1.什么背景适合申请DS?
1.1.专业背景:
如果你的本硕专业涉及到计算机，电子工程(偏软件方向，例如信号处理，人机交互，移动计算，模式识别，无线通信等等，微电子，电磁场不能算)，统计，信息管理，信息系统，工业工程，运筹学，系统工程，应用数学，数据科学，会计，金融工程，保险，精算等等都可以申请。
1.2.职业背景:
如果你的专业与以上所说并不是很吻合，但是实习或者研究经历中包含数据分析的内容，经过经历重塑后，都可以作为申请的利器!
2.DS和BA区别在哪里?
DS更侧重利用统计学模型(包括经典统计，机器学习模型，深度学习模型)进行建模和分析，即获得数据后利用合适的算法进行量化分析并且得出一定的统计性质结果，数据场景广泛，金融，保险，语言，科学都包含。BA一般而言，50%是和DS交叉的课程，50%会讲授商业性质课程，把Data analysis放进特定的商业背景。BA对Data背景的要求相对偏低，可以只会基本的编程和基本的proiect经历，纯商科也可以申请。DS相对对数学和coding要求比较高，但不是说没有就一定不会成功，例如罗切斯特DS不需要Data背景也可以申请。
3.DS和很火的Machine Learning是什么关系?
Machine Leaning是分析数据的一种手段，是DS现在很火的一部分。但是通常的DS MS项目强调具体场景选取合适的算法进行应用，通俗来说，DS是有assumption的一种分析手段，分析者知道具体场景后知晓如何进行数据处理和算法调用。
CS中研究ML也有一部分和DS重合，另一部分是研究具体算法改良和创新，这通常不是硕士的教授任务。学会机器学习，深度学习，自然是对DS背景的加强。
4.DS文书有什么需要注意的地方?
4.1. Personal statement & Statement of Purpose不能所有学校套用一份!
解析:每个学校的DS都有自己的侧重之处，比如哥大的DS相对课程更基础化一些，需要叙述时候强调自己的研究特质。西北的MSiA强调商业转化，成稿脉络应该侧重场景泛化。罗切斯特DS转专业友好，更要阐发自己对DS的起源和动力。万能套用只会被万千大军淘汰!
4.2 我没有Data背景，文书怎么写?
a.选取经历中数据处理的一些case深化，即使只是简单的excel处理，强化数据科学的思维:
b.切忌流水线叙述，即使没有背景也要强化自己的数据科学的起源和认知。
