数据科学大揭秘，跨专业申请难度到底有多大

随着大数据热度的不断升高，近几年，不管是美国ata science项目的开设数量还是申请人数，都有了极大的提升。在众多ata science申请者中，转专业申请者占了相当大的比例。很多想转CS的人因为觉得跨度太大，会退而求其次申请DS。

那转专业申请DS，有哪些要求，又应该怎么提升自己的背景呢？段老师逐一为大家分析一下。

01 专业背景

DS是一个交叉学科，涉及数学，统计，计算机等多个专业，经常与统计、CS、生物信息、商业分析等混申。总的来说，DS对转专业申请者的友好程度要比CS高很多。这也是为什么我们经常见到一些文商类专业的学生也能申到不错的DS项目的原因。

想要申请DS，本科专业是数学、统计或CS最佳，物理、经济学等强调数学能力的专业次之，其他理工专业再次之。当然，如果不是相关专业，但有丰富的相关领域工作或科研经历，尤其是体现quantitative和programming能力的申请者也可以。对于一些特殊领域的DS项目，比如公共政策、公共卫生等，有该领域知识和工作经验也很重要。

在公司过往的DS转专业申请者中，有来自生物、化学、园林园艺、交通工程、自动化、机械工程等理工科的申请者，也有 电子商务、会计、金融、国贸等商科专业的申请者，也有经济、教育等文科专业的申请者。总的来说，还是以理工背景的申请者居多。

02 课程结构

建议修过的数学课程：线性代数，概率论，数理统计，微积分等。

建议修过的计算机课程：编程语言（Python/R/Java/C++），最看重Python和R。

相对CS来说，DS对申请者的先修课的要求没有那么严格，对修课方式也没那么严格。不过，总的来说，还是学校的修课最优，因为可以体现在你的成绩单上。其次是暑校的课程或者大学开始的online的课程，再次是带有certificate或者成绩单的网课。

DS新开项目的增速非常明显，每年都有几十个新项目开设，这也是这些DS项目对于申请者的先修课背景卡得没有那么严格的原因。这有点类似于早期的CS，随着转码的人越来越多，现在CS项目对于转专业申请者的背景要求越来越高。个人估计DS也会走CS的老路，不过DS的就业是否能像CS一样支撑起这种变化，值得期待。

总结一下，再往前推个两三年，DS的申请难度甚至高过CS。因为最初项目开设没有那么多，招人也少，要么就是档次很高的学校，要么就是档次很低的学校，中间档的学校很少。这就导致对于普通背景的申请者来说，尝试申DS可能比CS还要难。

但是，随着项目开的越来越多，有一些项目的招生规模也在不断扩大，转专业申请DS的可行性也越来越高。如果你确实对DS感兴趣，现在我还是很建议你申的。

03 专业经历

DS是一个很偏应用的学科，这也是为什么提供DS PhD学位的项目极少的原因。所以，相比项目经历，我更建议你去找一份DS相关的实习。

如果你有工作经历，且与数据相关，对申请帮助是非常大的。实习或者工作经历能够证明你对一些必须的知识和技能的掌握，这与建议转申CS的学生优先找实习是一个道理。

实习内容建议跟数据的搜集、处理、分析、可视化等相关，行业不限，可以是互联网行业，可以是生物医疗行业，也可以是金融行业。纯软件开发的实习经历对申请DS也有一定帮助，但是相关度没有那么高。如果去IT企业实习，最好找数据、数据库相关的职位。

除了主动寻找新的专业经历的提升机会之外，你现有的专业经历如何跟申请DS结合起来，也是一个关键。通常情况下，一个转专业申请者在原先的专业领域里，都有一些专业经历，这些专业经历里很多也都会涉及到数据的处理和分析。

DS只是一个工具，它可以和任何领域相结合。可以从这个角度，挖掘一下你在原专业的经历，看怎么跟你申请DS的动机，怎么跟你未来DS阶段的学习结合起来。挖掘好这部分的相关性，你的转专业动机就会比较顺，并且能最大限度地减少转专业所带来的不利影响。

如果想了解更多详细信息的，抓紧时间来联系段老师吧。