耶鲁大学Stats-DS硕士项目介绍

　　一、课程要求

　　耶鲁大学Stats-DS硕士项目需要12学分，平均成绩达到HP且至少两门课是H。在课程安排上理论和应用兼顾，项目希望学生在广泛的方向得到训练，选课很灵活，丰俭由人，可以根据自己的背景和兴趣选择不同领域和深度的课程，选课前需要咨询DGS(Director of Graduate Studies)并获得批准。

　　系内开设的课程主要在统计理论(贝叶斯理论、决策理论、非参数统计)、概率论、随机过程、渐近学、信息论、机器学习、数据分析、统计计算和图形方法等领域。

　　同时也鼓励学生选修系外的课程，很多同学会去上CS、Engineering、SOM的课。此外，每学期有Data Science Project Match会议帮助同学们寻找project或RA机会，还会有全校范围内的教授来做presentation，如果加入项目可以作为Practical Work计入学分。

　　二、项目师资

　　1. Harrison Zhou

　　Harrison Zhou是统计理论领域的大佬，也是耶鲁统计系的前系主任，开设Statistical Inference和Decision Theory课程，他的研究兴趣主要在Asymptotic Decision Theory, Shrinkage Estimation, Wavelet Regression。

　　Harrison讲课深入浅出，可以不带讲稿徒手在黑板上讲复杂的证明，也可以把每个推导背后的intuitive idea讲得十分清晰。

　　2. John Lafferty

　　John Lafferty教授的研究领域是机器学习(学习算法和高维数据的计算和统计方面)、人类语言建模、神经科学应用。他领导Statistical Machine Learning Group，同时也是Wu Tsai Institute下Center for Neurocomputation and Machine Intelligence的主任。

　　他开设Introductory Machine Learning和Intermediate Machine Learning两门课程，其中Introductory系统地介绍了机器学习的基本方法和概念，侧重intuition和应用;

　　Intermediate介绍了一些比较现代的机器学习方法，包括一些deep learning和reinforcement learning话题，作业会有理论推导和coding两方面。

　　3. Jas Sekhon

　　Jas Sekhon教授的研究兴趣主要在因果推断、机器学习、社会科学领域的应用，他同时在Bridgewater担任Head of Advanced Data Science。

　　Jas讲课风格幽默风趣，会举很多生动的例子帮助理解模型，他开设的Applied Machine Learning and Causal Inference Research Seminar介绍因果推断和LLM的最新进展，让学生获得LLM的实践经验。

　　三、就业辅导

　　耶鲁大学Stats-DS硕士项目的同学大部分选择毕业后工作，小部分继续读PhD，就业方向包括DS, MLE, SDE, Quantitative Researcher等等，往届毕业生都找到了诸如Meta, McKinsey, 2 Sigma等的不错的工作。

　　学校的OCS(Office of Career Strategy)提供很多求职相关的workshop和一对一的咨询，包括改简历、networking技能、面试技巧等等，也会经常举办不同行业的career fair，许多知名公司会来学校开info session和campus event。

　　同时，Yale Career网站数据库里可以联系到各个公司的recruiter和在职校友，Yale Cross Campus的mentorship program每学期会根据你的需求匹配校友当你的mentor。

　　除此之外，系主任会经常在mailing list里转发他个人收到的招聘信息和邮件，想找CS方向工作的同学也可以加入CS系的job mailing list。

　　以上就是耶鲁大学Stats-DS硕士项目的相关内容。如果您对美国留学感兴趣，欢迎您在线咨询托普仕留学老师(Tops6868)。托普仕留学专注美国TOP30名校申请，采用5v1服务模式，21步精细服务流程，硬性四维标准+六维背景提升等留学服务体系，为学生申请美国名校提供保障。