​放大你的選擇：從北醫到NYU Data Science

Ms. H 台北醫學大學 醫學檢驗暨生物技術 3.88/4.0  T106 G324
 
Admissions:
New York University     MS in Data Science
Johns Hopkins University     MS in Bioinformatics
University of Michigan- Ann Arbor     Master of Health Informatics
Carnegie Mellon University      MS in Health Care Analytics(獎)
Duke University     MS in Interdisciplinary Data Sciences
Columbia University​     MA in Biomedical Informatics
                                                                      
顧問的話：

從生科轉DS，也許你不孤獨。如何讓學生的生科背景變成申請DS有利的武器？

生物，醫學相關背景和DS有著密切交集。往小的來說，用機器學習去預計生物生長、病情發展、藥物作用；往大的來說，用數據模型去模擬流行病規模、生物動態更迭。從申請的現實面來說，許多學校的Computation biology和 Bioinformatics 碩士學科就是CS下的一個分支。看似很複雜的領域，但卻是英萊教育輔導的強項。

在顧問的建議下，H同學一邊全職上班一邊上學分課，時間要合理分配才能在短時間內達到最佳效果。學校和科系的選擇也在豐富自己底牌之後有更多選擇，但是由於科系的跨度，申請文件的準備也需要針對科系去做大幅度的客制化。H同學本身的努力，讓她成為這一行的佼佼者，讀書計劃中要寫到DS+醫療是如何達成1+1>2的效果，文章才有說服力。

如果你足夠優秀，與之相應的學習能力，不管放在哪個領域，都能獲得同樣的成功！

學生心得：
​

我大學是醫檢畢業的，在想申請DS前，雖有自學線上的程式課程，加上學校一些資訊課程，但自己的履歷上難以表現有相關的實作經歷和相關數理背景。在聽Tina的建議後，決定不急著去申請，而是花時間去補足這個背景，進而去北科進修一系列學分課程 (ex: 一學年的微積分, 線性代數,R,程式設計應用,資料結構等)。有了學分課，更能說服學校我有DS的底，而原來的醫療背景(醫檢畢業)也不再是個缺點，反而能突出自己擁有“特別”的就學經歷。

在申請過程中，Tina願意給予一針見血的指導，讓我願意悶著頭努力補足經歷，這一點非常感謝:)， 英萊教育也提供選校的背景資訊, 很多申請的Requirement是Tina補充給我的，讓我有個準備的方向。準備過程中，迷茫的時後給予我方向去了解什麼是自己會想要的職業。透過雙方以及自我對話的過程，我對自己未來職業的想法又更清晰了。在遇到面試時，Tina協助我準備面試的應答，有效提供面試官的角度讓我得以自信面對。

 
雖然顧問會給予努力方向，但是資源和機會是需要自己努力爭取得來的。舉例來說，為了讓自己履歷更有競爭力, 一定要有類似capstone project的經歷。在準備申請期間，我找了醫療AI社團的學長姐介紹相關專案嘗試做一回並第一次寫出論文。

 
我會推薦英萊教育給其他朋友， 在看不到前方的時候，顧問就像是霧燈一般，提供未來出路的資訊。