最近我想以我这么久的申请经验和相关方向的从业经验，和大家聊一些关于申请，关于留学方面的话题。那么今天我们就从一个最基本的话题聊起，也就是我对机器学习感兴趣，我到底应该申请什么专业。

 

在我当年申请的时候，我就是一个对机器学习非常感兴趣的大四的学生，我自己是工程加一些控制理论和运筹的专业背景。我当时申请了DS，CS，统计，运筹，MSE还有CSE，非常多的方向的很多专业。 那么从现在回国去看我当年的申请，我觉得我的策略问题不大但是还是有很大的改进空间。

问题不大指的是，这些专业大多数都开设机器学习相关课程，有些还有data的track和机器学习挺沾边的，对于想做ML的人来说，还是可以申请的。但是如果现在让我重新选择的话，我可能不会这么来给自己选校选项目。

 

为了更好得回答这个问题，我们先来介绍两个背景知识。

 

第一，北美目前机器学习相关的硕士可以大致分为三类。第一类是计算机类/CS项目。随着机器学习近几年越来越火爆，越来越多计算机硕士项目开设了ML或者AI方向的track或者concentration。第二类是数据科学/DS类的项目，近几年虽然DS项目越来越多，但是申请难度却日益加强。最后是其他类项目，比如统计/OR/Management Science and Eng/CSE/IS/EE。这些项目为了与时俱进，在课程设置的时候往往都会安排一两门机器学习相关的课程。

 

第二，北美目前机器学习相关的岗位大致可以分为三类。第一类是以发论文为目标的researcher岗位。第二是机器学习工程师Machine Learning Engineer或者Software Engineer, Machine Learning。第三就是数据科学家Data Scientist或者应用科学家Applied Scientist。

 

这三类岗位中，第一类岗位不是Master的目标岗位，我们来重点讨论第二类MLE和第三类DS岗位。首先，并不是所有的DS都是与机器学习相关的，这个今后我们可以细说。这就意味着，市面上绝大多是的机器学习类的岗位，其实是Engineer岗。例如Google，Facebook，LinkedIn等公司，都是以MLE为主要的机器学习岗位。所以如果之后想以机器学习为职业发展方向，那么MLE是一个机会更多的岗位。如果本身对于做Engineer并不感兴趣，例如微软或者Amazon的Applied Scientist以及很多金融企业或者传统企业，也提供了一些ML相关的工作机会。但是需要注意的事，applied scientist的面试，也需要和engineer一样面coding。

 

通过以上的分析，我们可以看出，学ML Track的CS毕业生，有着相对轻松一些的就业前景。或者这么说，如果你能应付的了engineering的coding面试，数据结构与算法面试的话，你能申请的岗位量应该是最大的。

所以我如果重新选择留学项目的话，我会选择百分之50的份额用来申请有ML track的CS项目，有很多CS/ML项目其实是转专业很友好的不一定需要cs的学生才能申请。然后剩下百分之50申请相对比较硬核一些的DS项目，它们往往也有很好的ML课程，同时很多DS项目有给你选择CS课程的机会。

 

以上就今天的分享，最近到了留学季了，大家如果有任何留学相关的问题的话，欢迎分私聊我们免费咨询。我们下期再见。