文章来源：由「百度新聞」平台非商業用途取用"https://xw.qq.com/amphtml/20220311A0C0TC00"

赴美留學·在美發展每周日直播前將收到開播提醒美國留學與發展研討會（美國無國界教育國際學生研討會）USEWBInternationalStudentsForum發起人：燕曉哲SwallowYan愛荷華州華人協會執行主席、美國無國界教育理事會主席燕曉哲邀請在美專家教授、成功人士與學子，北京時間每周日上午十點，為預備或已留學美國的碩博、本科、中小學生及家長免費答疑：學業規劃、升學輔導、背景提升、名校申請、文書簡歷個人陳述推薦信、實習就業、CPTOPTH1B、文化法律健康社會必知、緊急情況處理等。第76場統計學、數據科學專業申請及就業北京時間：2021年10月17日周日上午十點要點：-碩士生、博士生申請要求-申請時哪些軟性背景是重要的-研究生項目介紹與就業前景分析-在美、英、中、韓等研究型大學擔任教授的歷屆畢業生特性-畢業生在政府、研究機構、醫藥業、亞馬遜、谷歌、臉書、微軟的任職情況嘉賓：朱正元（復旦大學本科、芝加哥大學博士，愛荷華州立大學文理學院院長教授、統計調查中心主任）研究領域：空間統計學、調查統計學和機器學習；數據科學在自然科學、環境統計、政府數據、遙感數據中的應用。主持人：CherryPan（華盛頓大學西雅圖分校大四學生）發起人：燕曉哲SwallowYan（愛荷華州華人協會執行主席、美國無國界教育理事會主席、美國亞裔新聞局理事會主席、總統青年領袖計劃執行委員會主席、美國愛荷華州俱樂部主席、國際企業家峰會共同創始人、中國駐美國芝加哥總領事館首屆領事保護聯絡員、中國僑聯海外委員）活動策劃：胡嘉誠（格林內爾學院學生家長）文字整理：劉金鳳（加州大學戴維斯分校學生家長）主辦機構：美國無國界教育（關注公眾號了解更多）研討會紀要燕曉哲：今天是無國界教育第76場研討會，由美國無國界教育項目學生、華盛頓大學西雅圖分校大四學生CherryPan主持。CherryPan：今天很榮幸請到愛荷華州立大學文理學院的朱正元教授，朱教授是該校統計調查中心的主任，研究領域包括空間統計學、調查統計學、機器學習等。擔任教授二十多年，指導了近二十位博士生和博士后，有一半的學生留在了學術界，一半的學生去了工業界，今天的研討會朱教授將會分享在美國求學、任教的經驗，同時介紹統計學專業研究生、博士生項目在美國的前景。朱教授：我在武漢第一中學讀的高中，本科畢業于復旦大學數學系應用數學專業，我們這個專業有很多人到美國后在統計方面做的很好。我在復旦大學數學系應用數學專業做的畢業論文，現在還比較熱門，課題叫神經元網絡，當時并不是深入學習，只有簡單的幾層，做神經元網絡，在1997年由于計算的問題，這個研究到了一定程度就停止了，十多年后發現了新的算法，這個領域才重新火了起來。在復旦大學數學系畢業后，1997年我去了芝加哥大學的統計系，喬丹1997年最后一年拿冠軍，有幸去現場看他的比賽。我跟MichaelStein教授學的是高斯隨機場，是數學化的東西，在統計上有很好的應用，是怎樣設計選樣點，通過選樣點觀察數據，對隨機場的情況做一些預計。從芝加哥大學畢業去了北卡羅來納大學，是喬丹的母校，我很幸運，在這所大學期間，這個學校還得了2次NCAA籃球冠軍，在美國留學都知道，這在美國大學是一件大事。之后我轉到愛荷華州立大學，他的統計系是美國歷史最悠久的統計系之一，我們的實驗室是美國第一個實驗室，做一些和農業統計、調查統計相關的事情。我現在擔任調查統計研究中心的主任。主要是幫美國國家自然資源局調查美國的土地資源，包括水土流失情況，涉及很多數據科學方面的東西。