哈佛大学统计硕士

春节刚过，新逸航国际教育成功收获两枚含金量极高的offer，在优秀的后期团队和专业的申请规划老师指导下，Jiang同学和Liu同学分别收到了哈佛大学和斯坦福大学录取offer。这两所大学都是世界顶级的高等院校，录取率均不超过10%。哈佛大学斯坦福大学除了这两所顶级名校外，2月份英国、澳洲等国高校都陆续放了今年秋季的offer。英国本科直录澳洲本科直录美国硕士直录英国硕士直录点击这里查看新逸航2020美本早申offer案例新逸航早申OFFER龙虎榜（持续更新中）近日，全球化智库（CCG）与西南财经大学发展研究院共同研究编著的《中国留学发展报告（2020～2021）》蓝皮书，在社会科学文献出版社正式出版。《中国留学发展报告（2020～2021）》反映了我国留学发展的最新情况，解读了新冠肺炎疫情下国内外留学发展的最新趋势，分析了我国留学回国人员发展的新状态，并探索教育对外开放的发展新路径。报告显示，留学目的地国呈现更加多元化发展态势；在美博士留学生比例大幅下降，其他国家和地区将可能迎来高层次人才竞争的新机遇；中国学生赴美留学人数或遇拐点，我国学生出国留学目的地多元化时代即将到来；留学人员回国人数持续增加，拥有国际视野成为海归群体核心竞争力。受疫情和其他国际因素影响，留学市场和趋势发生了不少的变化，而对于留学生来说，最大的感知可能在于国际关系和政策的影响对于海外高等教育和留学生本身更加直接，譬如上一任美国总统就经常公布针对国际学生群体和海外教育的法令政策，这些法令和政策无不切身地影响着国际学生的就学体验和权利。不同国家政府对国际学生的态度，也直接反映到国际学生的留学选择上，目前的留学目的地国更加丰富，留学生的选择也更加多元。留学目的地国呈现更加多元化发展态势报告显示，在目前的国际局势下，我国留学呈现出以下趋势：第一，留学目的地国呈现更加多元化发展态势。英国与美国先后遭遇留学人数持续增长的拐点，留学人数出现不同程度的下降。根据IIE最新发布的《2020年门户开放报告》（The Open Doors Report 2020）统计数据，2019-2020学年在美国接受高等教育的国际学生为1,075,496人，同比2018-2019学年下降1.8%，是2008年经济危机后赴美留学人数的首次下降。中国继续保持全球第三大留学目的地国位置。第二，发达国家留学相关政策走向不尽相同，国际学生流动格局或存在更多变化。报告分析，美国方面，拜登政府上台后，如何确保美国作为移民国家的价值观回归，怎样对留学和移民政策进行具体调整，能否有效挽救美国留学产业发展，仍有待进一步观察，但总体预期普遍向好。英国方面，英国脱欧的大背景下，来自欧盟国家留学生主要关心学费、签证问题和性价比。第三，疫情造成国际学生跨境流动受限，疫情防控前景不明，留学及相关产业面临严重危机。受疫情影响，美国多所高校收入大幅减少。在2020年春季学期短短几个月内，美国全境高校收入减少了80亿美元。英国官方估计，新冠肺炎疫情给英国高等教育带来的损失将高达190亿英镑，约合1733亿元人民币。第四，我国出国留学人数继续保持正增长，新冠肺炎疫情并未明显影响出国留学的实际需求。全球化智库（CCG）研究指出，新冠肺炎疫情在全球的持续蔓延，虽然给我国学生选择出国留学带来了一定的消极影响，但我国学生对于国际化优质高等教育的需求并未发生根本性改变，出国留学仍是重要的发展方向，只是会在全球疫情蔓延期间有所延迟。上述报告内容给留学生一个明确的讯号，尽管受全球新冠疫情影响，海外教育的进程收到了非常大的影响，但是这并未影响到留学生选择海外教育的大趋势，而且随着留学生选择多元化，不同的留学途径和海外院校都将面临更激烈的竞争，2020年7月18日发布的《启德教育新常态下的留学现状报告》中的统计数据显示，选择赴日本、新加坡、新西兰的留学生比例均出现小幅提升，占比分别为4.54%、3.84%、2.51%。面对与日俱增的留学队伍，对于传统的留学热门国家来说，新生留学生更加注重学校的名气和教学质量，像U.S NEWS Top 50或者QS Top 100的世界名校成为大家竞争白热化的战场。UCLA申请人数比去年增加了28%，其中国际申请人为21,932。NYU申请数量创下了历史新高100,131的申请量，RD+ED的申请总量，竟比去年增加了20%。 哈佛大学今年收到的申请比去年增加了约42%，去年有40,248名学生申请了2024届的入学。 布朗的申请者数量达到了历史最高水平，共计46469名申请者提交了申请，较去年的36592名申请者增长了26％。 宾夕法尼亚大学也宣布：Class of 2025申请人数破纪录，比上一年增长了34%。 康奈尔大学收到了超过68500份申请，相比去年暴涨33%。网络数据美国2020年早申的一系列破纪录数据都显示了国际学生对名校的疯狂追捧，“内卷”一词的出现不仅揭示了留学市场中人才竞争的激烈，也衍生了更大一批拥有优秀个人品质，更受海外高等学府青睐的人才学生。

中国网5月2日讯 （记者 李智）3月11日，世界卫生组织宣布了新冠肺炎疫情是全球大流行。同一天，美国国立卫生院过敏与传染病研究所所长Dr. Fauci在美国众议院监督与改革委员会听证会上说，新冠肺炎的死亡率比流感高出10倍。哈佛大学生物统计系和统计系教授、美国国家医学院院士林希虹通过“《理解未来》科学讲座”告诉记者，新冠肺炎对公共卫生和人类健康是很大的挑战。她表示，3月初，美国的股市振荡，大幅度下滑。新冠肺炎疫情的影响不仅仅体现在经济方面，还包括了科学研究领域，现在几乎所有大、小学术会议全部被取消，“我们许多人从3月15日左右都待在家里，工作也在家里。” 美国失业率从3月下旬起比往年高出很多倍，同美国前20年的失业率比起来也要高出很多。截至4月22日，全球被新冠病毒感染的总人数达到约270万。其中美国大概占三分之一。可以看到欧洲很多国家，包括英国、西班牙、意大利的感染人数也还是很高。美国每天的死亡人数和其他国家相比更高一些，现在平均每天有大约2000人死亡，其次是英国。这次疫情对世界各国的影响是非常大的。在此期间，林希虹与华中科技大学的同济公共卫生学院邬堂春和潘安等老师们一同分析了武汉3万2千新冠病毒感染的数据，并于4月10日在《美国医学会杂志》（JAMA）上发表了文章。她认为这些数据分析的结果和从中学到的知识和经验是有循证基础的，会对世界各国会有较大的帮助。林希虹表示，武汉抗疫经验启迪一是居家隔离和社交距离。它有助于切断社区传染，有效地减少了感染人数。