上周四晚，明德立人“美研名校大热专业申请讲座”特别系列第一期——商科专场（上）（金融工程、统计、数据科学为主）在Ruiling老师的分享中正式告一段落。

而在最近几天，小德则收到了无数条留言表示，希望可以有讲座回顾或者回听的机会，那么今天小德就一并满足大家的这些需求！

同学们可以点击下方语音条收听讲座原声，亦可通过文章的方式进行回顾与复习，话不多说，我们接下来就直进主题吧！

一、数据类专业混申策略大起底！

Ruiling老师此次讲座的主题是在每一年的申请季中，都拥有极高的申请热度与申请难度的几个数据类项目——金融工程、统计和DS（数据科学）。

#1 疫情影响下，美国留学申请形势有何变化？

先说结论，在疫情的反复侵扰之下，近两年的美国申请难度实则是不降反增。

正如Ruiling老师在分享时曾展现的这张图片一般，面对疫情的影响，很多同学的心理都是——“这下没有人去美国了，竞争压力变小，我可以尽情申请名校/藤校了”！

然而理想很丰满，现实却不是一般的骨感。

事实证明，赴美留学申请名校/藤校的人数不仅没有下降，反而还呈现了激增的状况，反倒是非名校项目的申请人数有所减少，这样一来，同学们想要依靠申请逆袭的概率也变得比以前更低了。

因此，在这样的外部环境影响下，我们在2022申请季中，就一定要格外看重自己的选校策略，尤其是针对本就难度惊人的数据类专业，一味盯着名校申请的结果很可能是“全聚德”，有时候学会变通，“曲线救国”，才能使你实现对名校和优质专业的兼顾。

#2 “乱花渐欲迷人眼”，数据项目怎么选？

既然通过上文的论述我们已经得到了结论——对数据类专业采取混申的策略非常有效，但在这一领域内，各学校的专业琳琅满目，名称也是五花八门，呈现出了一幅跨学院式的选校版图。

要想从中突围成功，我们必须先做到第一点——认识项目，即明白不同学校的数据类项目都有哪些，分别叫什么名字又开设在哪个学院。

金融工程项目

1. M.S. in Financial Engineering

代表院校：UCLA/UCB/巴鲁克学院/NYU/哥伦比亚大学/USC/UIUC/康奈尔大学

2. Master of Science in Mathematical Finance

代表院校：BU/罗格斯大学/IIT（伊利诺伊理工）/NYU

3. Master of Science in Financial Mathematics

代表院校：JHU/芝加哥/明尼苏达大学/北卡州立

4. Master of Science in Computational Finance

代表院校：圣母大学/CMU

5. Master of Science in Quantitative Finance

代表院校：福特汉姆大学/石溪大学/GATECH(Quantitative and Computational Finance)/CMU

6.  Master of Science in Quantitative Finance ans Risk Analysis.Mamagement

代表院校：PRI/UW-Seattle（华大西雅图）

开设金工专业的学院：

1. 数学系

例如：圣母大学/JHU/石溪大学/NYU(Mathematical Finance)/罗格斯大学/芝加哥大学/巴鲁克学院/UW（华盛顿大学）

2. 商学院

例如：UCB/UCLA/福特汉姆大学/BU/CMU

3. 工学院

例如：USC/NYU/明尼苏达大学

从以上这些项目汇总信息我们可以得知，金融工程的相关项目非常庞杂，不仅项目名称不同，很多所开设在的学院也不一样，也有一些学校既有金工也有金数项目，例如芝加哥大学和USC。

所以我们在进行选校之时，切忌只查一种名字，从而导致错过适合的项目。

此外，金工作为偏实用，且是申请难度最高的项目之一，涵盖了包括数学、统计、计算机、金融知识等多门专业学科，因此学校往往对于学生的数学与统计能力要求很高。

而由于金融工程的项目在TOP30名校中设立的非常的少 ，且在TOP30中没有可作为保底的项目，所以建议大家在进行金工申请时一定要结合其他项目，不要把所有学校都拿去申请这个专业，“狼多肉少”的环境很容易让资质不够出色的同学收获“全聚德”。

