top of page

​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!

培養皿

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。

bottom of page