這個調查有幾個方面，一個是用遙感拍一些照片，通過飛機拍攝高清晰度照片，送到實驗室，用數據收集器收集上面的數據，二三十年前是將照片放在臺上，用放大鏡看地上的標識特征，看農作物不同的耕作方式，有人拿著Ipad到田間調查訪問，問農民用什麼方式耕作，現在大家覺得沒什麼，我們是全美國第一個用這個東西，在Ipad出現之前大概十年左右，我們自己發明了一個手持的調查統計的方式，有Ipad后就淘汰了。我們在數據點上收集一些數據，拍一張照片，在照片上選三個點，到田間跟蹤他們的耕作方式，通過全國三十萬個點，得到美國全國土地利用情況的改變和水土流失情況。另外一個工作是幫助美國農業統計署做農業統計調查，主要是做數據融合，農業方面可以通過遙感得到觀察，還可以通過行政數據，就是政府會給農民一些補貼，農民要得到這些補貼，需在FSA(聯邦安全署)注冊，告訴農業部他們種了哪些農作物，如果是合適的農作物，他們就會得到補貼，或者農業保險，我們還有自己的調查數據，三方面的數據融合到一起，形成一個比較準確的對農作物耕種面積和產量的估計。在大數據、數據科學概念流行之前就開始做了。目前為止還是用人來識別地面上的目標，現在我們開始試著用深度學習的方法，通過以前用人工收集的一些訓練數據，用深度網絡的方法，自動識別地面上農作物的耕種方式，對減少水土流失的方式叫Grassedwaterway，在水流盡的地方種上草，能夠把它識別出來。我們做的這些工作和聯合國的糧農組織也有合作，關于在發展中國家如何搞農業統計、行政數據、數據融合的方法，有幾年擔任他們的科學顧問，做教授是從2002年開始，19年有16個博士生，一半的人在學校當教授，有三個是終身教授，有四五個在終身教職階段，另外一些在各個公司任職，也有在Amazon、谷歌、Facebook任職。數據科學是一個交叉學科，是怎樣從數據中得到信息，有的數據成形，有的不成形，有的數據從商業交易中得到，有的是社交網絡，像那種數據叫做ObservationalData(觀測數據)，并不是從設計的方式得到的，會有偏差需要糾正。另外一些數據，是傳統的統計范疇，設計好了調查取樣的方式，設計好了實驗的數據收集方法來做，通過這種數據比較容易得到有因果性的推論，問題是這種數據要付出很多,不是很容易收集。另外還有一些遙感數據、行政數據也都是比較容易收集，量也比較多，但要經過一定的處理，才能達到作為推論的目的。數據科學以前很多人也都在做，按照現在的看法數據科學范疇，包括統計學家做了已有上百年了，有段時間叫做Datamining(數據挖掘),也是在做數據科學的工作，現在叫做PredictiveAnalytics(預測分析)。什麼叫數據里發現信息？有一個經常講的故事，在明尼蘇達百貨商店Target，相當于沃爾瑪，他們經常給用戶發宣傳單或優惠券，有一個家長發現Target給他的女兒發小孩用品的優惠券，他很生氣的去問：孩子還在讀高中，為什麼發這些東西。Target的經理說很抱歉我們搞錯了。幾周后她母親發現女兒確實懷孕了。Target通過數據分析，發現這個顧客很可能有這個需求，比這個女孩的母親更早發現，是通過購買商品的相關性，發現這個顧客買了測試避孕的東西，或者買了其它相關商品，通過相關性的分析，得到這樣一個結果。數據科學的一些玩笑“BigDataisaliketeenagesex”，在美國高中學生懷孕的幾率比較高，“Everyonetalksaboutit,nobodyreallyknowshowtodoit,everyonethinkseveryoneelseisdoingit,soeveryoneclaimstheyaredoingit”,這是杜克大學的教授幾年前說的。大數據這個提法越來越少了，更多的人傾向提數據科學，大數據比數據科學家做的更廣泛，還包括怎樣收集數據，怎樣存儲數據，怎樣提供硬件進行數據訪問及數據管理。關于大數據，很多人不是關心怎樣處理這些海量數據，而是怎樣有效的利用這些數據。