但是，家庭内部如果有一个家庭成员被感染会影响其他家庭成员，并且家庭成员被感染后还会影响到社区其他的成员。3月18日《纽约时报》的一篇文章报道了一个家庭内部有7位家族成员都被感染。这说明除了要防止社区传染，还要防止家庭内部之间的传染。抗疫启迪二：集中隔离。武汉的公共卫生防御措施里面，除了保持社交距离外还有一个很重要的方面是集中隔离，加入集中隔离后很快控制了疫情。集中隔离的好处是帮助阻断家庭内部的感染。所以可以看到这两个措施是相辅相成的，能够防止被感染者感染其他人，同时因为轻症病人都住到方舱医院，这样他们能够比较早地得到治疗，减少死亡。抗疫启迪三：为医护人员提供足够的防护和后勤保障。2月后，除了为医护人员提供全套的防护设备， 武汉还做得一件很好的事帮助了医护人员，让他们住在旅馆，这样可以防止他们家庭成员的感染。这是一个很好的经验，根据3月21日推特的消息，费城也给给医护人员提供了旅馆，让他们休息，并且帮助他们的家庭成员。现在，美国不少城市也都这样做了。抗疫启迪四，提高检测能力。如果能够提高检测率，让更多人检测，这样可以帮助早期诊断。抗疫启迪五：积极应对，采取多种措施。为了防御和控制新冠肺炎流行需要有6项措施。第一个是戴口罩；第二个是确诊者的轨迹追踪，找到感染者的密切接触者；第三是广泛测试；第四是保持社交距离，比如居家隔离；第五是集中隔离；第六是感染者需要尽早治疗。有四类高危人群需要重点保护，一是医务工作者。二是老年人群，他们的感染率比年轻人高很多。三是家庭成员和密切接触者的感染率也高很多。四是低收入家庭，他们的居住条件差一点，居家隔离比较困难，比较容易被感染。据林希虹介绍，目前，在西方国家还是有很多人被感染，一个比较重要的问题是怎么能够阻止传播，减少新的被感染人数。重点就是公共卫生干预，尤其现在没有疫苗、没有有效治疗方法，公共卫生干预非常重要。同时，公众的教育很重要，尤其是在西方国家，让公众知道和了解科学研究得到的知识，这样公众能够做出好的决定，帮助他们自己、他们的家庭成员、和他们的社区。她认为，武汉的经验有很多可以供其他国家借鉴的地方。因为每个国家的国情，文化和具体情况都不一样，所以武汉的经验不一定能直接复制。每个国家可以根据自己国家的实际情况来调整和建立出一套适用于自己国家的方案。【来源：中国网】版权归原作者所有，向原创致敬

大数据文摘出品编译：JIN、Hope、蒋宝尚题图上这张在社交媒体上疯狂传播的恶搞漫画博得了不少转发，这似乎暗示着，对机器学习的炒作热度开始消退。然而，机器学习真的只是被美化的统计学吗？哈佛大学数据科学硕士、机器学习从业者Joe Davison认为，远不止如此。他从统计学和机器学习分别出发，对比了两者的不同之处，希望让人们正确认知机器学习和人工智能。这篇博客在海外科技网站Medium上获得了超过7.4k的认同。一起来看看越来越多的人都开始认为机器学习真的没有什么可值得兴奋的，它只不过是对老旧的统计技术的重新包装罢了。然而问题是，事实并非如此。可以看出，深度学习传播的狂热分子不流行了。甚至是那些站在科学顶端的专家们，现在对使用这个术语都失去了极大的热情，仅剩些许懊恼，反而更倾向于淡化现代神经网络的力量，避免让大量群众认为 import keras 能够克服每一个障碍。就像Yann LeCun所说的那样，虽然深度学习已经超过机器学习成为新的流行词，但是这种对态度的过度矫正导致了人们对人工智能的发展、未来和实用性产生了不良的怀疑。另外，现在流传着人工智能冬季即将逼近的说法，从这一点就可以预见，人工智能研究会像过去几十年那样停滞不前。本文不是要反对人工智能冬季的说法，也并非要争论机器学习的发展都应归功于某一个学术团体而非其他。本文论述的目的在于要正确的评估机器学习。人工智能可见的发展不仅仅局限于大型计算机和更优的数据集。近期在深度神经网络及其相关领域的成功，正说明了机器学习代表着科学技术进步的最前沿。机器学习！=统计学“当你集资时，需要人工智能。当你招聘时，需要机器学习。当你执行任务时，需要逻辑回归。”—推特网友正如标题所说，本文主要强调机器学习不只是统计学的美化。当然，这种“统计学的美化”观念的形成是不无道理的，因为在机器学习中广泛使用了统计学的概念，如回归、权重、偏差、模型等等。另外，许多模型都近似于统计函数：由逻辑组成的分类模型的softmax输出；将训练图像分类器的过程处理为逻辑回归。虽然，单从技术角度来说，这种观念思路是正确的，但将整个机器学习简单归化为统计学的附属物就太过一概而论了。统计学是数学领域，涉及对数据的理解和解释。机器学习则只是一类计算算法（所以，它其实诞生于计算机科学）。在许多情况下，这些算法在帮助理解数据方面完全无用，并且只能在无法解释的预测模型中发挥一些作用。在某些情况下，例如在强化学习中，算法甚至根本不会使用到已有的数据集。此外，在图像处理的情况下，将像素作为特征，将图像作为数据集的处理方式也只不过是开始时的延申。当然，这并非意味着机器学习的发展就全都归功于计算机科学家，而非统计学家。像任何研究领域一样，机器学习今天的成功是多个学术领域共同努力的结果，而统计学和数学则是贡献最大的领域。然而，如果要正确评估机器学习方法的强大影响力和潜力，首先就需要纠正错误观念：人工智能的现代发展也不过是老旧的统计技术有了更大的计算机和更好的数据集。机器学习不需要高级统计学知识这里我想说，在学习机器学习期间，我有幸参加了一个深度学习技术的精彩课程，这是我本科计算机科学课程的一部分。在我们指定的项目中，就有一个是在TensorFlow中执行和训练Wasserstein GAN。当时，我仅仅只上过一门统计导论的选修课，并且大部分内容我也已经忘记了，此次看来，我的统计技能并不是很强。但是，我依旧能够读懂一篇关于最新的生成机器学习模型的论文，并且能够从头执行，实现操作，并通过在MS Celebs数据集上训练，从而生成非常有说服力的虚假图像。整个课程中，我的同学和我成功地训练了癌组织图像分割，神经网络机器翻译，基于字符的文本生成和图像样式转换，所有这些都只使用了过去几年发明的机器学习的最新技术。但是，如果你问我，或是那个班级的大多数学生，如何计算人口方差，或者定义边缘概率，我们对此一无所知。这似乎就与人工智能仅仅是对古老统计技术的重塑的说法有些不符了。必须承认的一点的是，在深度学习课程中，机器学习专家可能确实比计算机科学的本科生有更扎实的统计学基础。除此之外，一般而言，信息理论需要对数据和概率有很强的理解能力，所以我建议，如果你有兴趣成为数据科学家或机器学习工程师，最好能够学习统计学知识，发展统计技能，培养统计直觉。