芝加哥大学计算社会科学硕士项目
就读于该项目的Sylvia老师认为如果你还不太确定自己未来要做什么，想多一些时间探索，同时喜欢大城市以及高性价比的生活，那么MACSS至少对你来说是一个好项目。
话不多说
一起来听听老师怎么说！
学员介绍
本科：美本T20
专业：Sociology
GPA：3.8+
TOEFL/IELTS：无
GRE/GMAT：325+
老师怎么说？
芝加哥MACSS是我非常细致地筛选出的项目，也是社科大类里面我最推荐的项目（应该也是美国量化社科的天花板吧，不管是在申请难度、资历，还是知名度上？）。
我就读下来的直观感受是这个项目既可以当作博士跳板，也很适合在业界就业，有充足的时间和资源给你机会认清自己想要什么。
项目概况
MACSS在大家眼中普遍的第一印象就是PhD跳板项目，有General和Econ两个方向。后者申请难度会更大。
项目采用芝大特有的quarter制，一年3个学期，每学期8-10周。2年内要完成相当于18门课，加上写一篇硕士论文。
上课节奏按说跟semester差不多，每周3小时 lecture加1小时TA session，但是放在quarter里会感觉时间过的特别快，开学一眨眼就期中，再眨眼就期末了，需要习惯一下。
第一年注重基础课程，包括计算数学、统计推断、编程基础之类的，同时要参加每周的研讨会，紧跟学术前沿。
第二年聚焦高级定量研究和论文撰写，大家可以根据兴趣选择社会学、政治学、经济学等方向的选修课，课程选择灵活，可跨学院选课。
课业压力较大，每周需要完成大量阅读、作业和考试，部分课程数理要求极高，纯文科背景学生需要自己提前补修先修课。
因为量化课程比较多，不是计算机背景出身的其实对这些课程掌握基础还是比较薄弱的，第一年的很大部分时间都会花在写作业上面，但经过很痛苦的文转理过程，你会收获很多。
项目对于增强计算能力来说：
• 有机器学习的基础课，涵盖常见监督学习算法、特征工程、模型评估等;
• 有深度学习(MACS Deep Learning)，这是ML工程师岗位的重要核心;
• 有大数据处理与高性能计算，涉及并行计算、GPU加速、云计算，实用性很强;
• 有自然语言处理/文本挖掘(MACS60000)，对NLP方向有帮助;
• 有一系列完整的项目训练，特别是研究项目课程，锻炼独立完成end-to-end项目的能力;
• 有数据可视化可以在产品和展示场景加分。
但是毕竟不是纯CS项目，理论数学和算法深度会比CS系的ML项目弱一些，比如深度学习里的优化理论、算法推导可能涉及不多。
而且应用场景更偏社科，很多例子是社交网络、公共舆论、社会经济分析，不太有计算机视觉、工业推荐系统等纯工程场景。
• 给与更多时间探索：因为是两年制项目，给了大家更多时间摸索。就像刚入学很多同学都有读博倾向，但后来确定自己真的不适合。
不确定走学界还是业界，也能有时间走完一个完整的心路历程，知道为什么有的路不适合自己。不像一年制的项目，刚入学就找全职工作，还没开学就开始面试，失去了很多校园体验。
• 对理工背景要求较低：身边很多同学本科是文科背景，比如语言学、社会学、人类学、心理学等，但MACSS还是愿意收留我们这样的文科生（大哭）。
• 项目奖学金比较大方：我当年申了很多量化社科项目，MACSS给的奖学金是最多的，而且好像是普遍现象，大家不要觉得给了奖学金就歧视项目质量低。
校园生活
• 安全程度：
大部分人都会担心hydepark不安全，确实平均每1-2个月就会收到1次学校发的邮件。
我也是考虑安全问题决定住downtown，加上美本四年积累的危机意识，目前还没遇到过危险情况。而且校车新开了downtown线路，虽然时间表暂时还不太准，但作为通勤planB还挺好的。
• 地理位置：
在芝加哥生活有好有坏，好处是芝加哥也算是美国数一数二的大城市，吃的玩的很多，交通也比较便利。而且靠着密歇根湖，从住的地方到芝大附近都能看到绝美湖景。