數據科學家做的不只是大數據，也做小數據，我現在和很多社會學家做的事情，比如討論農村怎樣減緩衰敗，很多時候沒有數據，或者很少的數據，通過精心設計，和其它的數據融合起來，得到對具體問題的了解。大數據在美國已經有一段時間，最早谷歌是通過對流感數據的分析，谷歌、Facebook、大的網絡公司，收集海量的數據，通過數據分析，得到一些有用的信息，并不一定了解是否有因果關系，但可以幫助公司做一些計劃或決策。什麼樣的人適合做數據科學？我的經驗是有比較強的數學和統計方面的知識，知道有哪些工具可以應用，你有這些背景也容易學習新的工具，知道怎樣解決問題。數學不能告訴你解決實際問題，但其思維方式可以用在解決實際問題上，怎樣把一個復雜的問題抽象化，變成一個模型，這是一個很好的技能，如果學了數學和統計，對這些理解深刻就會有這個能力。另外，要有編程的能力，這是公司非常看重的，不需要精通編程，但至少要知道怎么搞，Python和R是現在用的最多的工具。另外一個很重要的是溝通能力，如果你的溝通能力強，就有很大的優勢。通常做數據分析，需要一個團隊，一定要和其他人溝通。數據科學的前景無需強調，谷歌的首席經濟學家HalVarian說過“Ikeepsayingthatthesexyjobinthenext10yearswillbeStatistics.AndIamnotkidding.”，十年前統計學家通常被認為是NumberCruncher(一種諷刺，指那些只會倒騰數據的人)，認為這個工作很枯燥，以后是很酷的，很迷人的工作，每個大公司都要招人，包括我門自己的博士生，有很好的就業前景，我去年畢業的學生，有一個已經拿到了美國很好的研究型大學的教職，最后被Facebook搶去了，我覺得非常可惜。工業界向學術界搶人才，當然他們開的工資比學術界高一倍以上。我預計以后CEO這些人都會有數據分析這方面的幫助。學術界和數據科學相關的領域就業前景也是非常好的，我們現在的學生出去做教授或博士后都是供不應求，很多是在學生畢業之前打招呼，問有沒有學生可以推薦，通常都是和數據科學有關的，如果還是以前的數理統計關注的人少一些。讀什麼專業適合以后做數據科學呢？本科畢業就業，統計也是不差的選擇，做數據科學的很多也是計算機出身，很多與市場調查、信息科學相關的商科專業也都可以就業，但現在趨于飽和，因為學的人越來越多，就業、起薪、待遇也不太理想，如果碩士畢業不讀博士，統計、應用數學、計算機都可以做數據科學。讀博士，統計、計算機、數學、應用數學都可以考慮。關鍵是你不能僅限于這個領域，如果讀純數學博士，不關心其它事情，是不可能找到數據科學的工作，在讀研究生階段要關心其它領域，讀數學和統計，編程的課程比較少，就要去其它系學習這些課程，如果是計算機科學專業，不需要學統計和數學，理解深刻一些的理論，寫一些文章前景會更好一些，數據科學是交叉學科，以后做學術界，博士生階段把自己的基礎搞得更廣泛一些很有用處。再強調一下溝通技能，不管做什麼都很重要，做數學家和自己的博士生討論，或者和自己的同事交流就行了，溝通技能不是那么重要，或者做統計理論學家也沒有那么重要，但是你要做數據科學家，確實需要和很多不同的人打交道，和應用的人、搞計算的人，你的溝通技能和你的個人其他方面的技能，很多時候是你成功的關鍵，不管是在學術界還是工業界。問答環節于同學：做統計分析的時候，很多的統計測試需要有一個數據是正態分布前提假設，但我的數據沒有，尤其是有時會遇到不確定的情況，只能用不是特別完美的一種方法達成目標，不知道您是否遇到過這種情況？朱教授：這種情況很常見，不符合正態分布的前提假設有很多方法來處理，比如說數據轉換，比如說用一些更加穩定的處理方式。如果只是進行點估計的話，正態分布的問題并不是很大，但是如果要做成統計推斷，如果違背了正態分布的假設，你的置信區間的結果就會差很多。如果你的數據和正態分布相差很遠，一方面是用數據轉換，另一種方法是用穩定的方法。