- 1.
丰富的跨学科实践导向: - •
这不是一个纯粹的计算机科学或统计学项目。它深度整合了公共政策、经济学、社会科学、健康、能源、金融等多个领域的知识。 - •
学生需要完成一个长达一年的顶点项目,为真实的校外客户(如政府机构、非营利组织或企业)解决实际的数据科学问题。
- •
- 2.
强大的行业联系与就业支持: - •
项目与业界联系紧密,提供丰富的实习和就业机会。毕业生深受亚马逊、微软、麦肯锡、各大银行和科技公司等雇主的青睐。 - •
根据官网信息,毕业生就业率非常高,通常在毕业6个月内达到100%,担任数据科学家、机器学习工程师、数据分析师等职位。
- •
- 3.
小规模、精英化的培养模式: - •
每年录取约50-60人,确保学生能获得教师和工作人员的高度关注和个性化指导。 - •
班级氛围强调协作而非竞争。
- •
- 4.
灵活的课程设置: - •
项目时长为2年(4个学期),但允许学生在1.5年内加速完成。 - •
课程涵盖数据科学的整个工作流程:数据采集与清理、数据存储与管理、统计分析、机器学习建模、数据可视化与沟通。
- •
课程设置概览
- •
核心课程:数据科学导论、统计学与概率论、机器学习、大数据、数据可视化、数据伦理等。 - •
顶点项目:贯穿整个学年的实践项目,是项目的核心组成部分。 - •
选修课程:学生可以根据兴趣选择不同领域的课程,如计算社会科学、健康数据分析、金融科技等。
申请要求与背景
- •
学术背景:欢迎来自各种本科背景的申请者(如计算机科学、统计学、数学、经济学、社会科学、工程等)。强大的量化背景和分析能力是成功申请的关键。 - •
先修课程:强烈建议申请者具备多变量微积分、线性代数和统计学的基础知识。编程经验(尤其是Python或R)是必需的。 - •
申请材料:通常包括成绩单、GRE成绩(可选择性提交)、个人陈述、简历、推荐信等。









