美国生物统计研究生回国就业如何？
在美国读的msbi，同学有继续做data science的，有做quant的，有做risk的，还有做healthcare的。 回国后都在北京找的工作，数据科学和quant在北京比较好找工作，risk和healthcare相对比较难。
生物统计这个title在美国好点的大学是跟data science挂钩的，一般学的内容也是data science的内容，所以回国就业也可以往data science上靠一靠，找个大数据的相关工作。 但是！注意！美国的生物统计是statistics下面一个细小的分支，回国就业不能按statistics的title来报，因为国内对statistics的理解就是传统的概率统计，而不是data science，这样报上去很可能石沉大海。正确的方式应该是按生物/生命科学下面找相关的岗位。
这里就涉及到两个问题，一个是美国的bio统计和中国bio统计的区别，另一个是美国学来的data science和国内data science的区别。 我个人来说，我是觉得中国的data science比美国更先进一些。首先因为中国互联网发展的比美国快，所以互联网数据的体量在中国要比在美国大很多，因此产生的对于data scientist的需求也要比美国高。另外中国对于数据隐私保护这方面做得不够，所以很多好的数据在国内是不能直接使用的，必须经过处理才能使用，这就会迫使中国人更加深入地学习算法，而这也是美国data science学生比较引以为豪的地方——他们普遍都很热爱搞模型。但model毕竟只是工具，最后能不能用起来还是看业务理解。
而中国在这方面反而是领先于美国的，毕竟中国有蚂蚁金服这样的公司，他们的业务逻辑是非常深刻的，而且也愿意教给员工（比如我的同事）。所以如果回到美国再重新学，其实已经不如在中国学了。当然，美国学出来data science的title还是很能糊弄人的。
至于美国人学的data science和中国data science的区别，那可真是太大了。 拿我最爱的ml课程举例，同样是做classification，同样是用logistic regression，老师会在课上不停地灌输他对于model的想法和要求，以及为什么这么做的原因。而我们之前的学习过程中早已经习惯了按照老师的路子来做。所以从课堂讨论到作业完成，所有人都是method A、B、C都试一遍。而美国学生的想法往往是你为什么不试试D？于是就有了各种各样神奇的思路。
当然结果可能是A最好，也可能是C最准确，但是过程一定是千奇百怪的。这种上课学到的方法下课立刻抛之脑后自己摸索出另一套方法的过程也是很有意思的。