楊同學：本科生想申請數據科學碩士或博士項目，應該怎樣選擇細分方向？在找工作的時候，發現很多工作帖子下面我的專業符合對方要求，但要求的技能，我并不具備，作為學生怎樣利用資源具備這些技能？有很多的工作職位名稱都一樣，本科、碩士、博士都有可能，同一個職位名稱下面不同的學歷要求有何區別，您建議在哪個階段開始工作？朱教授：數學專業申請統計博士很好，看重的是本科是否學了RealAnalysis(實變函數)這些課程，還有推薦信、GPA。申請博士項目，排名前的學校競爭激烈一點，我們學校每年有幾百個學生申請，最后錄取二十幾個學生，GPA越高，推薦信越好，機會越多。不是一定要讀博士，讀碩士選擇更多，競爭不是特別的激烈，只要想讀基本都可以。職位名稱在工業界很亂，不像學校很明確，同樣叫數據科學家，做的事情可能非常不一樣，有的入門級別的數據科學家，可能做一些相當于datacleaning的工作，本科畢業沒有太多的經驗，如果是碩士或者博士畢業，可以做研發、建模方面的工作，工作的性質完全不一樣，雖然名稱一樣。在我看來本科畢業找數據科學入門級別的工作也不少，但是前景顯然不占優勢，有這種背景的人很多，以后的競爭力也不會很大，能夠讀碩士或者博士更好一些。碩士的競爭也很強，碩士項目太多了，博士的就業前景還是比較好。不是所有的博士就業前景都好，與你在學校做了什麼樣的訓練、做了什麼樣的工作有一定的關系。數學系和統計系的學生一樣，但是具體要求沒有達到，別人也不會覺得你很有競爭力，數學系也有很多的領域，做理論性的研究，沒有技能型的內容，在工業界也不會吃得開。理論統計、概率論、數理統計方面的證明，目標就是去做學術工作，而且只有那個方向，比較窄，如果同時也做一些機器學習，做一些數據分析，學一些實用性的東西，不一定很精通，但要了解，在學術界也會有很多需求，在工業界更受歡迎。CherryPan：以后申請研究生關于數據科學方面，您說本科要學RealAnalysis(實變函數)，是否有其它的某些專門的課建議上，如數學、統計、還有科學方面的？我是數學和經濟專業，您會建議我多上一些統計還有計算機科學方面的課嗎？朱教授：我說的是我們學校統計專業的情況，和數據科學相關的研究生學位也包括CS、工程，并不是所有的學校都要求RealAnalysis(實變函數)，但至少統計的博士生比較看重這個。最簡單的微積分，線性代數，這些都是最基本的。數理統計課程我們也會看，如果本科學的課程比較多，博士生一年就可以考資格考試，如果學的課程不夠多，兩年之后才可以考資格考試。如果想申請統計博士，選一些統計和計算機科學方面的課當然會有幫助，如果讀經濟學的博士，情況就不一樣。CherryPan：申請工作有不同的背景，有本科、碩士、博士，準備一些什麼技能會讓自己更具有競爭力，能夠稍微凸顯出來一點。朱教授：作為一個本科學生出去找工作，編程的能力強更加的具有競爭力，包括Python、R、Java，如果有這些技能都會受歡迎，本科可以做一些實習，為找工作做一些鋪墊。錢同學：我今年剛畢業，正在實習，您是推薦我繼續讀書，還是需要再去學習？朱教授：這要取決于自己的情況，不是每個人都適合一直讀書，很多人工作幾年之后，有了一些工作經驗，發現自己的興趣是什麼，發現自己需要補短板，然后再回學校讀書，有的讀MBA，希望做一些商業方面的發展，有的人讀一些數據分析或者數據科學，有人可能更想深度了解一些，就去讀博士。我自己大學剛畢業也有一些迷茫，不知道要做什麼，一段時間想好之后，想做什麼再去做可能更好。錢同學：數據科學領域非常廣，在不同領域運用有多大區別？您認為在不同領域轉換有何困難？朱教授：雖然領域不一樣，但涉及到的工具有共同特征，數理基礎比較好，對這個問題認識比較深，很多時候在不同領域的問題差不多，當然每個領域有自己的特點，但也有很多共性的東西，包括我們之前說的統計模型、統計診斷都是有共性的。