数据科学(DS)、人工智能(AI)、深度学习和机器学习(ML)等术语在2021年不仅仅是流行词汇。但是，当涉及到MS CS/数据科学应用有很多因素可能会使整个过程对申请人来说难以承受——从硕士学位转向博士学位是什么感觉?顶尖大学在MS计算机科学和数据科学应用中寻找什么?如何提高你作为计算机科学及非计算机科学毕业生的录取机会?

最近，我联系了Arun Kumar博士（加州大学圣地亚哥分校副教授)，以便从教师的角度了解更多的见解。他很乐意与我们分享他的建议和见解美国顶尖大学在CS/数据科学硕士(和博士)申请中寻求什么，如何提高入学机会以及对美国硕士申请者的一般建议。此外，他还会向我们介绍他自己的故事作为国际学生在美国研究生院的经历．

关于MS CS /数据科学在美国应用的建议

作者:Arun Kumar博士，Halicioglu数据科学研究所计算机科学与工程副教授，加州大学圣地亚哥分校HDSI研究员

我在美国读研究生的经历

计算机科学硕士阶段

起初，我去威斯康星大学麦迪逊分校攻读硕士学位，因为我不确定自己是否适合做研究。我和几个老师一起做了一些研究项目，最后在头两年发表了一篇一流的论文。所有这些都让我有信心转读博士，并以研究为目标。

博士阶段的挑战

由于各种各样的情况，我不得不更换论文导师——不止三次!

所以，我的博士生涯是非线性的，充满了各种各样的不确定性，并没有像我希望的那样富有成效。

中途，我曾认真考虑过放弃博士学位。但感谢家人、朋友和我所有顾问的支持，以及一位认知行为治疗师的帮助，我决定继续学习，完成我的博士学位。

事情随着时间的推移而改善

在博士阶段的后半段，我的工作效率越来越高，这在很大程度上要归功于我出色的导师，威斯康辛大学麦迪逊分校数据库组的支持环境，以及麦迪逊微软吉姆·格雷系统实验室为我的博士学位提供的无条件资助。

我开始提出原创的问题和想法，并很好地执行它们，从而产生了更多现在被广泛阅读的顶级出版物。我还与软件行业的人合作，帮助把我的一些研究想法转化为实践，并通过会议建立新的专业网络。

最后，在博士学位的后半段，我也出柜了。这也有助于增强我的信心和创造力。我有博客公开关于我的出柜经历．

选择学术界的研究生涯

在我博士学位的最后两年，我一直在权衡工业研究实验室和学术界。我很幸运能和大三的学生(BS, MS)一起扩展我的博士研究。

我喜欢指导优秀学生的过程，看着他们在智力上成长，产生新的想法。最后一年我也得到了在UW-Madison教授UG DB课程的机会。我也发现教学很有趣。由于这些原因，我决定从事学术工作。

进入数据科学

在研究生学习期间，我的研究领域已经是“数据科学”(Data Science, DS)的一部分。我的工作是数据管理系统和机器学习的交叉。这两个领域都是DS的关键支柱。

因此，我很自然地倾向于积极参与加州大学圣地亚哥分校HDSI的形成和推广，以帮助定义和改变数据科学研究、教育和社会影响的未来。

关于计算机和数据科学职业的建议

如何选择正确的MS计算机专业

编者注:有很多优秀的选择，包括软件、网络安全、云计算、数据科学/ AI-ML、信息系统。

上面列出的5个领域都是在业界和学术界都有很好的职业前景的专业。

• 我的建议是选择在知识内容、对实践的潜在影响以及涉及的日常工作方面最让你兴奋的领域。
• 要想知道某个领域的研究工作是否让你感到兴奋，一个方法就是阅读该领域顶级会议上最近发表的一些研究论文，然后想想自己是否愿意站在这些作者的立场上思考。
• 如果你想从事工业领域的工作，那就去看看这个领域的好课程，看看你是否喜欢做他们的编程作业。

