斯坦福大学Stats

课程设置

斯坦福大学Stats MS下细分Statistics track和Data Science track。Data Science track和ICME 下的Data Science program课程设置是相同的，只是ICME下的data science program有更方便的转PhD途径。

Stanford Stats MS program毕业需要45 units的学分， 其中36分需要letter grade， 一般5-6个quarter可以修完。

Stanford选课不紧张， 想选的课基本都能选到，有些热门课在不同quarter都会开设。

Stats 200开头的课偏应用， 而300开头的课偏理论推导。CS课对数学理论推导和编程都有较高要求， 作业workload比较大。Graduate-level课程给分大多都很generous。

课程师资

1. Andrew Ng

Andrew Ng是人工智能领域的大佬。

他还是在线教育平台Coursera的联合创始人之一，该平台提供了广泛的课程，特别是在机器学习和人工智能领域。Andrew上课风格深入浅出， 注重数学理论推导。神课CS229在youtube上有视频。

课程：CS229: Machine Learning.

职位名称：Adjunct Professor at Stanford University.

研究领域: machine learning, deep learning, machine perception, computer vision, and natural language processing.

2. Jure Leskovec

Jure Leskovec是Pinterest的首席科学家， 也是数据科学和网络分析领域的领军人物。

推荐上他教的CS246: Mining Massive Datatsets, 内容主要是different ML algorithms are applied to data at scale，这节课同样也是很强调math.

课程：CS246: Mining massive datasets.

职位名称：associate professor of Computer Science.

研究领域：applied machine learning and data science for large interconnected systems.

3. Trevor Hastie

Trevor Hastie是一位著名的统计学家，他在统计学界特别以其在统计学习、数据挖掘和生物统计学领域的贡献而闻名。

Hastie教授对统计学习的方法和理论做出了深刻的研究，特别是在预测建模和监督学习领域。

他与Robert Tibshirani和Jerome Friedman共同撰写的书籍The Elements of Statistical Learning被广泛认为是统计学习领域的经典教材。

此外，Hastie教授在生物统计学领域也有显著的贡献，特别是在基因表达数据分析和生物信息学方面。Trevor还是Data Science track的advisor。

职位名称：Professor of Statistics/Professor of Biomedical Data Science.

研究领域：applied nonparametric regression and classification, statistical computing.

就业情况

Stats program学生可以参加秋季和春季的career fair, 有很多大厂和硅谷startup的recruiter会参加。同时学生也可以参加ICME下的Xtend，一些热门参与公司包括Microsoft, PayPal, BCG X等。

Xtend会提前征集所有candidate的简历compile成CV book给recruiter看。Xtend还会帮你pair up with companies, 如果有company对你有兴趣会给onsite interview。

除此之外email也会经常收到startup的intern opportunity, 感兴趣的可以自己follow up。尽管项目资源丰富，但找工作其实主要还是靠自己networking。

Program发过一个内部shared的就业统计，少数同学毕业后会继续读phd, 其余同学就业方向包括Data Scientist, Research Scientist, SDE, Product Manager等。