深度學習、深度神經網絡都是一些工具，從統計上來講就是非參數回歸，只是在不同的對象。在圖像分析上用深度神經網絡比較好，在時間序列數據上用函數型數據分析要好一點。不同的工具，但很多時候還是有共性的。王同學：官網上介紹您還有一個崗位叫調查統計，我對這個領域不是很清楚，想問一下調查統計具體是干什麼的？朱教授：調查統計是收集數據的一個很重要的方式，比如有一個比較大的群體，想知道一些人對某些問題的看法，比如選川普還是拜登，不可能去問每個人，科學的方法就是取一個隨機的樣本，通過這個樣本收集答案，估計這個群體的優先選擇。還有你的收入、你的教育背景等，有很多方面的問題可以問，這是關于人類科學。另外在自然資源科學方面也是一樣，美國這么大的土地，不可能每個地方去調查，如果想知道今年玉米增產還是減產，很多時候采取取樣的方法，就是設定一個隨機樣本，到現場去看或者飛機拍照，分析種的是玉米還是大豆。傳統的官方統計是用調查統計的方法來實現的，現在有其它的一些方法，包括北歐的國家開始用更多的行政數據，中國也是在用行政數據和調查統計相結合的方法做這些事情，關于自然資源方面也可以和遙感數據結合在一起，調查統計的范疇越來越廣，以前就是簡單地問卷，你回答，我來分析，對群體做個估計，但有些人不回答，會有缺損值。比如飛機飛過去，剛好有云遮住了沒有拍到，很多這種缺損值怎樣補，缺損機制是否合理，回答的是否更有關系nonignorablemissing(不可忽略缺損)。比如2020年前的大選預測拜登會贏很多，但最后也沒贏很多是什麼原因？一個重要的原因是nonignorablemissing(不可忽略缺損)沒有做好，這就涉及到統計問題，這也就是我們研究中心做很多這方面的統計建模，和這些調查相關的統計建模。王同學：總統大選收集數據，怎么知道收集什麼樣的數據，如何設定變量？需要哪些特征？朱教授：有專業的機構做，有一些很成形的方法，2020年的結果不盡人意，現在大家都在反思，有很多的討論，今后怎樣改善。有些傳統的做法，比如有可能是投票人，有很多人拒絕回答，拒絕回答比例的分析是出現誤差的重要原因。王同學：大數據前期要收集數據、處理數據，之后建模分析，會出現誤差，原因是在收集的時候出現問題，還是在整理階段出現問題？朱教授：有人提出要做全數據分析，有一個數據分析管道。你從剛開始設計收集數據的方式，到收集數據，到數據清理，一直到最后做出推斷，每一步都有出現誤差的可能性，每一步都需要有分析。傳統取樣從數據收集的方式來講，是用隨機的方式來保證沒有誤差。但是這種方式在具體執行中也會出現無響應的情況，這是沒辦法控制的，這就導致了一個可能的誤差，那你就需要分析，這個無響應是否和應變量有聯系。如果是可以被忽略的無響應，那就沒有關系，只不過增加了方差；如果是不能被忽略的無響應，就會引入誤差。所以需要通盤考慮。愛荷華州立大學最近成立了一個大數據中心，就是以這個作為主題，數據凡汐管道。羅同學：機器學習和數據科學的區別是什麼？如果我想轉到數據科學需要學習哪些新的技能？朱教授：數據科學范疇大一些，數據科學里機器學習是其中很重要的一個工具，現在有很多人在用機器學習的方法做數據科學，但是數據科學也有很多其它關心的問題，比如因果推斷，機器學習是很重要的一個部分，要學數據科學也是一個泛泛的說法，是其中一個小的領域，不可能把所有的數據科學都學到，還是要看具體想學什麼。比如計算機科學也有一些專業是跟數據科學相關，統計系也有一些與數據科學相關，工程也有些系跟數據科學相關，他們的要求可能完全不同，或者有很大的不同，如果想學統計方面的東西，需要加強數理方面基礎課的學習，如果是計算機科學或工程方面的，要求不一樣。羅同學：去學術界和去公司，對工作內容及感興趣的問題會有什麼區別？