cs背景申stat phd靠谱吗？

lz本来应该是要申今年，但因为是大三下转的美本公校，所以导致要延半学期毕业，而且如果申16FA变成在美国这边只有一个学期的成绩，所以变成只好申17FA的了。
之前的想法是申ds的ms，所以专业选课大概是7成cs3成stat。但个人一直都对stat更有兴趣，最近更倾向于直接申统计的phd
现在的问题是我在这的stat课太少了，这学期结束只有4门，下学期可能还有一门。cs的话有6门，数据结构+算法+数据库+数据挖掘都有，下学期结束还有两门。
之前在国内是华五的ECE专业，但是略微上过实分析，复分析，微分方程，线性代数，都转成了这边400level的课，只是成绩相当难看（C+/B-），还有一门本科的概率和研究生的概率，成绩也只是B/B+这样。
来这边以后统计都是A+，总的gpa也是还不错，有跟一个stat的professor emeritus做了快一年的水科研（写程序跑程序），现在同时帮一个主要做database的cs教授干活，但主要是做machine learning的事情，实习也是做ml。

不知道大家知不知道有什么学校的统计Phd是比较喜欢有cs背景的学生的么？我看到uw的stat phd是有big data这个track，但感觉以我的背景uw难以企及。或者我先申一个比较适合作跳板的stat ms？

提一点小建议。楼主如果想念统计PhD的话，确实非常欢迎，但从楼主角度，还是觉得楼主可以先不用着急下结论，可以先多对统计这个专业多了解一些。统计本身有有些极端，做应用的时候可以直接把很多现在的理论拿来用，但做理论的时候更多是进行一些抽象的分析。但考虑楼主是想念统计的PhD，所以理论的东西是少不了要接触到的。举一个小例子，比如EM算法，如果单论使用，混合高斯，直接有close form的公式代入求解就行了，但在另外一些例子中，对象不一定是混合高斯，可能是你做研究时遇到的比较复杂一点的分布，这样你在E步求解的时候就需要计算一个条件期望，具体来说还是一个多维的条件期望。如果对统计的数理理论缺少一定了解的话，就很难上手计算这个E，实际上，很多时候这个条件期望没有close form，甚至需要结合MCMC的方法来确定。
总之，统计和CS的相似处有无数人讨论了无数次了，但实际上两者之间的差异其实也相当大。彼此方法论和关注的东西大相径庭，所以楼主在做决定之前，应该更多关注一下这些差异性的东西，看是不是对统计这块依然感兴趣。

xdj701 发表于 2016-4-23 06:56
其实我算统计系的哈哈哈，我本科这个项目很奇葩是stat+cs，挂在统计系下面，课程设置大概是3门calculus+6 ...

不推荐master，我觉得你的实力够申到一个不错的PhD了，master转PhD也不容易且耽误时间，如果直接出来找工作至少我知道H的CSE并不是那么神奇。既然你的目标是博士就直接申请就好。

另外个人感觉博士申请上没上过某门课程是很minor的因素，你的科研paper不比课程强么，况且课今后还可以上。

统计里没什么CS出身的学生，很大程度上可能因为CS出身很少往stat里跳，不一定代表申请难。PhD的话，有match的背景和牛推非常重要，这些你都有。

不妨考虑CS里ML方向，其实也有做得很数学，很理论的，跟统计本质上是一样的，不需要跑什么程序。ML这种东西本来就是各个系，包括统计计算机电子工业工程都在做，你挂个CS的羊头卖统计的狗肉不是更好找工作嘛。

你看Stanford Stat Candes的论文，再看看Caltech EE Hassibi的论文，有什么区别呢？

stat的课是一门理论课（讲一些收敛，delta method之类的），两门R课，一门随机过程，下学期准备上贝叶斯。问我们学校负责录取ms的教授（不负责phd），他是说我之前国内学校不错，招生委员会应该会有一些forgiveness，而且主要看后60学分。但我统计课实在太少，感觉很虚

什么叫做略微上过过实分析，复分析，微分方程，线性代数？意思是这些内容都在一门课里？

CS背景申stat phd感觉浪费了，不如申ML方向的CS phd

不只是浪费了，而且申请难度不小。。stat的老师还是喜欢applied math或者统计背景的学生。。而且统计的很多asymptotic，consistency的证明对数学要求挺高的。。high-dimensional又用到好多linear algebra。。读统计的phd需要不少数学证明，所以老师也喜欢有这方面功底的学生。。建议可以考虑CS下面做的偏统计的，更适合楼主。。如果申统计，有可能的话读个应数的minor，不过看来时间不太够了。。

楼上正解
我们这里都是math 背景的统计学生

Dorit 发表于 2016-4-20 19:25
什么叫做略微上过过实分析，复分析，微分方程，线性代数？意思是这些内容都在一门课里？

在一系列的课里，我们之前课程的设置比较奇葩，三学期的Honor math sequence，内容大杂烩。
然后转过以后拆成1门4学分+3门2.6学分的课，高数3+实分析+抽代+微分方程

zpinthehouse 发表于 2016-4-21 01:31
不只是浪费了，而且申请难度不小。。stat的老师还是喜欢applied math或者统计背景的学生。。而且统计的很多 ...

这些东西我来这边以后第一学期就上过了，consistency and limiting distribution这种，就在我2楼说的那门本科生的理论课里。线性代数我有一门半，转过以后是2.6分的abstract linear algebra和4分的applied linear algebra。另外我转过来的学分就已经够直接拿一个math minor，然后差一门课就可以拿computational science minor，但我不知道学校允许不允许一门课用这么多次

Sin 发表于 2016-4-20 22:04
CS背景申stat phd感觉浪费了，不如申ML方向的CS phd

我主要是对CS完全无感hhh，当时学纯粹是因为学校的cs强而且觉得cs对统计还是很有帮助的

xdj701 发表于 2016-4-21 06:38
这些东西我来这边以后第一学期就上过了，consistency and limiting distribution这种，就在我2楼说的那门 ...

那就拿个applied math的minor再申请吧。。cs学位直接申stat吃太大亏了，除非你直接套上老师。。