但现在依然存在的问题是：如果机器学习仅仅只是统计学的附属物，那么为什么没有统计学背景的人同样能够深入理解机器学习的前沿概念呢？另外还应该承认的一点是，许多机器学习算法需要比大多数神经网络技术更强的统计学和概率学背景，但是这些方法通常被称为统计机器学习或统计学习，以此来减少统计学的色彩，将其与常规的统计学区分开。同时，在近年来机器学习大热的创新技术中，大多数都属于神经网络领域，所以可以说，机器学习并不是统计学。当然，机器学习也并非独树成林。实际上，任何人想要很好的应用机器学习，都会面临各类数据处理的问题，因此，拥有对统计数据的理解力也是很有必要的。这并非说机器学习决不会使用到统计概念，同样也不能一概而论地说机器学习就是统计学。机器学习=映射+评估+优化客观来说，我和同班同学在算法、计算复杂性、优化方法，微积分、线性代数甚至一些概率方面都有很强的基础。我认为，上面提到的知识都与我们所处理的问题相关，高级统计学则无法解决这些问题。机器学习是一类计算算法，它采用迭代“学习”的方法向某个函数逼近。华盛顿大学计算机科学教授Pedro Domingos提出了构成机器学习算法的三个组成部分：映射、评估和优化。映射（Representation）就是把输入从一个空间转化到另一个更加有用的空间。在卷积神经网络中，原始像素对于区分猫狗的作用不大，因此我们把这些像素映射到另一个空间中（例如从softmax输出的逻辑值），使其能够被解释和评估。评估（Evaluation）的本质就是损失函数。你的算法是否有效地把数据转化到另一个更有用的空间？你在softmax的输出与在one-hot编码的分类结果是否相近？你是否正确预测了展开文本序列中下一个会出现的单词（文本RNN）？ 你的潜在分布离单位高斯（VAE）相差多少？这些问题的答案可以告诉你映射函数是否有效；更重要的是，它们定义了你需要学习的内容。优化（Optimization）是拼图的最后一块。当你有了评估的方法之后，你可以对映射函数进行优化，然后提高你的评估参数。在神经网络中，这通常意味着使用一些随机梯度下降的变量来根据某些定义的损失函数更新网络的权重和偏差。 这样一来，你就拥有了世界上最好的图像分类器（2012年，杰弗里·辛顿就是这样做到的）。在训练图像分类器时，除了需要注意定义合适的损失函数之外，映射函数输出值是逻辑值并不会有太大的影响。逻辑回归等这些统计术语为我们讨论模型空间提供了有用的词汇，但是它们并没有将优化问题重新定义为数据理解问题。深度学习技术深度神经网络进一步忽视了统计学的理念，简直是淋漓尽致。完全连接的节点由权重和偏差组成，似乎也还好，但是卷积层是什么原理？调整激活函数？块的标准化？残差层？随机忽略？记忆和注意机制？这些创新对于高性能深度学习网络至关重要，但是它们远无法与传统统计技术相提并论（因为它们可能压根就不是统计技术）。对1亿个变量进行回归，没问题？我还要指出深度学习网络和传统统计模型的一个差别，就是它们的规模问题。深度神经网络的规模是巨大的。VGG-16 ConvNet架构具有1.38亿个参数。如果一个学生告诉导师要进行一个具有超过1亿变量的多重线性回归，他会有什么反应？这是很荒谬的。因为VGG-16不是多重线性回归，它是一种机器学习手段。新的前沿在过去的几年里大家可能花了无数的时间去阅读论文、帖子和文章，看到机器学习能够做很多很炫酷的事情。其实，深度学习比以前的这些技术不仅更加有效，而且它帮助我们解决了完全不一样的全新的问题。在2012年以前，涉及非结构化数据和半结构化数据的问题是非常有挑战性的，可训练的CNN和LSTM在使这个任务迈进了一大步。它们在计算机视觉、自然语言处理、语音识别等领域已经取得了非常可观的成果，并且在人脸识别、自动驾驶和人机对话等领域取得了长足的进步。其实，大多数的机器学习算法最终还是落实到用模型对数据进行拟合，这能够被认为是一个统计过程。宇宙飞船本质来说也就是带翅膀的飞行机器，但是我们却没有看到有人嘲弄美国宇航局20世界对太空探索的激情，没有人认为这是对飞机的过度夸张化。就像太空探索那样，深度学习的到来并没有解决世界上的所有问题。在很多领域我们还能够看到有巨大的差距，尤其是在“人工智能”领域。深度学习为我们攻坚复杂非结构化数据的问题做出了显著贡献。机器学习仍旧是世界技术进步和革新的前沿。这不仅仅是墙上带着闪亮框架的一个裂缝

昨天给大家介绍完生物统计专业的就业前景、开设情况和申请要求等，下面给大家介绍几所美国热门的生物统计硕士项目。耶鲁大学MPH IN BIOSTATISTICS所属院系：开设在公共卫生学院的生物统计系下项目时长：2年学费：$44,750（2018-2019）申请费：$135申请截止日期：12月15日申请要求：本科学位有biology, health, and basic statistics and/or data analysis 相关经验托福最低100，不接受雅思要求GRE或GMAT校友反馈（19fall毕达学子）：“这个项目的学位是MPH( master of public health )，设立在耶鲁公共卫生学院下的。另外耶鲁也有设立在文理学院（GSAS Graate School of art and Science) 的生物统计项目，学位是MS ( Master of Science ), 这个项目更看重数理能力，对转专业不太友好，申请难度相对也大一点。MPH项目时长两年，无需论文，修满20学分毕业，要求有实习。培养方向就是培养数理统计能力在公共卫生，医疗领域的应用。学习模块自然也就更偏统计和编程，穿插着一些生物，卫生领域相关的背景知识。这个项目的学生的背景和毕业去向都十分广泛，我个人感觉理学和医学背景的比如 生物，医学，药学，食品，数学，统计，材料等专业，对这个专业感兴趣的同学都可以尝试申请。mph 20人左右， ms 20人左右。本科学校国内外的都有但基本都是中国学生在学。国内的大学基本都是985 211。项目本来就是是交叉学科，学生本科专业背景多元，转专业的可能占了一半。”哥伦比亚大学MS IN BIOSTATISTICS所属院系：开设在公共卫生学院的生物统计系下申请费：$135申请截止日期：12月2日（优先轮）1月15日（最终轮）课程设置：生物统计硕士有5个track：Clinical Research MethodsPharmaceutical StatisticsStatistical GeneticsTheory and MethodsPatient Oriented Research每个项目的课程会有所不同，祥见官网申请要求：本科学位托福最低100，雅思最低7.5要求GRE，不接受GMAT校友反馈（18fall毕达学子）：“目前而言我非常喜欢这个项目。