朱教授：在學術界可以自己決定做什麼，你是自己的老板，博士或博士后之后，即使當助理教授，也可以決定自己的工作內容和方向，在統計系少數人讀博士后，大部分想做教授就可以直接做教授，取決于個人的選擇。有的人希望做自己想做的事情，有的人希望做別人讓他做的事情，自己不需要動腦筋想，不同的人有不同的選擇，有的人適合去公司，并不是說去公司就是簡單的工作，而是工作的性質不一樣，公司也是泛泛而談，也有各種各樣的工作，在IBM或者Facebook都有專門做機器學習，和學術界沒有太大差別，主要區別就是不用教書，在學術界要教書。在工業界一般是做具體的事情，雖然是做機器學習，很多時候是做一些訓練模型，看看哪些方法更合適，幫產品部門產生效益。統計學家在醫藥公司更加有價值，醫藥公司直接和FDA（食品及藥物管理局）打交道，統計學家的意見很重要。羅同學：工業界有些崗位與學術界比較像，也是做研究，衡量的標準跟學術界一樣嗎？看論文質量還是有其它因素？學術界很多時候要寫論文，大公司的人需要嗎？朱教授：大公司里的研究人員肯定不用寫論文，我知道有些公司一半時間做公司安排的工作，一半時間做自己想做的事情，不用教學。在大學5年一評，評不上就要另外找工作。CherryPan：有的學生去學術界，有的去工業界，有什麼特征要求嗎？朱教授：在學術界不持續發表文章就不可能拿到一定的成果，如果研究生發表文章都很困難，說明不適合學術界工作。很重要的是有沒有發散性思維，我給你1你要想到2、3，這種適合在學術界，發散性思維可以找到很多問題。如果我叫你做1你就做1，即便你很快做完1但想不到做2，沒有發散性思維，不適合學術界。做完拉倒這種人在工業界比較開心，沒有好壞之分。不太愿意與人交流，但有自己的想法，在學術界好一點，不管在哪里，溝通能力都很重要。楊同學：本科生申請是否需要有研究經歷？有些課程與申請的專業不符是否吃虧？另外，休學對申請博士有影響嗎？朱教授：休學問題不大，有很好的解釋就可以了。如果你抽象代數學的很好，說明你的數理能力很強，是一個加分點，如有一些研究的經歷也會加分，如果有一些比較有競爭力的技能，比如學一些課程，做過一些項目，會有比較大的幫助。如果你想申請統計學或者數據科學，如果你想繼續學習數學，要求不一樣。我們學校看重數學能力，這是基礎。燕主席：介紹一下美國大學比較有影響力的統計專業的學校、特點及不同。朱教授：美國著名大學統計專業比較強的是哈佛大學、伯克利、斯坦福排名都是很靠前的，對貝葉斯統計非常感興趣的話，最克大學是做貝葉斯統計幾個最好的學校之一，威斯康辛大學做理論統計非常好。中西部一些名氣沒有那么大的大學，統計系也很不錯，包括愛荷華州立大學、普渡大學、賓夕法尼亞州立大學，德州理工大學、北卡羅納州立大學，共同特點是統計系較大，有三四十位終身職位的教授，課程多而全，學生就業前景好，招生競爭小。芝加哥大學統計系也很好。聽眾提問：請問教授對算法開發熟悉嗎？教授會有對技術的追求嗎？您的學校有獎學金嗎？朱教授：我會做一些理論上的研究，但是不做算法開發，我們學校的學費一兩萬美元，州立大學不是很貴，讀博士一般有全額獎學金，除了免學費，每個月有約2400美元的生活費。CheeryPan：沒有上那么多統計的課，想去找工作，有一些證書會不會對求職有幫助？朱教授：統計領域不象精算有些課程可以直接讀，很清楚這個證書什麼含義，統計最近幾年開始搞證書，用的不是很多。聽眾提問：數據科學畢業在哪些行業發展前景好？朱教授：很多行業都招數據科學專業，很難說哪個特別好，統計碩士是進入數據科學的敲門磚，美國的統計碩士有兩種，一種是專業碩士，學一年就可以拿學位，有一種碩士要通過考試兩年的課程，含金量不一樣，但找工作比較方便。CheeryPan：統計學碩士和數據科學碩士學的不同嗎？我想找數據科學的工作，建議我讀統計學碩士還是數據科學碩士？朱教授：大家還在摸索階段，我們學校數據科學學位剛剛開始，我覺得數據科學強調結合，包括數據庫、一些計算機科學內容和一些統計的東西，三方面加在一起，統計的項目也開始有融合的趨勢。