1. 跨学科 + 团队合作导向
Duke 将数据科学定义为 “inherently interdisciplinary and team-based”。
项目不仅局限在计算机科学或统计学，而是把数据科学与社会科学、人文学科、自然科学等结合。
学生来自不同学术背景，项目强调在跨学科团队里共同解决复杂问题。
Duke Social Science Research Institute (SSRI)、Rhodes Information Initiative at Duke (iiD) 等机构参与其中，提供跨领域资源。
2. 严谨的课程结构 + 技术与实践并重
核心课程覆盖 统计、机器学习、数据库系统、编程、文本分析、数据可视化、数据伦理等。
课程不仅要求掌握建模技术，还强调完整的数据生命周期：从 问题定义 → 数据获取/清理 → 分析建模 → 结果解释与传达。
使用真实的“messy data”（非理想状态下的数据集），培养学生应对实际问题的能力。
3. 项目实践丰富（Capstone + Internship）
Capstone 项目：与真实外部合作伙伴（企业、政府、非营利组织等）合作，完成可交付成果。
必修实习（Summer Internship）：首学年结束后的暑假必须完成，帮助学生把课堂所学应用到行业环境中。
学生有机会解决社会、健康、公共政策、商业中的实际问题，形成职业过渡。
4. 软技能与职业能力培养
除了技术，项目也注重 沟通能力、领导力、跨专业协作能力。
开设 workshop、小班教学、长期反馈机制，训练学生把复杂结果解释给非技术背景的听众。
目标是培养 “会做模型的人” + “能带领团队解决问题的人”。
5. 灵活选修课 + 自主研究方向
除了核心课程，MIDS 提供灵活的选修，学生可根据兴趣选择方向。
选修课覆盖 计算机、数学、统计、公共政策、医学、工程等院系。
学生能在扎实基础上，延伸到自己关心的特定领域（如健康数据、金融数据、社会数据、AI 等）。
6. 强调现实应用与社会责任
项目高度应用导向，强调数据驱动决策对社会、政策、商业的实际影响。
课程中包含 数据伦理、隐私保护、公平性 等内容，培养学生的数据责任感。
学生需在解决问题时考虑技术、社会与法律层面的影响。
7. 师资与跨部门资源
由多个部门联合举办，包括 Rhodes Information Initiative、SSRI、计算机科学系、统计系、数学系等。
Duke 在 因果推断、可解释性、隐私保护 等研究方向上具有优势。
学生可以利用 医学院、公共政策学院、生物统计系等资源做跨领域研究。
8. 紧凑培养 + 职业发展支持
课程紧凑但全面，确保学生获得系统训练。
提供职业发展活动（career events）、行业讲座、校内外合作网络支持。
帮助学生在毕业后能够快速融入职场或继续深造。