主要是哥大是一个选课特别自由的学校，所以如果我未来不喜欢这个行业或者想转行都可以修任何自己喜欢的课，这个自由度非常大，并且项目在公共卫生学院下面，所以是坐落在医学中心的，各种科研资源都非常多，上课学到的东西都很有用，像是R、SAS、SQL我们都是会上课学的。学校对于学生的求职准备也很到位，每天都有各种workshop可以参加。上课时间不会特别长，但是课下作业和拓展会很多，总的来说还是很有压力的，尤其是要一边学习一边找工作，但是学校的各种支持不管是老师还是职业准备还是心理疏导方面的都很齐全，所以完全不会说handle不了。一开始可能上课可能会有一些语言障碍，毕竟有很多学术方面的词汇，但是很快就会适应。还有就是要学会主动学习，助教和老师随时都可以解答你的问题，有什么问题都要积极去问，不要觉得害羞就不敢问，经常去问问，老师对你的印象也会更深刻，对于之后的科研都很有帮助。”布朗大学SCM/AM IN BIOSTATISTICS所属院系：开设在公共卫生学院的生物统计系下项目时长：2年学费：$7,139/每门课 (2019-2020)申请截止日期：2月1日课程设置：详见官网申请要求：本科学位先修课程：三个学期的微积分，一个学期的线性代数，至少一学期的概率论托福最低90，雅思最低7.0要求GRE校友A反馈（19fall）：“布朗的Biostat有2个track，一个是master of science/art in biostat，另一个是master of science in Health Data Science，两个track的必修和选修不太一样。学院的课都在公卫学院上，与主校区有一个大坡的距离。目前觉得课程的难度不难，花在作业上的时间占大头。大部分内容上课认真听就能跟上，拿A应该不难。18个master（7个中国人，一个陆本，一个港中文，其他是海本），5个phd（1个中国人，从master项目转申上的）。总体来说brown比较看重gpa，同学大约是3.8以上，都有数学/统计背景！每个学生会被分配一个advisor，会帮助选课以及对找研究给出建议。做研究的机会很多，取决于系里导师目前是否有项目可推进，也可以找系外的导师做研究。一般来说第一学期不推荐找研究，不过我们这届18个硕士里至少三个已经找到了导师做研究.学校有一个career lab，类似于各学校的career services。每周会发邮件介绍这一周学校求职有关的会或者活动。系里和学院都会有job opportunity的邮件。个人觉得有用，遇到感兴趣的一定要主动联系，有的公司来就是专门招Borwn data science，computer science和biostat专业的学生。”（来源一亩三分地）校友B反馈（17fall）：“我们这一届一共录取了20人，其中8个中国人，一半美本一半陆本，去年的中国人有四分之一申博，四分之一留美，一半回国工作了。Brown的生统虽然系不大，但是感觉老师都很负责！并且录取的时候会有25%的奖学金，感觉还是可以省下不少钱的～ 这里的选课也比较自由，一共上8门课加一门thesis（如果不写thesis的话就是master of arts，写了就是master of science） 选课可以选外院的课，比如applied math或者computer science的课， 并且只要是和统计有关联的奖学金就可以cover。这学期我们专业几乎所有中国人都选了cs的deep learning。”（来源一亩三分地）加州大学洛杉矶分校MS IN BIOSTATISTICS所属院系：开设在公共卫生学院的生物统计系下项目时长：2年申请截止日期：12月1日课程设置：详见官网申请要求：本科学位至少修过2年的微积分课程和一学期的线性代数课程托福最低87，雅思最低7.0要求GRE校友反馈（15fall毕达学子）：“UCLA的biostat是六个学期的，相当于大概一年半到两年的时间。有大概10门专业必修课和几门选修课，选修课修和统计或者生统有关的课都行。master 的课程对数学的要求都不高，所以挺适合不喜欢数学证明但是又想做统计方向的人的。系里老师做的东西方向也很多，有做计算的有做 survival analysis 也有做 consulting，应该可以找到自己喜欢的方向。biostat的课就比较应用了，理论证明方面要求不高，但是会有一些project什么的，然后我们专业现在人还不多，所以一个课上学生不多，教授就基本可以认识每个学生吧~教授也都很nice，发邮件都会回得很有耐心的那种。我们班有20个人，5个大陆学生，4个master一个phd,身边的同学有一个北理工的，两个北大的，一个浙大的和一个rochester大学的。有好的数理背景可以轻松很多，有一个同学是环境科学的，所以学起来会稍微吃力一些。但是也不是必须的吧，因为我们还有mph track，如果不想学稍微理论一些的课可以去mph。”校友反馈（18fall）：“一个班生物统计系30个人，一半是中国人。中国人里一半是数学/统计本科。除了中国人里也有一半是数学/统计本科。我们这届有个UCLA数学博士，方向是Super Geometric。有一半的master都想转phd，竞争非常激烈。就业的话，一般就去药厂之类的工作了。教授们都很nice，但是要你自己主动去交流。”（来源一亩三分地）密歇根大学安娜堡分校MS/MPH IN BIOSTATISTICS所属院系：开设在公共卫生学院的生物统计系下项目时长：2年申请截止日期：12月1日，3月15日课程设置：详见官网申请要求：本科学位先修课要求：3学期的微积分，矩阵或线性代数课程，统计或生物统计学入门课程，托福最低100要求GRE校友反馈（17fall）：“UMich 不管课程设置还是师资力量各方面都很不错，而且 UMich 本校硕士转博士比较容易。在美国人心中 U Mich 有着“中西部哈佛”之美称，并与耶鲁、康奈尔、伯克利等学校齐名。而且我很喜欢学校的一点就是，学习氛围很浓厚，感觉大家都很忙，属于那种开学第一天图书馆就爆满的状态。我自己第一年也基本上是在图书馆度过的，很充实。我们系一年招收硕士 50 人左右，50 个人中接近一半美国人，一半中国学生当然也有其他国家的学生，占比很小。