傳統的統計碩士還是原來的樣子。聽眾提問：如果不讀研，本科就業一般在哪些機構部門任職？朱教授：各種機構都需要處理數據的人，雖然都叫數據科學，做的工作是不一樣的，沒有很多的經驗，做的工作也就是入門級別，如果有好的編程能力，可以繼續往上升。聽眾提問：學校排名對就業的難易程度有影響嗎？還是數據科學專業都比較容易找工作？朱教授：不是所有的數據科學專業都是一樣的，與找工作有關的是地理位置，如果在大城市機會多一些，另外就是項目的背景，歷史比較久、校友比較多，很多時候會有推薦，找工作也會容易一些。聽眾提問：GPA不高，教授建議讀研嗎？朱教授：GPA不高要看原因，本科只有二點多的GPA沒有辦法直接申請博士項目，可以申請碩士項目過度一下，至少顯示一下自己學術上的實力。如果使了九牛二虎之力還是二點幾，就不要讀研了，不是因為智力原因還是有機會的。CheeryPan：申請碩士或者博士，GPA是越高越好，還是過了線就行？朱教授：當然是越高越好，每個學校有自己的線。聽眾提問：朱教授帶的學生年齡跨度大嗎？對于本科畢業工作幾年后再讀博，是否在經歷、注意力方面跟不上，是否可以客觀的談一下您帶的不同年齡段學生的特質，以及他們畢業后的去向？朱教授：我帶的學生有20歲的，也有工作后再讀博士的，年齡小沒有其他事情，容易集中精力；年齡大一點會更穩重，我不覺得有什麼差別，跟年齡相關性不大，跟自己的動力有很大的關系。聽眾提問：你怎樣看數據科學的前景？朱教授：學的人多某個時刻就會變成供大于求，目前來看，讀博士的學生在這個領域遠遠是供不應求，本科生會慢慢卷起來。聽眾提問：申請數據科學研究生項目，本科是數學好還是統計好？朱教授：我做的領域傾向招數學專業的學生，并不是統計的學生不好，也有其他的教授愿意招有比較好統計想法的學生。聽眾提問：在中國和美國做教授有何不同？朱教授：我沒有在中國做過教授，我有學生在中國做教授，從他們的反應來看，對青年教授來講，在美國各方面條件好一些，在美國助理教授也可以招博士生，有自己的獨立研究項目。聽眾提問：我是華盛頓大學統計學碩士畢業，想轉數據科學，難度大嗎？需要補什麼課程？朱教授：數據科學有很多項目，要看項目的具體要求。CheeryPan：我現在正在實習，是否需要讀生物統計學，您有何建議？朱教授：生物統計學也是很好的領域，就業情況也是很好的，關鍵是自己的興趣和你的背景。生物統計學和統計學只是領域不同的差別。王同學：是否有數據科學、統計專業的行業協會？朱教授：美國統計協會是美國最大的協會，每年會組織JSM(聯合統計會議JointStatisticsMeeting)，和IMS(數理統計學會InstituteofMathematicalStatistics)一起的年度會議，也有一些小型的統計協會，每年也有會議，主要是研究人員的演講，也會有公司招人。王同學：藤校的資源是否會多一些？對數據科學碩士來講，上課、科研、實習，哪個對就業更有幫助？朱教授：美國學校都有自己的資源，校友是很重要的資源，學歷只是進入公司的敲門磚。實習對就業有直接的幫助，但課程也不能太差，能寫出論文也很好，要全面發展。王同學：現在有很多網課資源，有統計、數據科學、編程等，與在學校系統的學習有何區別？還是說結果一樣？朱教授：如果你的學習能力比較強，可以通過這種方法學習，找第一份工作還是需要一個學位，公司更加相信學位。楊同學：ODE還有PDE是必須的課程嗎？朱教授：取決于做什麼，對我來講很重要，如果有最好，我做的研究有PDE的東西，有些人做的研究PDE沒有一點關系，無所謂你學過沒有。聽眾提問：本科是統計、計算機雙學位，比只讀統計的學生，申請美國的博士有優勢嗎？朱教授：有一定的優勢，能夠顯示在計算機方面有些能力，做一些項目，有好的推薦信當然會有幫助。