eth數據科學博士

⑴ 瑞士ETH的博士對申請人本科績點有要求嗎

兩種情況:
你們學校在國際上有一定影響力，演算法能被美國學校普遍接受，那你只能使用你們學校的GPA，學校計算時不去掉也沒辦法。如果政治考的很差的話可以額外附一份GPA核算，註明捨去政治。
如果學校影響沒那麼大，可能你申請的學校會用他們自己的辦法核算你的成績。算不算政治要看他們了。
無論是哪一種，一般情況下都是無所謂。讀博看的首先是你的科研經歷和研究成果，其次才是GPA，gpa的話，專業Gpa要比總Gpa更重要。錄博士不像錄碩士，老闆會看申請者的每門成績。當然確實有連政治分都比較的奇葩老闆，但大多數是不會在意政治的，甚至同狀況挑政治分低的學生。
一句話說就是沒必要在意這個，如果學校要只計算有政治的是沒辦法的，實在太低可以額外附上去政治的Gpa。

⑵ 做數據科學家，碩士和博士學位有啥區別

讀了前面關於數據科學的文章
，相信你也能明白，拿到博士學位，更有利於做data scientist。
比如同樣是學統計出身的，作為master你可能做的是底層工作，接觸不到太多核心的東西，工作基本內容可能就是用SQL倒騰數據、在R 裡面做點初步處理，而PhD們職位起點高，上來就是做統計分析、建模等高級工作。這個跟統計/生物統計的master和phd出路也類似：前者很典型的工作是SAS programmer，後者直接是statistician or biostatistian，可以參考Warald以前的一篇貼子《
統計和生物統計碩士博士出路比較
》，盡管Data Scientist是個新職業，但是道理大體一致。
同樣是學CS出身，master們成為軟體工程師，做的是底層的實現，尤其是公司的新人，系統框架早由高手們搭好了，來了coding的活你就去做，你考慮問題的范圍很小，就是如何寫好你負責的code 。而PhD們，可能是Research SDE、Applied Scientist/Researcher（這個是微軟的title），跟其他的組合作來實現核心的Machine Learning或者Information Retrieval系統，一般都被要求能獨立思考，能針對一些問題提出自己的想法和解決方案，老闆也很鼓勵你去創新、會給你自由讓你探索新的project。
另外，越是技術上比較先進的公司，往往越是傾向於招收博士，提供的職位也更高級，待遇更高。如果是碩士生，往往得有幾年工作經驗才會被考慮 – 剛畢業的碩士，無論哪個專業的，只是修了些碩士層次的課程，可能達不到公司的要求。
Joyce不做SAS programmer，成為market research analyst
。Warald這里想強調的是：PhD們機會更多，概率更大，在Data Scientist這類職業上，遠比master有優勢。
如果你是master學歷，拿到多個job offer有得選擇的話，建議考慮一下長遠發展，比如一個大公司讓你去用SQL倒騰數據，給8萬美元一年，另一個公司讓你做統計分析，給7萬一年，Warald的建議你從了後者，對工資、公司名氣不滿意的話，過兩年跳槽就是了。

⑶ 大四生物在讀，做神經科學方向，瑞士ETH和EPFL有什麼博士項目可以申

ETH和UZH合開的研究生院有生物博士項目，其中有International PhD Program in Neuroscience不過本科生不能申請，需要有碩士學歷，如果本科成績出色，可以申EPFL的博士項目PhD Program in Neuroscience (EDNE)，EPFL還有Doctoral Program in Molecular Life Sciences (EDMS)和Doctoral Program in Biotechnology and Bioengineering (EDBB)生物方向的博士項目，可根據自己的方向，先選擇合適的導師和課題。

⑷ 大數據專業難學嗎聽說要用到博士級別的知識，大學幾年能學的好嗎

大數據開發入門相對比較容易，要有JAVA、python等編程語言基礎，具體深入學習中，例如大數據科學家，要精通包括信號處理，數學，概率模型技術和理論，機器學習，計算機編程，統計學，數據工程，模式識別和學習，可視化，不確定性建模，數據倉庫，以及從數據中析取規律和產品的高性能計算等多方面知識。