说完了金融工程，我们再来看看数据科学与统计。

传统数据科学项目

1.Harvard University—SM In DS+CSE

2.Stanford University—Statistics: Data Science

3.CMU—Computational Data Science

4.NYU-MS in Data Science

5.Columbia U-Data Science

6.Duke University-Interndisciplinary Data Science

7.宾大-Data Science

应用统计方向

1.UCLA-Master of Applied Statistics-（大部分晚上上课）

2.UW-MS In Data Science-（晚上上课）

3.USC-ADS

4.Cornell--MPS in Applied Stat (DS track)

分析学方向

1.University of Chicago

2.Northwestern U

3.Gatech

4.UC Berkeley

5.Georgetown U

针对统计与DS项目，我们依然应该将选校范围进行扩大 ，不能只盯着传统的数据科学这一项，很多应用统计与分析学的课程和发展都与DS十分相似。

不过相对而言，以上这些项目的招生偏好，往往倾向于本专业（CS/数学/统计）的学生，可能有的同学是文科背景或者商科背景，数理背景没有那么强，那么则可以考虑以下这些与人文社科相交叉的数据项目。

数据科学与人文社科的交叉学科

1.Columbia QMSS: Quantitative Methods in the Social Sciences

2.Uchicago MACSS: Quantitative Methods in the Social Sciences

3.NYU A3SR: Applied Statistics for Social Science Research

4.Penn MSSP+DA: Social Policy + Data Analytics

5.CMU MSPPM, Data Analytics

6.Columbia TC: Learning Analytics

7.Gorgetown MPP & DS: Public Policy & Data Science

等其他项目。

因为金工和DS实在是太难申请，所以很多资质背景一般但是又对数据类型项目很感兴趣的同学，其实可以将方向定在这些与人文社科交叉的项目。

有一位本科会计，毕业于德州农工的明德学子，便是以3.4的GPA成绩，通过出色的选校，斩获了NYU+哥大的数据项目录取。

此外，还有很多有关信息系统、信息科学和运筹学的项目也非常值得推荐。

数据类项目的好搭档：

1.Information Science: 

多集中在CS系或者单独的I-School或者图书馆学院,比较侧重Data Architecture, HCI, IS Solutions等方向

代表院校：U Mich, NYU, Cornell, UNC等

2.Information System/Information Management：

多集中在商学院下面

代表院校：UT-Austin, UW-Seattle, UFL等

3.Operation Research/IEOR/MSE:

代表院校：Columbia, UCB, CORNELL, Getech, Stanford

这些项目有的在单独的信息学院下，有的开设在CS系下，也有的设立在商学院，比如华大就有两个信息科学项目，一个在商学院，一个在单独的I-School。

值得一提的是，NYU的信息科学项目非常适合想要转码的同学，而CMU的MIS则很偏向于数据分析。

#3 根据各专业录取偏好，

寻找与自己最匹配的选校方案

DS项目

1.以统计和CS为基础的DS项目，注重学术背景，难度相当大，非科班出身学生机会小

招生标准基本上是数学，统计，CS等背景出身的学生。

代表院校：CMU CDS/Umich DS/UPenn DS/Harvard DS /Columbia DS/Yale Stat:DS/Cornell MPS: Applied Stat

UMN DS

2.比较注重多元化，包容性强，非科班出身的福音DS项目，申请者实习强，科研强

代表院校：GaTech Analytics/Brown DS/Rochester DS/UVA DS/Gatech分析学/芝加哥分析学

统计项目

录取偏高冷

偏好数学+统计专业本科

对于统计专业来说，申请者的GPA成绩非常重要，科研与课堂大作业也很重要，相对来说实习的重要性有所减弱，这一点与DS的申请非常像。

二、有关文书写作的注意事项

#1 CV/RESUME

----遵循STAR +SMART 原则

----建议控制在1 page以内（简历就是要精简）

STAR=情况、测试、行为和结果，在我们阐述自己的实习/科研经历之时，要通过很清晰的表达将这四点进行串联。
Smart=量化，即用数字来证明你做的这件事是取得了怎么样的成果。

举个例子，同学A有一份实习是在星巴克市场做推广，工作内容包括公众号文章、自媒体宣发和调查问卷推广，成绩是整个实习组的排名第二。

乍一看上去这个履历非常出色，但是你要怎么证明你的宣传推广是真是有效的呢？或者说，要怎样直观地表现出你的工作效果呢？

你一定要把你参与运营之后，一个月涨了多少粉丝，写了多少文章，市场卖出去了多少，比以前多了20%（假设）...

这样的量化数字一定要写在你的简历里面，这样才能让招生官最直接地感受到你的成长与价值。