yale大学硕士项目sds（统计和数据科学项目）和cmu硕士项目machine learning怎么选择？

yale大学的硕士项目sds（统计和数据科学项目）和cmu的硕士项目machine learning怎么选择？从就业和继续升学两方面来看。谢谢

首先，耶鲁的MS Statistics and Data Science项目隶属于GSAS（Graduate School of Arts and Sciences）学院下的统计与数据科学系（Department of Statistics and Data Science），定位就业与科研兼顾，时长1.5年，毕业后可以作为visiting student在第四学期继续上课。

系里还开设另一个MA Statistic项目，时长一年。两个项目一起招生，可以灵活转换，MA+MS每届的cohort size共15-20人。系里的课程质量很高很深入，workload较大，很多课都有weekly assignment，作业也有一定难度，不过office hour很多，TA也都很supportive。

因为选课灵活，对各个方向感兴趣的同学都能学到想学的东西，想找工的同学可以选一些简单的课来达到时间上的取舍，想未来攻读PhD的同学也有很多RA机会。此外，统计系楼上的Institute for Foundations of Data Science每周会有校外的教授和专家来开seminar，是了解学界和业界前沿的好机会。

其次, CMU机器学习硕士课程需要6门核心课程、3门选修课和一门实习，开设在计算机科学学院下面，众所周知，CMU在科技方面成绩斐然，计算机科学全美第一，人工智能全美第一。

CMU计算机学院（SCS）下设7个系，其中知名的机器学习系（Machine Learning Department）是全美当之无愧的机器学习最前沿的院系之一，该系的教授在机器学习领域享誉世界，包括6名AAAI研究员，4名ACM研究员4名IEEE研究员，并因其在机器学习、机器人学、人工智能、统计学和计算机科学领域的持续贡献而受到认可。

因为耶鲁的SDS和CMU的ML都是相应专业里的最为顶级的硕士项目了，这两个项目都是人数不多的小项目，入读的学生也都是相关专业最为顶级的学霸，课程本身理论性都很强，无论就业还是读博都有很多的机会，那我觉得对于学生来说需要考虑好自己未来专业发展的重点是想在统计学领域还是机器学习领域里。

虽然统计学是机器学习里很重要的一种理论方法，但统计学和机器学习两大专业还是有明显的侧重不同的，统计学关注寻找不同变量之间的相关关系以及可解释性，而机器学习的探索重点在于借助统计学以及其他数学模型方法去建立可反复预测的数学模型，可预测性是第一位的，可解释性并不重要。

所以，这两个学科有各自探索的重点，也有交叉性。因此，我觉得弄清楚两门学科学术侧重是选择这两个项目最为重要的考量，这个也会直接决定未来在那个领域里会进行深入探索。当然，如果只是读一个硕士就就业了，做这样的思考和探索其实也就没必要了，仅从就业角度来说还是建议CMU的项目，业界口碑和career service都是最为顶级的，但是如果考虑将来读博，那以上的思考就十分必要了。