相关文章:硕士学位的顶级计算机科学专业

MS数据科学:炒作vs现实

如果你只是追求下一个闪亮的东西，你可能会以更多的风格而不是实质而告终。也就是说，将真正的长期变化误读为潮流可能会导致代价高昂的机会损失。

自己做研究，评估一下这种改变是长期的还是一时的风尚。我用来评估这些事情的两个很好的信号是，上述变化在不同利益相关者之间的梯度和范围。

例如，我在2016年打赌，深度学习将是ML的一个巨大变化，并开始了一场主要研究项目这最终成为我在加州大学圣地亚哥分校任职期间的主要案例。

2016年，包括世界著名的ML专家在内的许多计算机领域的资深教员仍对深度学习持怀疑态度。但我看到许多领域科学家、企业、网络和其他公司都对深度学习的潜力感到兴奋，因为它可以解锁用于分析的非结构化数据。我很高兴我的赌注成功了。

同样，DS作为一门新学科，加州大学圣地亚哥分校也在2018年推出了HDSI。许多大学对此持怀疑态度(有些仍然如此)。

但在过去的3年里，我们吸引了许多顶尖的教师来HDSI，一些人拒绝了CS和统计的前10名院系!在过去的两年里，美国有更多的顶尖学校推出了DS项目。

这一势头不仅在学术界，而且在工业界，DS专业知识可以带来的各种工作也在增长。

相关文章:当一个数据科学硕士学位不值得的时候，最好的选择

选择正确的数据科学硕士大学

我对那些简单地把计算机科学课程加到统计学学位上，或者把统计学学位加到计算机科学课程上，而没有对课程进行更深入的教学思考就随大流的大学持谨慎态度。

寻找那些精心设计的程序，以实现基础学科的真正综合，以训练“数据科学原生”的思考者。

这就是我们已经/正在做的事情加州大学圣地亚哥分校HDSI我们的数据科学学士学位为了获得实践经验，我们所有的DS专业学生都在最后一年参与了一个顶点项目。

HDSI也刚刚推出了数据科学的博士、硕士和在线硕士学位课程申请截止日期为2022年1月15日．我认为这是美国学术界未来数据科学的一个范式转变。

研究生院(硕士和博士)申请技巧

如何筛选CS/DS硕士和博士学位的院校?

为硕士选择合适的学校

对于多发性硬化症，我的最高标准是;

• 学校的品牌名称
• 课程提供的广度
• 该部门有可能获得或承诺获得资金
• 那座城市的生活质量——按这个顺序

请注意，我们现在正处于CS/DS工作的“富足时代”。因此，来自顶尖40-50所学校的硕士学位对于工业职业来说是非常合理的，尽管来自更受好评的学校的硕士学位可能会让你在毕业后的第一份工作中起薪略高。

选择合适的学校攻读博士学位

对于博士学位(或者作为攻读博士学位的垫脚石的硕士学位)，我的最高标准是:

• 一位有兴趣与你合作并有资金支持的研究顾问
• 在该地区或附近地区有更多的教师(不仅仅是指导教师)
• 那个城市的生活质量
• 还有学校的品牌名称-按顺序排列

不要太关注名牌或博士排名

对于来自印度的学生来说，攻读博士学位的标准与攻读硕士学位的标准是如此不同，这常常让他们感到惊讶。特别要注意的是，在你根据导师的实力以及导师和被导师的匹配程度来判断是否获得博士学位时，学校的品牌名称或美国新闻与世界新闻报的排名实际上都是无关的。

我已经见过太多的案例，国际学生天真地迷恋名牌或排名，最终与一个不合适的导师，最终导致平庸的博士结果。

相关文章:如何筛选美国2022年秋季硕士课程的大学?

教师在申请者身上寻找什么:我的观点

我不招聘外部的微软申请人;大多数教员也不知道。我有时会招募已经加入UCSD的MS学生加入我的研究小组。

对于外部博士申请者，我需要在研究兴趣、研究潜力的证据(最好是之前发表过的相关研究)、强有力的推荐信和可靠的SoP方面有很强的契合度。然后我会创建一个虚拟面试的候选名单，然后决定向谁提供工作机会。

美国大学如何评估MS数据科学应用?