CheeryPan：申請碩士和博士有什麼不同？博士是否要求在本科發表文章？朱教授：沒有要求，但是博士生的入學比碩士生高很多，碩士生有很多的項目，互相之間競爭，入學要求相對較低。聽眾提問：雙學位多讀一年值得嗎？朱教授：為了讀研究生而多讀一個學位沒有太大的優勢，錄取學生主要看GPA，畢業學校、推薦信。聽眾提問：博士生入學對GPA有什麼要求？朱教授：每個學校的要求不一樣，根據申請人數和招生人數水漲船高，我們學校每年招20人，通常有三四百人申請，所以，越高越好，但跟學校也有關系。聽眾提問：朱教授招數據科學方面的博士生嗎？朱教授：我們是統計系，招的都是統計博士生，我們做數據科學，不是數據科學的PHD，但在數據科學行業就業。以后是否有數據科學博士，要看州政府的審批，我們學校現在有數據科學的本科學位。聽眾提問：您今年招統計專業的博士嗎？朱教授：我們學校是系里統一招生，之后要資格考試，一年后開始選博士生導師，有些系不一樣，有的系博士生導師可以自己招人，我們系目前不是這樣，但我可以去和招生委員會推薦某個學生不錯，由招生委員會做最后的決定。于同學：統計類碩士生，GPA剛剛過線，但是有短期的科研和實習經歷，您認為這樣的學生在申請統計類博士時有競爭力嗎？朱教授：取決于碩士生項目的學校和推薦信情況，一般來講比較困難，如果有比較強有力的推薦信，做了一個研究項目，這個研究項目是知名的教授，說這個學生很有潛力，解釋一下GPA低的原因，也是可以彌補的，如果沒有這些，要困難一點。燕主席：在挑選碩士生、博士生的時候，怎樣平衡GPA、推薦信、GRE、工作經歷幾個因素？朱教授：我個人第一是本科的學校及GPA，GPA必須和學校連在一起看，不同學校的評分標準不一樣，第二是推薦信，如果是國際學生，會看GRE，工作經歷我不是太看重，前面幾個因素，可以更好地預測這個學生將來是否能夠順利通過資格考試，順利畢業，以及將來的發展情況。燕主席：中國學生在本科、碩士、博士期間，最需要改進的能力和需要注意的是什麼？如何改進？朱教授：中國學生最需要加強的就是溝通技巧，進到我的組都會強調這一點，有些因素是語言上的，有些因素是性格上的，其它方面沒有很大問題。要創造機會多和別人交流，做更多的演講，我們經常開組會，要求每個學生輪流講做的東西，多講、多練語言能力和表達能力都可以提高。聽眾提問：愛荷華州立大學招收博士，是招收委員會討論，是否需要面試？朱教授：博士生沒有面試，如果是美國學生，會來訪校，一方面是我們評價學生，一方面是學生評價我們，這是一個雙向的選擇，會有開放日，和學生面談，學生可以來學校參觀。聽眾提問：您希望學生在文書里展現什麼內容？朱教授：你為什麼對這個領域感興趣，如果言之有物，說出一些特別的東西，就會有用，如果是泛泛而談就沒有價值。燕主席：有很多中國學生在中國有教育機構修改或加強了他的文書，你怎樣判斷這個文書是學生的水平還是通過中介的幫助，怎樣分辨？朱教授：很難區分，也是我們并不看重這個的原因，絕大部分情況下，文書不是太重要。聽眾提問：本科畢業直接讀研好，還是本科畢業工作一段時間再讀研的優勢大？朱教授：各有各的優勢，也各有各的困難需要克服。聽眾提問：碩士生比本科生在就業上有優勢嗎？優勢在哪？朱教授：我只能說我的碩士生、博士生就業都很好，本科生我不了解。于哲源：哪些學校的GPA含金量會高一點？朱教授：我不負責在美國學生的申請，我負責國內的學校的申請，招生委員會人員如果不了解，他們會咨詢了解的人。戴維斯的統計學還是很有名的。于哲源：您覺得戴維斯的學生有哪些優勢和劣勢？朱教授：我接觸戴維斯的學生不多，如果你申請我們學校，會讓在戴維斯畢業的教授進行評價。分享是一種積極的生活態度！贈人玫瑰　手有余香Therosesinherhand,theflavorinmine.點個在看，前途似錦！查看網友的精彩評論

關鍵字標籤：美國大學排名分數