坏处是冬天很长，也比较冷，还有就是治安问题。治安问题的直接影响其实还好，只要老老实实在安全区域，不要晚上瞎逛，看到吵架的人离远点，就不会有问题；更严重的是间接影响，冬天寒夜漫漫还不能出门，更容易导致emo。
• 交通系统：
国内发达城市来的同学们，最好不要对芝加哥的公共交通期待太高，因为慢而且天黑之后不安全。如果不会开车，要做好靠校车通勤+uber去其他地方的准备。
• 物价相关：
芝加哥物价比东西海岸的大城市便宜很多，尤其房租差不多是纽约的一半。这么算下来MACSS应该是同级项目里的性价比之王了。
同学背景
班级规模较小，每年约50-60人，课堂规模平均在20-30人，ECMA课会混进一些本科生。
美本背景的居多，陆本的很少，陆本的同学基本上都是211、985院校，我没有碰到双非背景的同学。其余主要是韩国、日本、印度的同学。
专业背景方面，基本上一半以上的同学都是经济学背景的，因为芝加哥大学的经济学优势是比较比较明显的，剩下一半的同学来自于各个背景，有社会学背景、心理学背景、国关或者政治学背景，这一部分的同学的量化基础弱一点。
录取率约15%，属于社科类硕士中高难度梯队，竞争烈度Econ方向大于General方向，Econ是比较卷的赛道，录取率更低、门槛更高。
不过26Fall经济单独分割出来了，不确定将来的竞争难度会变得怎么样。
课程设置
第一年学生可以选择一门计算方法课程、一门社会科学课程，以及必修课；第二年每学期可以选一门计算方法课程，一门社会科学课程，以及一门全校任选课程，毕业需要完成一篇毕业论文。
第一年的三节CS必修课，前两门主要在于引导没有任何coding背景的同学有一些认识，第三节对于我而言非常有用。
第二年的选课自由度非常高，量化金融方向的同学我会强烈推荐Booth商学院的Asset Pricing，这是一门博士级别的课，授课老师不是诺奖得主就是接近诺奖存在的教授。
一些课程测评
Python Programming
作为一门MPCS的基础课，尽管会比MACS自己的Python课稍微难一些，但整体上还是比较基础的内容。作为MPCS课程，它的难点在于它对于Python的介绍不仅限于使用，而是会涉及到很多其内在记忆存储以及编程效率的问题。
Social Network Analysis
这门课程的设置会让人在学期初比较累，早期的作业需要我们不仅要会coding的内容，更要从阅读中找到这些概念的定义，也要能够进一步解读计算得到的数值。但到期中，反而其压力变小了，作业体量变小的同时，也更聚焦。
Perspectives on Computational Modeling
课程内容基本涵盖了比较主流，但稍微有些过时的ML方法，讲解得很细致，但对应地考察也很细致。老师人特别好，但是可能是因为第一次采取group形式的期中，整体大家都很兵荒马乱。
Network Analysis
John Padgett是SNA的大佬，所以选了这门课来充实一下理论基础。这门课平时没有作业，压力比较小，但第三周需要交简要proposal，第五周要交完整proposal，第十周要presentation并交一篇完整的empirical paper。Padgett知识很渊博，能给到很多SNA理论的insight。
Thinking with Deep Learning for Complex Social & Cultural Data Analysis
James Evans的大课，主要讲解了deep learning的基本构成、概念和应用，从最基础的shallow network，讲到transformers，再讲到multimodal models。每周lecture的感觉就是：知识“左耳朵进右耳朵出”，但学期后还是会觉得学到了很多技能可以在研究中使用。
就课程来说，除了必修课之外，大多数同届同学都分散在全校各个学院与系中，所以平时同项目的同学，除非是与自身方向相似或同选一门课的，基本上比较难见面。
就业情况
虽然芝大的placement总有人诟病，但个人认为是因为每年录取的人太多了，就会导致方差比较大，更何况很多人最后就不准备申博了。
