纯文科出身、编程零基础的 Coli 刚开始转码硕士生活没多久，已经苦不堪言：
数学统计基础远远不够
别人已经在盖楼，我却连地基都搭不好。R 语言里单拎一个 function 出来，我都不知道是啥！
需要在短时间内速成多种编程语言
同学大部分都具有相关本科背景，甚至已经有较高的水准。而我因为缺乏基础，需要短时间内快速掌握 Python、R 语言、SQL、AI 等知识，甚至还要掌握 JavaScript 和 html 这些……
拼命想跟上大家的进度，却依然很吃力
老师会默认很多知识点大家都已了解，因此上课的进度非常快。即便我在课前课后花了很多的时间预习和复习，这些东西依然在我脑子里糊成一团！
真的太痛苦了，感觉上课就是听天书，时刻担心自己能不能毕业，并且彻底打消了毕业从事代码工作的想法！
其实，并不只有 Coli 一个人遇到这样的困境。
在幸存者偏差的作用下，我们总是看到转码成功人士的励志故事。但在转码的大热潮之下，很多不了解、甚至不喜欢、不擅长这个方向的人，也选择跨领域去学习 Computer Science、Data Science、Business Analytics 等专业。
且不说纯文科背景在数理基础上就遭遇难题，生化环材想要转码也同样存在巨大的跨度。
包装一下经历和文书拿到了 offer，读起来吃力，真是谁难受谁知道_(:з」∠)_
Business Analytics
（偏 Business 类，通常开在商学院下）
常见分支：
Customer Analytics, Healthcare Analytics, Supply Chain Analytics, Financial Technology Analytics, Marketing Analytics
参考院校：UT Austin, Rochester, MSU, GWU
BA 专业核心是数据挖掘和数据分析，与现在的互联网及大数据（Big Data）相联合，主要是利用高深的技术、模型和算法进行数据挖掘和商业分析。
主要是由 MS in Statistics 下的 Applied Statistics 分支发展进化而来，其理论基础是统计学，也包含了 Data Mining 和 Regression Model 的运用。
总课时数大约 12-16 门课。
1-2 门 leadership/project management，还有 7-8 门是数据分析相关的核心课：
一门结合编程语言的统计课
会涉及 Python、R、SAS 三种语言中的一或两种。
提供一门入门的编程课
为背景不够强的学生开设。
Database Management
主要用到的语言是 SQL，有些学校也学 MS Access，学习数据录入、抓取、filter、排版、获取均值最大值。
Data Mining
在统计和编程语言学习之后，针对不同的数据类型分类、预测（这是两种最常见的分析手段）。两种分析手段下有不同的模型，结合不同的数据应用不同的模型。
机器学习/高级数据挖掘
基于数据挖掘，但是学到的模型更加复杂一些。针对的数据多样性更多，数据量更大，数据本身的计算方式更加复杂，对数据要求更高。
时间序列
内容包括 Arima，预测时间序列，应用在金融、天气气候的数据。
更高级、predictive 的 model
时间序列中有 distribution，结合 data mining，有专门的 predictive analytics 的课程。
Optimization 模型的最优化
涉及随机过程，包括 Stochastic Process。Optimization 中有不同的方式，不同的模型有 ES 不同的最优解。
统计学相关先修课：
Calculus I and II
Linear Algebra
Statistics
Probability
Econometric
Tools:
SAS, Stata, MatLab, R, S-Plus, Mathematica. Python, etc.
学校希望你具有一定编程基础，会用一些数据处理软件，但相对 CS 或 DS 来说要求是低的，不必熟练掌握 programming；甚至很多学校的 BA 项目十分包容，即便没有编程或数据处理软件的相关知识，让学校看到你的学习能力也是可以的。
Business Analytics
（偏 Tech 类，通常开在工程学院或信息学院下）
常见分支：
Analytics on the Cloud, Algorithms and Data Analysis, Systems Analysis and Design, Machine Learning
参考院校：Northwestern（工程学院），CMU（信息学院）
设置在工程学院或信息学院下的 BA 项目相对偏 tech，更贴近 Data Science 方向，对数学背景和计算机背景要求都很高。
BA 项目的核心课程大同小异，但选修课却各具特色：BA 是跨学科的专业，师资来源于不同部门，因此选修课往往依赖于商学院或者学校本身的强势学科。
例如 CMU 的 CS 方向很强，选修课就主要以 CS 和 Stat 为主，例如 neuro network, natural language processing, information security，侧重在 analytics 和 tech，更有技术含量。
除了前文提到过的统计学背景和基础数据处理能力，最好也要掌握Computational Programming 方面的内容：C/C++, Java 等。
投行、四大、咨询、科技公司等。回国发展的毕业生发展更加多样化，可以去技术岗，也可以做咨询或市场，去 VC / PE 的也不少。
热门职位：
1. 金融：可以成为前台 model tester 或者后台 risk control；
2. 咨询：非常典型的就业方向解决不同行业的问题，着重 problem solving 的能力，翻译成数据能够解决的问题，反馈给客户；
3. 市场营销和市场分析：比如淘宝用户数据分析；
4. IT，互联网：网站维护，用户浏览等 hidden insight 数据。
Data Science
数据科学主要是学习一些成熟的数据分析方法和工具，学习跟数据分析相关的编程技
术，在工作中帮企业分析商业数据、市场数据、运营数据，或者帮金融机构分析金融数据，做投资决策等。
主要研究内容分以下三类：
1. 描述性分析（Descriptive Analytics）：分析数据找出过去事件的特征和正在发生事件的趋势。
