美国博士学位读几年？
我读的博士是phd，统计系。一般来讲，从春季入学到秋季毕业的话，总共需要读三年（12个quarter），如果秋季入学的话，需要读四年（4个quarter），当然这都是最理想的情况，因为会有quarter不够或者overload的情况出现，具体还要看教授给你的thesis proposal的进度以及你个人的研究进展情况而定。
以我为例，我是春季入学，本科是统计专业，所以不需要修读任何preparatory quarter（除了暑假一共五个学期）。 开学第一个学期我被分配到了statistical methodology（统计方法学）的教授，这个教授的科研领域主要是数据分析，我当时选了他的课并且成绩还不错，因此他给了我不错的建议并且推荐了我现在的导师，也就是我的phd advisor。
我导师的研究方向主要是在神经科学和数据挖掘/人工智能，因此当时在确定了导师之后我就选择了他的两门专业课以及一门methodology的课。由于我本科是统计专业且研究生读的是mfe（金融数学），因此虽然我phd 是统计方向但是我对很多统计的方法其实都不擅长，比如hierarchical model和multinomial model这样比较复杂的模型。
在第二学期的考试结束之后，我和导师进行了讨论，他说我学术能力不错但统计基础薄弱，建议我可以转方向到data science（数据科学），因为这个方向的需要做深度学习，机器学习之类的计算机内容，所以我统计方面的不足可以得到补偿。 第三学期开始我就正式转到data science，新的课程让我感觉难度明显降低，而且因为都是和计算机相关的学科，我和同学之间的关系也没有之前那么紧密，大家都是为了找实习找工作在一起，因此少了一些“学生气”多了一丝“成年社会”的味道。在这个学期我也参加了coursera上ucl（伦敦大学学院）的开源分析的课程，学习了python和spyder，为之后的科研打下一定的基础。
第四学期我开始做thesis，前两个学期学的所有知识总算可以用上了，虽然很多地方都需要重新学，比如python的数据挖掘库，numpy，pandas，sklearn，但总体而言知识架构还是熟悉的感觉。这个阶段需要大量阅读文献，写notion，做simulation（模拟），终于把之前欠下的债都还了。虽然有的时候会很累，但是成就感很大。 寒假到来的时候，因为我thesis进展顺利，所以我有时间可以去做一份data science的project，我选择做了儿童医学影像分析的问题，这个问题的核心在于如何构建deep learning的model去解决儿科问题。
整个项目我学了unet，resnet，vgg，caffe，torch等等新框架，做的研究也是当下最火的针对medical imaging的问题，因此我在申请master时已经拿到了wisc，cmu等offer，也获得了amazon，facebook等一些大厂的面试，最终成功拿到了facebook的offer。 在phd的最后一个学期我只需要完成论文的任务即可，根据我和导师的商量，最终答辩的时候我只需要陈述主要的结论，具体的内容由导师来做presentation。