GRE也沒有很積極(這完全是錯誤示範，大家千萬別學！)，直到九月底才驚覺十月底就要考試了，我是上video班，所以接下來三週就過著狂去補習班看video的生活，回家後就狂背單字。我自己分析verbal的部份我最弱的就是單字，其他閱讀和邏輯的部分，因為之前被GMAT墊過，所以我幾乎沒什麼練習(GMAT的閱讀和邏輯比GRE 難 很 多！！！再次奉勸各位，除非你只打算申請MBA，不然大部分的MS都有看GRE的，GRE是有努力就有分，GMAT…嗯 我覺得是適合聰明人的考試，GMAT他有他自己的一套遊戲規則在，如果你沒辦法搞懂他的規則，最後考試常常有一種無限猜題的感覺)。Quantitative的部份，真的就是國中數學，大家不要被版上常見說詞”喔因為我是二三類組所以Q沒問題”給騙到，阿就國中數學，類組有差嗎？一類組的人不要自己嚇自己就好(順帶一提，Q的部份同樣也是GRE比GMAT簡單)。然後所幸GRE也是一次就過關，因為GRE很晚才考完，害我後面寫SOP的修改時間不是那麼的充裕，大家考試還是早點解決為上策阿！

推薦信

原則上我每間都有請教商統的教授和教高統的教授寫推薦信，在畢業之前也有和這兩位教授談過表示我對Data Analysis的興趣，兩位教授也都一口答應要幫我寫推薦信，申請那麼多間學校還要麻煩教授這麼多真的很不好意思，也非常感謝他們的大力相挺！

第三封的話我則適情況搭配，原則上是請資工系的老闆幫忙寫，若是剛好有系上的教授是該間學校的校友，而我又有上過該位教授的課的，我就會請那位教授幫忙寫推薦信！再次感謝所有幫我寫推薦信的教授們(鞠躬)～

SOP

SOP要花的時間真的比想像中的長，我大概十月初生出第一稿，但因為同時在準備GRE的關係，修改SOP沒放太多心力，直到考完GRE才專心磨SOP，前前後後不知道改了幾次，總算在十一月接近尾聲時，有了一個自己覺得還過得去的稿子，然後有請老外再幫我潤稿、檢查文法有沒有錯誤、把句子修的更漂亮點等等。在此非常感謝Austin幫我看了修改了N次的SOP，整個申請過程中都一路提攜我，真的說幾次感謝都不夠～

CV

主要就是寫之前提到的那些相關經歷，然後拿一些大學做過比較不相關、但能展現其他能力的事蹟，比如說communication skills、leadership、teamwork等等，因為管院學生找工作公司蠻看重這些軟實力的，所以就從之前找工作用的CV挑幾個比較突出的事蹟放進來，然後CV保持在一頁以內這樣。

<選校>

原則上我就是用一個很不負責任的選校方式，就是看US News上面統計所的排名去選校，原則上是鎖定Top30的學校，只要學校名字還有聽過這樣就放入名單中。Analytics和Data Science因為是很新的科系，沒有排名可以參考，反而會比認真的研究網站上的資訊，原則上也是依學校名聲、課程內容及安排，還有畢業生的就業情況為主要依據。當初我的主觀認定是統計所應該每間學校教的內容都差不多，但已經拿到Ad後在選校時仔細研究才發現根本不是這回事，所以蠻後悔自己在選校方面下的功夫不夠多，都是聽別人的說法，沒有經過自己的仔細調查和全盤考量，希望未來要申請的朋友不要重蹈覆轍～

<錄取>

North Carolina State University

當初會申請這間完全是衝著他畢業生就業情況超良好，再加上他是最早成立的Analytics program，在收到面試邀請後，我有聯繫到之前自該科系畢業的台灣人，向他請教面試的題目等等，他雖回信說他當初申請時不用面試，但有告訴我這幾乎是一個SAS-sponser的program，所以面試的時候我就向校方表示我想取得SAS證照，請問你們有提供相關資源嗎？結果就bingo，他們什麼沒有就是考SAS證照資源很多，幾乎是強迫每個人畢業前至少要考取一張SAS證照，雖然我最愛的是R，對SAS沒什麼好感，但有SAS證照幾乎就不太可能失業，不失為一種保障，就看個人怎麼抉擇了！

University of North Carolina

UNC的department蠻特別的，他statistics和OR是在同個department底下，有提供statistics、OR、statistics+OR三種master，因為我大學畢業時拿的是營運模組(OM)，剛好stat和OR的課都修過一些，覺得我的背景申請stat+OR頗適合，而且analytics其實也會用到一些OR的東西。他底下還有幾個track可以選，我在sop裡也有提到我想選business analytics這個track。拿到offer後我有和該系的教授通信，詢問畢業後的校友們的出路、去哪些產業就業等等。教授回信表示大部分的學生都去醫療業、運輸業、金融業等等，都不是我很喜歡的產業，還老實告訴我，我們這些國際學生碩士畢業找工作不會像phD那麼容易，要花一段時間才能找到，因為就業因素和他的課程實在沒很吸引我，再拿到別間後就沒考慮這間了。