但是专业背景多样化，生物工程占比较重。学生大部分是美本， 17、8 个中国人有 12 个左右是美本。大陆基本都是清北复交浙学生，上交因为有合作项目，所以比较多，尤其在工程系上交同学很多。17 年 Master 有 53 人，PhD20 人左右。因为学校 PhD 申请倾向本校 Master，所以 20+ 博士有 14、5 个都是本校硕士。课程设置方面，硕博课程设置一样，必修课 80 人左右， 70 个本系+外系 10 个左右，选修课人比较少 10-15 人。同时学制也很合理，博士会花费 5 年时间，硕士 2 年，没有毕业论文，但是有毕业设计。安娜堡的就业服务很好、安娜堡本地药厂也多，所以工作机会也多。而且密歇根安娜堡当地认可度很高，硕士毕业的学生出路也挺广，很多去了 finance, banking, pharmaceuticals, consulting 等方向就业。”（来源网络）你对生物统计专业感兴趣吗？想进一步了解请锁定“毕达留学”哦

统计学是一门认识社会和自然的方法论学科，它来源于统计工作，是统计工作经验的理论概括。其专业产生的时间是1890年，英国牛津大学首先设立了该专业。随后，英国剑桥、美国哈佛等大学也相继设立了统计学专业。著名人士有德国大学教授克尼斯、恩格尔、梅尔和德国法兰克福大学教授弗拉斯卡姆波，弗拉斯卡姆波吸收了英国数理统计学派的通用方法论，把自然领域中的方法也应用于社会现象。现代的统计学专业是在随机抽样基础上建立的数理推断统计学，各国也是这样。美国的统计学家瓦尔德将统计学中的估计和假设理论予以归纳，创立了“决策理论”;美国的威尔克斯、英国的威沙特，也是现代统计学的代表人物，他们在1957年提出实际设计的理论和方法，拓宽了统计学的范围。统计学研究方向基础方面包括：样本设计、数据挖掘、随即过程、建立统计模型、模型的选择、时间序列、非参数统计方法、蒙特卡罗法、生存分析、空间统计、贝叶斯推论、各种经典的统计模型的学习、各种概率论理论等等。虽然统计学曾经从属于数学类，但是从美国大学的设置来看，统计已经从数学系中独立出来，成为单独的统计系。在科学技术飞速发展的今天，统计学广泛吸收和融合其他学科的新理论，不断开发应用新技术和新方法，深化和丰富了统计学传统领域的理论与方法，并拓展了新的领域。从学科历史来看，统计学是应用数学的一个分支，主要通过概率论研究来建立数学模型，对搜集到的系统数据进行量化分析和总结，进而进行推断与预测，为相关决策提供参考依据。美国知名高校的统计学系一般设在理学院或商学院，但这并不意味着其统计学教育以理论为主。相反，美国的统计学高等教育主要侧重于应用，主要有以下三个方面的特征：第一，广泛采用统计分析软件和案例教学法。在美国大学的统计学教学中，诸如Excel、Minitab、SAS、SPSS等统计分析软件都是本科生与研究生们日常必备的学习工具。这些分析软件的普遍使用，使海量统计数据的处理、分析与推断变得快速而简单。第二，强调解决实际问题。美国高校对统计理论和方法的介绍不是从僵化死板的概念和公式定理出发，而是基于现实生活中存在的大量实际问题来说明统计理论和方法产生的背景、应用的条件以及基本统计思想。由于统计学系的教学主要面向实际问题的解决与处理，因而其毕业生受到社会的广泛欢迎，拥有大量的工作机会，由此也使统计学专业成为美国最热门的专业之一。第三，重视训练学生的动手能力。美国各大学特别注重对统计结果的分析与解释，要求学生所提交的统计分析报告能让那些对统计学一无所知的人也能够彻底读懂，从而真正体现出了统计学的实用价值，并大大提高了统计学成果的社会效益。希望智课选校帝为您整理的这篇文章对您有所帮助。了解更多出国留学相关信息及最新动态尽在智课选校帝，能给各位留学的学子们指点迷津是我们的动力，祝大家学习进步，一切如意。

在一个家庭中，虽然父母是家庭最主要的成员，但是他们子女的成长与教育才是这个家庭的未来。尽管很多父母虽然知道这个，觉得能把孩子送到学校去，就是自己尽了为人父母的义务，把这个事情看的实在是太简单了。为什么有些家庭特别能出人才，有些家庭反而不是这样，谁不希望自己的孩子能够成长后出人头地呢？其实人与人的区别在先天来说并不是很大，尤其是现在社会，处在一个总体相对平稳的时期，往往是后天的因素造成了人与人之间很大的社会差距，最重要的一点是教育。教育不仅仅是学校的事，更重要是家长的事，当看到有些很普通的家长能培养出杰出的孩子时，请不要惊奇，因为这里面必有原因，首先要从家庭教育里找答案。往往越是靠谱的家长越是能培养出优秀的孩子，哪什么样的家长才是在家庭教育上靠谱的呢，为此哈佛大学经过调查统计用比较法给出一些结论。哈佛大学统计："靠谱"家长和"不靠谱"家长，在这7方面差距很大1、 参与到孩子的教育中不靠谱家长：对孩子的教育完全放任自流，子女如果学习的好是自己生的好，是自己孩子聪明，如果学习不好那就是孩子自己的事，让孩子完全承担错误。靠谱家用心参与到孩子的学习与成长中，善于了解子女心里想的，善于引导孩子学习，自己也学习并起到示范作用。2、 看是否与孩子之间有良好的家庭沟通不靠谱家长根本没时间过问孩子的教育与成长，孩子因此也没有主动与父母进行沟通的意愿。靠谱家长：与孩子沟通良好，顺应孩子的兴趣，同时也时常反思自己，客观的对待孩子教育与成长。3、 看家长如何对待孩子学习成绩不靠谱家长因为自己工作或家庭生活比较忙的原因，往往没时间关注孩子平时成绩的变化，当出现成绩下滑时不分析原因，一味的指责。靠谱家长平时关心孩子的成绩，当出现下降时能鼓励孩子，始终参与到孩子的教育中。4、 看对待孩子遇到挫折时的方式每个人都会遇到各种各样的挫折，这是难免的，而孩子更容易受到挫折的伤害，这和成年人是不能比的，受挫折能力虽然与个人的性格等有很大关系，但在处理挫折与困难时家长应该给孩子以足够的帮助。不靠谱家长：不仔细分析原因，当孩子犯错误或遇到挫折时一味的打骂，指责。靠谱家长：当遇到孩子犯错误或是挫折时 ，冷静的分析原因，帮助他找到原因。5、 看家长对等待孩子的耐心程度耐心不仅仅对于成人是一个重要的心理稳定指标，在对自己子女的教育上更是显得非常重要不靠谱家长往往表现的没有耐心，往往对孩子经常来打扰自己，一会提这个问题一会又这个不懂非常的没有耐心，觉得这孩子太烦，一点不让人省心，如果这样对待孩子其实是非常不好的，因为孩子各方面经验都没有或不足，最需要的是成人的帮助。靠谱家长靠谱家长往往表现的很有耐心，当孩子来打扰自己的工作或生活时，能理解，有足够的耐心处理这个家庭关系，并鼓励孩子自己努力独立解决问题，同时也是在正确的引导孩子提高学习能力。