2. 预测性分析（Predictive Analytics）：分析数据来预测未来可能发生的事情。
3. 决策建议性分析（Prescriptive Analytics）：分析数据来找出最佳措施、取得最优化的结果。
大部分 Data Science 项目都设置在 Engineering 学院下或独立成院，相比于 BA 更像一个完整独立的学科，集统计学、数据分析、机器学习等学科为一体，并且正在迅速发展形成体系。
以哥大的 DS 项目为例，必修课程如下：
STAT W4203 PROBABILITY THEORY
CSOR W4246 ALGORITHMS FOR DATA SCIENCE
STAT W5703 STATISTICAL INFERENCE AND MODELING
COMS W4121 COMPUTER SYSTEMS FOR DATA SCIENCE
COMS W4776 MACHINE LEARNING FOR DATA SCIENCE
STAT W4701 EXPLORATORY DATA ANALYSIS AND VISUALIZATION
ENGI E4800 DATA SCIENCE CAPSTONE AND ETHICS
涉及方向：algorithms, machine learning, computer systems 等
如果没有编程基础，读起来会很吃力；但相较于传统的 CS 专业，DS 对于编程的要求没有那么高，主要差别在代码量以及对系统的理解。
数据科学一般编的程序不会太长，很少有那种一个模块几万行代码的项目，一般都可以划分为比较清晰的小功能模块，很多时候几百行代码就可以干很多事情，而且不涉及到底层操作系统、文件系统、服务器这个层面的编程。对于擅长数学和逻辑的跨申党，还是比较友好的。
而且，在数据科学领域，大家比拼的一般不是谁的程序运行效率更高，而是谁能提出更好的利用数据解决问题的方案，因此程序本身的实现一般不是重点。
这些专业的申请者更有优势：
Computer Science/Technology, Information Systems, Engineering, Math, Statistics, Economics, Business Management, Finance, etc.
先修课：
①计算机课程和技能：计算机导论， SQL, Database, Programming, C/C++等；
②数学背景：微积分，数学建模，线性代数，概率论等。
③有的学校还有特殊要求，比如西北大学希望申请人上过 Java 课程等。
大多数项目倾向于录取数学或者统计等计量学科背景的学生，同时希望申请人有软件编程基础、会写程序分析数据。如果仅上过高数、线性代数、概率统计这三门理工科基础课程的话，那你的背景是不够的（尽管有机会拿到录取）。
如果怀疑自己的能力是否足以应付课程，强烈推荐你在国内的小象学院或国外的 Coursera、Udacity 等平台先修读一下 DS 方向的网课，亲身体验更有说服力。
制药业、计算机软件、互联网、科研、IT 技术服务、生物技术，都是对大数据专业人才需求最为旺盛的行业。
主要的职业方向有以下四种：
a. 数据科学家（Data Scientist）
就业领域：云端大数据及企业大数据分析
岗位需求企业：数据分析研究所，亚马逊，IBM，谷歌，Cloudera，微软，Facebook，Bloomberg等
b. 数据工程师（Data Engineer）
就业领域：云端大数据及企业大数据分析系统运营商、数据分析软件开发公司
岗位需求企业：亚马逊，IBM，谷歌，Cloudera，微软，Cymer，Uber，3D systems 等
c. 数据分析师/统计师（Data Analyst/Statistician）
就业领域：云端大数据及企业大数据分析
岗位需求企业：亚马逊，IBM，谷歌，Cloudera，微软，Cymer，Uber，3D systems 等
d. 商业/金融分析师（Business/Financial Analyst）
就业领域：企业商业、金融大数据分析
岗位需求企业：亚马逊，IBM，戴尔，四大，微软，Cymer，Lytx，Insurance，Uber，沃尔玛等
Computer Science
计算机涉及的领域非常广泛，其分支学科也是非常多。目前中国学生申请美国研究生主要方向有以下这些：
1. System Security, Information Security 系统，信息安全
2. Software Engineering 软件工程
3. Artificial Intelligence 人工智能
4. Computer Vision 计算机视觉
5. Machine Learning 机器学习
6. Database 数据库
7. Human Computer Interaction (HCI)人机交互
8. Computer Network 计算机网络
9. Theoretical Computer Science 计算机理论
了解 LIST、ARRAY、TREE等计算机基本知识，同时掌握一些基础入门课程，包括数据结构，计算机组成原理，C++/Java 等。在此基础上可以根据自己的能力和情况补充其它的相关课程，比如 networks, operating systems, database, Software Engineering 等。
CS 专业就业方向较为广泛，例如进入 IT 行业担任软件开发工程师、数据库开发工程师、算法工程师等；金融等行业的算法工程师、分析师等也是常见的选择；其他很多公司或机构都需要招收计算机背景的学生，提供各种技术支持。
不过，计算机任何方向毕业之后的最大出路基本就是去写代码做软件开发，虽然工作的 title 可能各有不同，但是工作性质都是类似的，基本属于殊途同归。
除此之外，具备计算机相关背景知识，可以一样去做商业分析、管理信息系统、人工交互和数据科学这类新兴方向。
总而言之，转码这条路没有你想得那么光鲜，道阻且长。
你如果选择了这个方向，势必要比别人付出更多的努力、经历更艰辛的留学生活，未来更是要在这一领域长远地发展下去。
所以，别管父母、中介、朋友再怎么劝你“转码”，我建议你提前问问自己：
我是否真的喜欢需要写代码的工作？
是否真的喜欢每天和数据打交道？
是否真的对日复一日的建模和挖掘抱有热情？
希望你不要盲目跟风转码热，每一个决定都不后悔，因为——
做合适的选择，我们的努力才有价值。
如果你：
依然坚定且明确想转码
想了解哪些项目最适合我？如何充分准备？
or
打消了转码想法
想知道还有什么方向，发展前景一片光明？