University of Michigan

這間就我的觀察蠻喜歡收台灣人的，學校整體排名也都很不錯，據說訓練也很紮實。密大的優點就是修課很自由，除了系上規定的幾門必修課以外，可以自由去修Econ，CS等等的課當選修，但反過來說就是都不是專門為該系學生設計的課程，所以也是看個人喜好。

Duke University

上了這間之後非常高興，一度覺得就是這間了，他的課程我都非常喜歡，不是那種傳統的統計，系上提供的課程都是偏ML，但是後來礙於學費實在太貴了而打退堂鼓，再加上這個program我如果去念也才第二屆，第一屆根本還沒畢業，沒有前人的就業情況供參考，而且又要花那麼多$$。雖然我相信以Duke的名聲，畢業後還是能找到工作，只是要花比較久的時間，不過這樣會帶給我自己和家人很大的財務壓力。還有一個原因就是，如果念這個畢業後一定要往ML走，但ML對coding能力的要求非常吃重，我自己的感覺是走ML的話，念統計碩士的人寫程式能力拼不過CS出身的人，論對理論的了解程度又不如stat phD，有點不上不下的感覺。而且我實際上沒有做過ML的經驗，無法肯定這是不是我想走的路，若是Analytics的話，我很肯定是我喜歡的、想要從事一輩子的行業。總之在諸多考量之下，還是忍痛拒絕了這個好機會。

UC Davis

當初上這間後，因為他的地理位置在加州，所以有些心動，但是在仔細研究過他的課程後，發現有七成的課我大學都已經上過了，再加上據說整個科系都是強國人….嗯 還是算了吧～

Columbia

這間三月底才放榜，等太久了吧！會上這間有點意外，因為他的Data Science科系是附屬在Engineering School底下，感覺他對coding能力的要求應該蠻高的。當初申請Columbia在Data Science和Statistics之間掙扎，後來覺得申請Data Science好像更直接符合我未來想走的方向，提供的課程我也都蠻有興趣的。還有一個原因就是，Columbia Data Science今年是第一屆，我想說應該比較少人知道、也有不少人還在觀望，所以應該會比較好上，還想到我還真的上了這間。老實說我懷疑我會被錄取是用來調diversity的(美國學校很喜歡強調他們的學校背景很多元 阿我 台灣人/商學院/女生 這個組合跑去申請這科系應該蠻罕見的) 不過我錄取後再次研究他的課程，發現和我申請前的不太一樣(我比較喜歡原本的)，加上紐約的生活費實在太可觀了，所以就……

<後記>

轉領域這條路不輕鬆，(尤其是往Data Science這條路，要會的東西實在太多了) 但也非不可能。覺得自己活在很幸運的年代，這年頭只要你有心，隨時都有辦法學習新的技能，只看你有沒有心學習了！像我自己當初一開始不敢申請統計，就是看在他們都要求要修過線性代數、有些還會要求要至少會一個程式語言，所以我才會設定以Analytics為目標，但沒想到Analytics的申請難度有過之而無不及，對申請者的背景要求甚至更嚴苛。

我自己則是透過Coursera, edX等MOOCs平台去補強背景上的弱點，在丟出申請前已經上過programming(python、matlab)、machine learning 、social network analysis、database等所有資料科學家的必備知識和技能，像是一些還沒開課，但預期入學前會上的課包含Linear Algebra、Mapreduce/Hadoop等，我也都有明確告訴要申請的學校我會在入學前上過這些課這樣。留學版上有人說覺得上線上課程不夠給力，我自己倒是覺得上線上課程這塊幫自已加分蠻多的，但重點是除了你有上線上課程以外，也要明確讓學校知道你的努力，不然豈不都白費了嗎?(當然也不能這樣說啦，其實有學到東西都是對自己好的)

還有最後一件事，因為大數據目前正紅，所以應該有不少人一窩蜂想往這裡走。

在此奉勸各位，這是一條很辛苦的路，除非你真的想清楚、確定這是你想要的，否則不要輕易嘗試。

要當data scientist既要懂統計理論、又要會寫程式、那些基本的資料結構、演算法等也都要會、還要懂一些資料庫(咦 被我列出來後怎麼好像感覺很少？)

基本上不太可能有任何一個學位能夠把這些你要會的東西完全得交給你，也就是說畢業開始工作後你還是得持續不斷的精進與學習。

我目前的感覺是，除非你是終身學習的奉行者，不然這條路不適合你。

如果你只想找份穩定的工作，相信我，這個職業會讓你大失所望。

我之前還跟朋友開玩笑說，麥肯錫大概是故意說data scientist is the sexiest job in 21st century，因為這份工作要學的東西實在太多了，偏偏未來每間公司都很需要這種人才，所以說如果麥肯錫不這樣推銷這份工作，大概就沒人要做這份工作了吧…

如果你不確定自己到底適不適合走這條路，那至少先去register一兩門線上課程，學學python，上上Coursera創辦人Andrew Ng.的Machine Learning，如果你能持續不斷並願意花時間在學習這些知識和技能上，I believe you’re off to a good start!

*以上皆個人淺見，如果偏頗或不妥之處，歡迎提出討論與糾正！