对于理学硕士学位，大多数美国大学都是根据由多名教师组成的委员会的决定来录取的。他们主要寻找相关的技术背景，UG课程的好成绩，良好的SoP，强有力的推荐信，有时，主动性的证据(例如，项目，课外活动等)。

好的GRE和托福成绩有一定的帮助，但不好的成绩可能会损害情况。UG学校的品牌名称可能会有帮助，但它通常不像上述其他因素那么重要。

我对平均/低GPA和/或GRE的MS CS/DS申请者的建议

不要只专注于一小部分学校。根据你满意的学校教育/研究的品牌和质量，广泛申请，把你的鸡蛋放在多个篮子里。你的期望要现实一些。

CS和DS的竞争水平都很激烈。例如，计算机科学现在是大多数美国大学最受欢迎的专业。DS通常在拥有它的学校中排名第二。

在线课程/证书对申请有帮助吗?

排名前25位的美国大学并不太重视这一点，因为它们已经有太多CS专业的申请者了。我对排名较低的大学不太确定。

非理科毕业生应如何准备申请理学硕士/理学硕士学位?

• 与CS相关的学科，如ECE/EE，数学，统计学或数据科学的UG通常会发现进入CS MS项目并不比CS专业难多少。
• 但如果你的UG是在一个完全不同的领域(如化学)，机会就会更低。在这种情况下，它可以帮助你的申请，至少在一些大学，显示那些在线课程/证书的CS。
• 拥有与cs相关的项目经验和/或那些编程比赛也会对你的主动性有帮助。

印度和国际申请者最常见的错误

大多数教员的时间都很紧张。以花言巧语开头的标准操作规程、离题于一个人的童年等，浪费了大多数教师的时间。让你的案例更容易快速浏览。很快地说出你为什么想要攻读硕士学位，以及你的职业生涯想要走向何方。

如果你的UG成绩很差，或者在你的记录中有其他异常情况，请确保在SOP中清楚地解释它们，例如，不寻常的经济或社会环境导致你的成绩下降。把这些事情藏在地毯下面几乎总是被视为危险信号。

相关文章:招生委员会在SoP /个人陈述中寻找什么?

有职业空缺的应征者应如何处理(特别是有产假的女性候选人)处理他们的研究生申请?

只要在SoP中提到就可以了。几乎所有的教师都明白，产假甚至陪产假是正常生活的一部分。这些都不被认为是你的劣势。如果有其他原因导致差距，请在SoP中如实解释。

学生们应该了解的数据科学和AI/ML的未来趋势

在核心的ML/AI算法中，有很多关注于减少深度学习模型的膨胀，这些模型具有更多领域特定的不变量，如时空分析中的物理规律和自然语言处理中的文本语义。

在ML/AI理论和统计学中，有很多重点是严格解释为什么深度学习方法在实践中工作得如此好，量化它们的鲁棒性和安全性，并确保数据科学方法不会对不同人群造成歧视性影响。

最后，为ML/AI工作负载构建系统和数据管理工具、ML/AI中的数据中心任务、端到端ML平台、MLOps和面向ML/AI的云原生工具都是研究和软件行业的热点领域。

对国际学生在美国攻读硕士学位的一般建议

• 找朋友合租你的公寓/房子，因为美国大多数城市的房租都很高。如果他们在同一个微软项目，你们可以一起学习，交换笔记，抱怨同一个教员!
• 注册相关的TAships。如果你不能获得raship，不要灰心——绝大多数的MS学生也不会，这既是由于CS/DS的竞争水平，也是因为大多数教师更喜欢博士生参加raship。你也可以寻找其他部门的项目助理或助教，例如，将你的CS/DS技能应用于领域科学。
• 第一个暑假申请行业实习，获得美国软件行业的实际经验。人脉和额外收入，特别是如果你的硕士学位是由贷款资助的，是工业实习的其他主要好处。在秋季学期结束前申请并准备面试。
• 学会做饭，自己洗衣服，打扫房间。老是在外面吃饭会花掉你的积蓄。不要忽视你的健康，包括身体健康和心理健康。
• 不要一直工作/学习。它可能会导致精疲力竭。在周末、假期等时间充分休息。如果可以的话，去其他城市或州旅行。美国是一个巨大的、多样化的、美丽的国家!