6、 看家长对孩子的承诺是否真实不靠谱家长对于向孩子的许诺，往往是由于随口说说，对于是否要去真正的面对承诺没有放在心上，孩子却很可能认为这是真的，当承诺到来时，充满欢心，得到的却是一盆冷水，这无疑在教育孩子不守诚信，长大后不诚信的人难以立足社会的。靠家长对于孩子的承诺是认真的，就算如果承诺到期没有兑现时，也不是主观原因，一定要郑重向孩子说明原因，为什么这次没有兑现，理由要充分，这样也能得到孩子的认同。7、 看家长是不是善于与孩子讲道理的人不靠谱的家长往往表现的不讲道理，有时甚至蛮横无理，觉得自己是家长，自己说的都是对的，不管自己做的如何，孩子是自己长的养的，怎么对待都是有理的。靠谱家长对孩子做的事，表现出来的往往都要有个合理的理由，这样做的好处非常多，从小就培养孩子分析问题的能力，做事情的条理性，合理性，这对于以后长大成人后能带来很多的帮助，做任何事情都要有个合理的基础，做个有理性的人。人没有完美的人，但尽量做完美的事，为人父母并不难，难的是如何做一个靠谱的父母。家里的父母做人做事，看起来是家庭的事，实际上却关系着社会，因为家庭是社会的基础，只有为人父母真正的做个靠谱的人，才是对自己孩子，对社会尽最好的义务。现在我们知道，好家长跟坏家长的差别，在这7方面很明显了，你是哪种家长？加入J妈粉丝圈点击加入，更多科学育儿知识在那里等你哦！聪明的父母都会关注J妈学堂，每日分享孕产育儿小知识。有爱的父母都会分享这篇文章，让更多的人受益。

大家好，我是Lia，南京大学环境工程专业，预计于今年秋季前往约翰霍普金斯大学读生物统计硕士项目。大学期间的个人经历主要包括赴芝加哥大学参加SummerScholar Program;在中国疾病控制与预防中心做数据分析实习生；在院学生会担任部长，社团担任领导职务等；也对科研有过浅显的了解，参与了几个小的科研项目。对我来说，出国留学的决定是排除法的结果。环境工程本科毕业找工作不现实，本校保研在同一个地方待太久没意思，考研我受不了，如此出国倒成了必然。当然家里支持和对英语不排斥也是重要因素。01讲一讲自己的申请过程，我在大一下学期就决定出国，所以比较早的开始了托福和GRE的准备。托福从大二上到申请结束一直没事儿就刷，在大三上进行GRE考试(只考了一次因为实在太难搞)，期间也利用寒暑假的时间参与了一些校内校外的科研工作，不过都是环境工程相关的，可能对申请生物统计专业的帮助并不大。渐渐地在学习环境工程相关课程的过程中发现自己对这个专业并没有原先想象的那么热爱，而且通过和学长学姐沟通后发现未来的就业趋势也不是自己最想要的，所以开始在心里埋下了一颗转专业的小种子。后来首先是通过朋友了解到医药行业以及生物统计专业，因为自己本身对数学和编程比较感兴趣并且觉得数据分析工作应该算是目前和未来一段时间的热门趋势，再加上生物统计这个专业对转专业选手非常友好。众多因素驱动之下，最后一拍脑袋就决定了，我要转专业。虽然语言成绩的准备时间很充分，但是我真正决定转专业是在大三上学期结束后，也就是说我专业相关软背景的补充只有将近一年的时间，而我当时相关的经历只有大一大二上过的那些数学和编程通修课。于是我抓紧时间在大三下学期开始前加入了天道，进行了初次的头脑风暴，梳理了一下自己的经历和申请方向。因为转专业申请的话定位相对比较难，担心没有好的结果甚至全聚德，老师建议我同时申请环境健康方向作为保底选择。02在定下大致的方向之后，我就开始规划如何没有空隙地充实生物统计相关的软背景，一年的冲刺时间倒计时正式开始。首先我在大三下学期选修了两门数学系的课程，补充量化背景。毫不夸张地说，我高三的时候学习都没有学这两门课努力，记笔记再加上找学姐补习，最后顺利拿到了两个90+和一封推荐信。上课的同时，我也在校内主动联系之前课程的导师参与数据分析相关的科研项目。之后的暑假前往美国芝加哥大学学习定量分析和编程，之后根据所学的知识完成了一个CapstoneProject。由于大四上学期我们学院基本没有必修课程，所以暑假回来我就无缝隙衔接开始了在疾控中心的实习，同时进行了申请文书的准备工作，顺带一提的是我在这个时候还抽空考了一次托福，并且考出了有史以来最高分。现在还是有些后悔没有早一些决定转专业，这样也许也许也许也许会有直博的选择空间，所以建议大家提早定好方向，给自己多留一些努力的时间。03不过最后我还是非常幸运的收到了所有硕士申请项目的录取，学校包括约翰斯霍普金斯大学，哈佛大学，耶鲁大学，康奈尔大学医学院，哥伦比亚大学，杜克大学，宾夕法尼亚大学，加州大学伯克利分校，加州大学洛杉矶分校还有埃默里大学。

QS(Quacquarelli Symonds)于近日发布了世界大学统计学排名，麻省理工学院夺得今年世界大学统计学排名第1, 同时在本国夺得第一, 榜单第2为哈佛大学, 斯坦福大学位列第3。以下为今年世界大学统计学排名10强：中国27所大学上榜，世界第2美国上榜大学数量排名第一,高达52所大学上榜, 中国第二，有27所大学上榜, 上榜大学数量第三的国家是英国，有18所大学上榜, 在之后的还有, 加拿大上榜11所, 澳大利亚上榜10所。港科大超北大，中国第2跻身中国今年世界大学统计学5强的大学有：清华大学(19)、香港科技大学(29)、香港大学(34)、上海交通大学(43)、北京大学(46)。清华大学学术声誉得第220名,H指数得第270名,雇主声誉得第180名; ; 香港大学雇主声誉得第110名。清华理工科非常强势，港科大、港大、上交和北大在本次排名中表现也非常优异。你的母校在本次排名中上榜了吗？你怎么看待中国大学下本次排名中的表现

