如果你在考虑美国读统计

楼主在国内本科读数学，申请到美国读统计硕士，硕士毕业后继续读统计博士。期间也一直在关注美国统计专业在美国业界找工作的情况。想把多年来的所思所想分享到地里，希望能给正在申请的同学一些参考，也希望大家能分享自己的经历与思考。

一、就业

统计的主流就业方向大概有如下几种：

1. 各种公司的data analysis (有些公司会叫data scientist)，比较传统的职位，个人感觉主要是做汇报分析的。
2. 金融公司的quant等。
3. 科技公司的data engineer。
4. 科技公司或者其他大厂的ML engineer 或者有些公司的data scientist职位。和1类型的的不同之处在于，这些职位负责的工作是基于数据的产品开发的核心，比如ads ranking, news recommendation等等。
5. researcher，业界or学术界。
   

根据我对身边硕士毕业同学去向的观察，大部分硕士毕业的同学毕业时主要找到的还是1类型的工作，其中能去FLAG的做偏data scientist也不能算多。但是几年以后有机会跳槽到大厂，不过我没有看到在业界工作几年直接从1 类型的analyst直接转型成4类型的data scientist。

博士毕业的同学去2，4，5的都有。

硕士和博士在就业方向上比较不同。对于2，4，5甚至于3的工作，对于new grad有些大厂会明确表示要求PhD，而有一些，虽然没有将之设为硬性要求，但会声明虽然没有学历要求但是需要有相当的研究经历。因为我在读硕士的时候想找4类型的工作，处处碰壁，最后转而申请SDE，同时也萌生了申请PhD的念头。

二、科研

统计系同学做的科研类型挺多种多样的。我觉得大概可以分成以下几个方向：

1. 应用统计。
2. 理论统计。
3. Learning Theory。
   

应用统计：比如说做偏生统的project，或者做统计天文学的。我觉得这种类型的project特征是先有数据，再考虑一个模型，或者说设计一种方法。评价工作的好坏主要看empirical的结果，不过作为统计系的学生可能会把重点放在介绍自己的methodology上面。

理论统计：这种类型的research特征是先有一个统计模型，试图去estimate一些东西。主要工作是在理论上解释一些经典estimator的性质，或者自己提出一个算法并且理论上证明自己的estimator的性质。

Learning Theory：ML，RL，DL的学习理论都有人做。都是在自己的框架下提出模型，然后分析关心的量的理论性质，或者说某个算法能guarantee怎样的结果。