MSDS的申请和出路

楼主美东某藤校msds硕士第一学期，前不久刚结束第一学期，10月份找到实习上岸。马上就到了很多学校的申请ddl了，在这里来聊聊msds的申请和未来出路。
先说说申请，按照项目质量和申请难度给比较著名的ds master项目做个分类，这个分类只是为了给大家选校分档做个参考，不是引战，如果楼主哪里说的有问题，或者某个项目有特别出彩的地方，欢迎在评论区指出来。

tier 0: 绝对的王牌，学校名气大，项目质量高，就业出路好，录取难度高
Stanford MSDS：stat和icme都有ds项目，stat偏好数学背景，icme偏好工科背景。毕竟是大S，这个项目无论录取难度还是就业出路都是最高的
CMU MCDS：CMU找工的王牌项目，虽然是DS但是有system track，是非常硬核的cs项目，同时也有analytics track和ml track。录取难度高，就业出路好，cmu scs的牌子在tech届响当当的，不输大S

tier 1: 在学校名气 项目质量 就业出路其中的某一项上相比tier 0有一些差距
Harvard MSDS：哈佛不以理工科见长，不过这个是哈佛为数不多的master项目，出路不如stanford，课程安排也一般，很多人要去mit cross上课，不过毕竟是哈佛，还是把它放在了次于大S和CMU SCS的第二档，录取难度很高不亚于大S
Northwestern MSiA：虽然名字叫analytics项目，不过课程安排很硬核，而且毕业出路都非常好，small cohort，偏好美本，由于学校名气的原因排在了第二档

tier2: 这一档的项目比较多，因为各个项目各有千秋，不能说哪个项目就比另一个好一个档次
CMU MSIM：信息系统管理master在heinz下，课程可以选偏data也可以去做软件开发，比较适合文商科转码转data，就业出路非常多样化，做硬核的mle sde，到da ba的都有
NYU MSDS：开设最早的DS项目，同时也有本科DS专业和PhD DS专业，项目设置非常成熟，同时课程质量高，比如可以听Yann Lecun上课，而且地点在宇宙中心曼哈顿，找fin的ds有优势
UPenn MSDS：藤校ds项目，人数较少，选课非常自由，可以做ds也可以转sde，因为藤校名气排在这一档
Columbia MSDS：同样是藤校ds项目，人数比较多，选课有6门必修课，大部分想做ds，少数人转了sde，因为藤校名气排在这一档

tier3: 这一档的某些项目可能在一些方面强于上一档，不过总体上相比上一档有一定差距
USC Applied Data Science：usc的ads人数很多，找工作内卷竞争激烈，usc总体上中国人很多，大校不好找工作，usc还有一个cs的ds，我觉得可以排在上一档
Brown MSDS：学校是藤校，项目人数少是优势，但是因为地理位置一般，所以排在这一档
NEU MSDS：neu cs系的ds项目，因为neu在找工方面的优势，还有seattle校区的地理位置排在这一档

DS项目总体来说比较少，很多学校没有开设DS master，楼主就了解的中国人申请比较多的学校给大家分析了一下利弊，同时我只写了比较硬核的偏cs或者偏数学的ds项目，没有包括ba项目。

下面再说说msds的找工
最近两年很多人在地里鼓吹ds是天坑专业，这些人的观点有一定道理，理由如下
1. ds岗位相比sde少很多，比例大概1:5-1:10，找工竞争激烈
2. ds岗位很杂，有做analytics的叫ds，有做ml/dl research叫ds，甚至还有做pipeline的sde/de叫做ds，导致面试不好准备
3. ds技术门槛不高，尤其是analytics，导致很多文商科转行的，做model的也有很多不相关理工科phd转行的，所以找工求职竞争激烈
4. 很多人学msds对自己认识不清，总觉得做model的高级，就想去做mle或者applied scientist，这些岗位非常偏好phd，master实力达不到，找工遇到困境，所以来地里吐槽

但是天坑专业言之过甚，相比于真正的天坑生化环材来说，ds在工作机会和工作薪资上都是毫无疑问的碾压，我认为留美工作ds是仅次于sde的第二选择。至于data science master求职怎么准备，我写在下面
求职是一个认清自己的过程，我的建议是msds学校求职要首先排除phd偏好非常严重的岗位比如research scientist或者一些非常硬核的core ds岗位，这些岗位的竞争非常激烈，除非你将来想读phd，否则不建议申请。master的出路主要是做analytics和做偏engineer的ds

1. 去做da，这些岗位主要就是写sql，做ab test，典型岗位比如fb的dsa Google的pa等等，analytics做好了对公司的impact不比做模型的差，也能有前途。要做的就是努力提高自己的biz/product sense，sql要非常熟练，stats知识做ab test要很了解
2. 去做engineer，msds可以做偏data方向的engineer，比如data engineer或者software engineer, data platform或者ml engineer这些，努力提高自己的工程能力。很多phd，尤其是非cs的phd去做ds，他们的优势在于数学基础扎实，读paper快。但是这些非cs的phd的劣势在于普遍工程能力不强，哪怕是cs主要做ai方向的phd，相比于system方向的phd工程能力也弱了很多。所以作为一个master能够outperform这些phd的要点我觉得就是努力提高自己写代码的能力，在校期间多选operating system big data distributed system方向的课程，作业写os kernel这种，这样才能比phd有竞争优势。工业界一个ml组里并不是所有人都在建模，读paper做research，还有很多做数据挖掘的，构建pipeline的，这些人的需求量比modeler更大，也很适合master做。

大家可以在评论区一起讨论一下，希望今年申请msds的小伙伴申请顺利。

cometolife 发表于 2021-12-28 06:09
十分感谢楼主的分享。目前大四陆本正在申请22Fall，想问一下找工DA/DS/DE，对数据结构和算法的掌握需要到什 ...

DS一般easy难度算法题，DE和SDE一样，DA不太考

很中肯！但个人觉得西北可能排高了，Upenn可能排低了。另外就是找工上面，consulting的ds可能可以和analytics分开来？毕竟面试准备的东西还是有点区别

请问学长，密西根安娜堡的DS专业背景和就业前景如何！

UIUC 也有个DS硕士项目

补充内容 (2021-12-22 06:37 +08:00):
感谢楼主分享

感谢楼主分享，说得非常好哇

楼主上岸哪里啦？

十分感谢楼主的分享。目前大四陆本正在申请22Fall，想问一下找工DA/DS/DE，对数据结构和算法的掌握需要到什么程度，面试会出算法题吗？我之前找国内的数分实习面试直接出了一道算法题，完全没准备过这方面有点懵。。。

想问下楼主，如果是DS背景在大厂就业后回国，发展前景会好吗

lz总结的很棒！收藏备用
感觉还可以补充一下UMich DS和USF DS，都是不错的去处