申请要求1．硬性条件首先本科阶段的平均分很重要，尤其是数学相关的课程分数不能低。其次要有很好的GRE成绩，尤其是GRE单项中的数学部分分数尤为重要，曾经有学生在申请中，虽然GRE总分不高，但是数学部分满分，其他条件也比较优秀的学生，被TOP20的统计学校录取的情况。此外，如果学生是转专业，又没有很强的数学背景，可以考虑参加GRE单项考试，增加自己的竞争优势。至于TOEFL成绩，已经成为共识，如果目标是TOP30的学校，TOEFL最好是能达到100分以上，如果目标是 TOP60的学校，TOEFL最好能达到90分以上，如果目标是TOP100的学校，TOEFL至少达到80分以上，如果能有85分以上，申请会更加稳妥。2．软性条件申请统计学，通常学生需要有较好的理工科背景，尤其本科专业是统计学、数学、精算、应用数学等专业的学生，申请比较有优势。如果学生学习过高数、线代、微积分、概率论与统计等等数学课程且分数优秀，并且有很好的统计相关的实习，也可以申请转专业到统计学专业。除了数学基础之外，学生还要能很好的使用计算机软件，如MATLAB，SAS，SPSS等。斯坦福大学 Stanford University①基本信息名称：Master of Science in Statistics申请时间：只接受秋季入学，截止申请时间大概在次年1月左右时长：3年内结束，一般而言9个月，12个月或15-18个月学分数：45②申请要求：GPA: 3.0+GRE：RequiredTOEFL：Required 100+ (NO IELTS)Other：3封推荐信 + PS + Resume③说明：斯坦福大学统计学项目是业界公认的Top1，招生人数从往年看不会多于40个 (30-40左)，申请难度非常大，但大部分都是国际生，事实上，北美大部分的统计学类专业都是中国人居多，其次是韩国人和美国人。除去对申请者的标准化成绩的要求之外，还对编程能力和数学基础课有要求，从历年申请者的背景来看，该项目偏向招收美国/加拿大的本科的学生，通常GPA在3.8以上，有科技行业与机器学习数据科学相关，或与数值计算相关的实验室或实习背景。这也说明了该项目偏向于培养在科技行业（特别是数据科学）的人才，注重数学理论基础和计算机素养，而对于instry domain knowledge并没有很强调。这个项目也很适合继续申请博士。同一院系下还开设了数据科学专业，申请难度比统计项目还要大。加州大学--伯克利 University of California, Berkeley①基本信息：名称：Master of Art in Statistics申请时间：春秋均可时长：1年学分数：minimum 24②申请要求：GPA: 3.0+GRE：RequiredTOEFL：Required 90+ (IELTS 7.0)Other：3封推荐信 + PS + Resume + 相关课程列表③说明：UC伯克利大学统计学项目在业界非常有名，特别是PhD项目，招生人数从往年看同样不多30-40，申请难度非常大。该项目已就业为主，毕业生出路有Google，Facebook顶尖IT公司，也有JP Morgan这种投资银行，整体出路非常好，项目课程也很实践。从录取人背景来看，GPA平均达到3.8，除去标准化成绩，项目本身并不集中某个行业，有来自金融，政治，经济，生物，工程，科技，电气，数学，精算等等背景的申请人。完成学业后可以选择申请PhD项目，但是竞争非常大，整体看还是以就业为主。哈佛大学 Harvard University对于Harvard统计专业需要注意2点：一是这里介绍的不是Harvard生物统计项目，其生物统计非常有名。二是确实有哈佛统计硕士，Master of Art in Statistics，但是只接受Harvard本科生和博士生，所以是不能申请的。所以想去Harvard只能申请Data Science Master项目，是统计和计算机系联合出的一个项目，同样是Top级别。芝加哥大学 Chicago University①基本信息：名称：Master in Statistics申请时间：秋only时长：1/2年学分数：NULL 有paper要求②申请要求：GPA: NULLGRE：Required (官方强烈推荐考GRE sub math考试)TOEFL：Required 90+ (IELTS 7.0)Other：3封推荐信 + PS + Resume③说明：芝加哥大学在业界名气也很大，每年招收30-40人，申请难度较大，特别喜欢GPA很高并且本科是名校的同学，平均GPA3.8左右，整个项目与前面都不一样，非常偏向consulting，这也印证了其招生的喜好。毕业生出路也主要集中在咨询公司，但是金融类，IT类也有。项目适合就业同时也很适合申请PhD，师资力量和教学资源并没有集中在一个行业，生物，金融，科技都有涉及，这也说明了整个项目的consulting style。入学后有很多的track可以选，如生物统计，遗传统计，金融统计，环境统计，计算神经，机器学习，社会调研等，最好在申请写PS时就指定一个方向。卡耐基梅隆大学 Carnegie Mellon University①基本信息：名称：The Master of Statistical Practice申请时间：秋only时长：1年学分数：Fixed课程②申请要求：GPA: NULLGRE：RequiredTOEFL：Required 100+(Speaking at least 22) (IELTS 7.5+)Other：3封推荐信 + PS + ResumePrerequisites: Two semesters of calculus based probability and mathematical statistics，One course in linear regression analysis，One course in matrix algebra③说明：CMU 统计学项目非常偏向实践和编程，CMU是计算机强校，统计系同时也受到计算机的影响，着手动手能力，申请者除去需要扎实的数学背景之外，还需要扎实的编程能力或可脱颖而出。这个项目的就业非常好，也是以就业为导向的项目，毕业生同样集中在IT和金融两个领域，校友有在Google，JP Morgan，Citibank等。与上述Top项目相同的是，其招收30人左右，但是不同的是其招收中国人较少，美国本地人比中国人多，项目中主要以美国和中国人为主，比例大概是4:3左右。从课程设置看，整个项目偏向于Data Science，没有很多的选课灵活度，课程是固定死的，这一点加上项目时长对国际生很不友好。此外，对于GRE，从录取人的平均水平来说，Math的成绩高于90%，Verbal成绩高于50%，AW高于3.5。整体上，这个项目非常不错，很适合就业为导向的同学，但是由于招收中国学生并不多每年8-15个，所以申请难度很大。约翰霍普金斯大学 The Johns Hopkins University（1）约翰霍普金斯大学①基本信息：名称：Applied Mathematics and Statistics M.A. and M.S.E.