如果想留美就业的话也是完全行的通的，我的一些朋友就成功了，已经抽中了H-1B。想要回国就业也完全没有问题，但可能更适合一些偏研究和数据分析的岗位。
跟其他项目的同学聊天交流来看，MACSS的业界资源肯定比不上为业界设置的项目，不过胜在人少，所以就业服务还行，至少约聊很方便。
项目解析
项目概况
芝加哥大学MACSS项目
Masters in
Computational Social Science
计算社会科学硕士
芝大的社会科学部开设两个社会科学硕士项目：MACSS和MAPSS。
• MACSS学制两年，分为General Track和 Economics Track；
• MAPSS学制为一年，下设很多方向如人类学，比较人类发展，性别研究，政治经济学等。
另外，芝大从26Fall新增经济学硕士MA in Economics，分为两个方向：Standard和Research Intensive Track。
芝加哥大学的MACSS项目是一个跨学科的两年制STEM项目，它强调使用计算方法深入研究社会科学领域。项目非常适合那些希望继续攻读博士学位的学生。
项目采用季度制，每年分为三个学期，每个学期学生需要修读三门课程，总共需要完成18门课程和一篇硕士论文。
课程内容涵盖了计算分析方法、自选方向的选修课以及CS与社会科学应用。学生将接受定量研究方法的训练，学习大数据、计算机科学和机器学习等课程，这有助于他们使用更复杂的模型分析方法进行具体细分方向的深入研究。
申请条件
• GPA：官方最低3.0，实际录取平均3.7+；Econ方向普遍3.8+；
• 专业背景：经济/社会学/政治学40%、数学/统计30%、计算机20%、商科/公管10%；
• 语言分数：托福100+ / 雅思7.0+，Econ方向建议托福104+、单项26+；
• GRE：General可选提交，325+显著加分；Econ方向强制提交，数学部分建议90%百分位以上。
身边常见被拒原因有先修课不足；无统计/编程/数理基础；GPA过低；推荐信弱非量化/科研导师；无社科/技术项目/研究经历；Econ方向数理背景过于薄弱、无计量经济学基础。
课程设置
MACSS的课程设置适用于在定量或社科研究领域有浓厚兴趣的人，项目对必修课要求严格，每学期都有计算必修，扎扎实实打基础。
选修课还会和PhD一起上，竞争非常激烈，优秀的同学可以申请代课教授的实验，拿推荐信。
第一年可自由选课的空间从1门-6门不等，可以从全校范围选，第二年9门功课任意选。选修课分为三类：
在课程选择上，MACSS 项目要求学生完成一定数量的计算方法和社会科学选修课程，从芝加哥大学数百门的硕士相关课程里去任意选择。
同时，所有学生都要参加每周的计算社会科学研讨会。让学生有机会看到社会科学领域新兴的计算工作，学习新的方法论工具，认识来自世界各地的领先计算研究人员，并与整个芝加哥大学的教授和学生建立联系。
就业去向
根据官网提供的往年年MACSS学生的毕业去向来看，大多数学生都获得了极好的就业机会，也有不少学生选择在社会科学领域选择读博。
从结果上看，MACSS对自己的就业率是相当自信的。以2024届为例，已知去向里，100%在毕业9个月内找到了全职/兼职工作或者进入了博士项目。2021-2023几届，就业+继续深造的placement rate基本都在98%左右。
从Career Outcomes的joblist来看，毕业生的去向主要包括几类：
数据科学/数据分析岗位：分布在各类科技公司、咨询公司、金融机构、医疗行业和非营利组织等。
研究岗/pre-doc：很多人去Harvard, Yale, Princeton, Stanford, UChicago Booth 等地方做 pre-doctoral fellow 或RA。
咨询与政策分析：比如政府部门、各类智库。每一届也都有不少人选择继续深造，去读经济学、政治学、社会学、商学院、公共政策、数据科学等方向的博士，像NYU、Michigan、Booth、UCLA、Stanford等。