申请时间：秋季入学1.15截止，春季入学9.15截止时长：2年②申请要求：GPA: 官方建议3.3+GRE：Required (官方建议153+ Verbal，156+ Quant)TOEFL：Required 100+ (IELTS 7.0+)Other：3封推荐信 + PS + ResumePreferred background: 官方建议至少5门数学课，涵盖多元微积分等，还需要包括两个学期的analysis课③说明：约翰霍普金斯大学的生物统计学非常出名，开设在生物医学院下面，其传统的统计学院下面开设两个项目，一是统计学硕士，二是金融数学项目。根据最新统计来看，JHU统计学硕士每年录取人数在160，金融数学录取人数在221，PhD录取人数是28，JHU对录取标准写的十分详细，主要看中学生的数学和计算机背景，如需要在基础课上尽量取得高分，官方给出的课程列表是，微积分，线性代数，偏微分方程，概率和统计，宏观和微观经济学，计算机程序设计 (如C++)，金融数学的学生还需要至少两门proof-writing courses。（2）约翰霍普金斯大学 Bio-Statistics①基本信息：名称：Master of Science (ScM) in Bloomberg school of Public health申请时间：秋only（12.1截止）时长：2年（前18个月学习课程，后6个月写论文）学分数：需要thesis project毕业②申请要求：GPA：NULL (WES required)GRE：RequiredTOEFL：Required 100+ (IELTS 7+)Other：3封推荐信 + PS + ResumePrerequisites：Calculus + Linear Algebra③说明：JHU生物统计系建于1918年，是最古老的专业之一，与Harvard的生物统计学齐名，对申请者的要求非常苛刻，需要同时有扎实的生物和数学背景，对GPA非常看重，建议申请GPA在3.8左右。该系对理论较为重视，很适合继续申请博士，也适合从事业界工作。统计系主要的研究方向包括 Epidemiology & Biostatistics of Aging 流行病学和老年生物统计，Causal Inference 因果推断研究，Survival, Longitudinal & Multivariate Data 存活，纵向与多元数据研究，Environmental Epidemiology and Biostatistics 环境流行病学与统计学，Genomics基因组学，Statistical Methods & Applications for Research in Technology 统计学方法及应用，Small Area Estimation and Spatial Statistics 小范围预估和空间统计。从录取人的背景来看，主要来自传统的数学专业和生物学专业，大部分人有第二专业辅修，同时具备生物和数学的背景。由于该系开设在Public Health学院下，对医学的知识的培养也很重视，毕业生出口主要在制药公司，医院和继续深造博士。华盛顿大学 University of Washington华盛顿大学 UW Bio-Statistics①基本信息：名称：Master of Science申请时间：秋only（12.1截止）时长：18个月学分数：24个学分核心课+20学分选修课+6学分capstone(第一年之后需要参加考试)②申请要求：GPA: 3.0+GRE：RequiredTOEFL：RequiredOther：3封推荐信 + PS + ResumePrerequisites：30学分以上的数学课approximately three semesters or four quarters of calculus，which must include multivariate calculus。③说明：UW生物统计系同样非常有名，每年申请人在100个左右，录取在15-20，从申请难度看，对数学基础先修课有很高的要求，希望申请人有扎实的数学背景；有竞争力的GRE成绩应该在Quantitative 90th 以上，AW 50th 以上，Verbal 70th 以上；TOEFL分数，官方给出的建议是总分大于等于100，口语不低于23，绝大多数的申请者都是数学背景，有很高的GPA，官方给出的GPA建议是不低于3.5。但是对于三项成绩，并没有特别强制的要求，不会因为单项成绩不过关拒绝申请人。此项目与JHU生物统计类似，其capstone的设置让此项目很适合去业界工作，扎实的理论课程，也同样适合继续深造博士。UW的Capstone分为两个课程，主要培养6个方向的技能：数据分析，统计编程，consulting，写作和口语，团队合作和项目管理。整体来说是非常好的项目。耶鲁大学 Yale University①基本信息：名称：Master of Art in Statistics申请时间：秋only（1.2截止）时长：1年学分数：8门课的学习②申请要求：GPA: NULLGRE：RequiredTOEFL：RequiredOther：3封推荐信 + PS + ResumePrerequisites：30学分以上的数学课approximately three semesters or four quarters of calculus，which must include multivariate calculus。③说明：Yale统计系与前述相比其实并没有非常出名，但是学校综排高，名气大，招生少的特点加大了项目的申请难度。每年申请人数在350人左右，录取率10%左右 (最终入学人数10人左右)。官方没有给出对于GPA，TOEFL和GRE的最低要求，GPA建议在3.5以上，托福105左右，GRE325左右。南加利福尼亚大学 University of Southern California①基本信息：名称：Master of Science in Statistics申请时间：只接受秋季入学2.1之前时长：General 2年学分数：30②申请要求：GPA: 官方给出平均GPA3.8GRE：NULLTOEFL：100+Other：2-3封推荐信 + PS + Resume③说明：USC的统计学项目也很有名，开设在USC Dana and David Dornsife College of Letters, Arts and Science下面。比较偏向理论，但同时也开设了实践的课程，学生可以根据个人爱好来选择不同专业方向的选修课，毕业后可以去业界工作，也可以继续攻读博士学位。