微信扫一扫
现如今，仅次于CS受欢迎的理工专业就是数据科学（Data Science）。全美 Top30 院校的 DS 项目因为有非常好的课程资源以及良好的就业导向和亮眼的毕业生薪资，成为无数申请者的 “梦中情校”。如果你想去美国就读数据科学/数据分析相关专业的研究生，哪些项目值得考虑呢？老师今天就给大家归纳盘点一下~
通俗地说，就是数据科学（Data Science），它是一个交叉学科，涵盖了多个领域。其中包含了统计学，数学，计算机，人工智能，机器学习，数据库，模式识别，可视化技术等多个学科知识。
关于美国数据科学硕士项目选校难度情况：
Tier 1
◾Stanford MS in Statistics and Data Science
◾Yale MS in Statistics and Data Science
◾Harvard MS in Data Science
◾UPenn MSE in Data Science
Tier 2
◾Northwestern MS in Machine Learning and Data Science (MLDS)
◾UChicago MS in Data Science
◾Brown MS in Data Science
◾Duke Master in Interdisciplinary Data Science (MIDS)
◾UW MS in Data Science
Tier 3
◾NYU MS in Data Science
◾Columbia MS in Data Science
◾UMich MS in Data Science
◾UCSD MS in Data Science (DS75)
◾UCLA MEng in DS
Tier 4
◾UChicago MS in Applied Data Science
◾CMU Master of Information Systems Management - Business Intelligence & Data Analytics (MISM-BIDA)
◾JHU MSE in Data Science
◾UCI Master of Data Science
◾RICE Master of Data Science
Tier 5
◾WISC MS Data Science
◾USC MS in Applied Data Science
◾NEU MS in Data Science
◾Vanderbilt MS in Data Science
接下里，老师给大家进行部分热门项目介绍：
哈佛大学的数据科学（Master of Data Science）隶属于工程学院，由统计系和计算机科学系联合开办，项目时长为1.5年。
项目核心课程围绕数据科学的三大支柱展开：统计学、计算机科学与数据可视化，同时提供丰富的选修课，涵盖机器学习、深度学习、大数据系统、自然语言处理等方向，学生可以根据自己的职业规划选择偏学术或偏工业界的课程路径。
作为TOP院校的热门项目，该项目非常看重申请者的数理基础与编程能力，平均GPA是3.9+，每年录取90人左右。
斯坦福大学
斯坦福大学的统计数据科学（Statistics and Data Science）项目隶属于人文与科学学院，项目时长为1.5年。
课程分为核心课与选修课，核心课涵盖高级统计建模、数据科学算法、大数据分析，选修课则提供了丰富的跨学科选择，比如生物统计、金融数据科学、机器学习理论等，学生还可以选修 CS 学院的高阶课程，拓展技术能力。
再者，斯坦福大学的计算与数学工程（Computational and Mathematical Engineering）下还有一个数据科学分支。该项目时长为2年，录取人数比上面的Stat DS少得多，而且更喜欢美本申请人。
耶鲁大学
耶鲁大学的统计与数据科学（MS Statistics and Data Science）项目隶属于统计与数据科学系下，项目时长为1.5年。项目定位偏向学术与应用相结合，既为学生进入工业界做准备，也支持学生继续攻读博士学位。
核心课程包括统计推断、数据科学编程、机器学习、数据可视化，同时提供大量跨学院的选修课，比如耶鲁管理学院的商业分析课程、计算机系的人工智能课程，帮助学生拓展跨领域能力。
已录取学生除了有科研经历以外，高三维也是入门条件。这个项目的录取率不足4%，每年的录取人数仅在20人左右，基本只录取美本。
卡耐基梅隆大学
CMU 的计算数据科学项目隶属于计算机学院，学制为16 个月，是全美公认的TOP的DS 项目之一，依托 CMU 在计算机科学领域的超强实力，项目的技术导向极强，课程设置偏重计算理论、算法优化、大数据系统、机器学习工程等方向，对学生的编程与算法能力要求高。
该项目的申请门槛高，往年录取者的GPA 普遍在 3.8+，且大多为计算机、电子工程、数学等本科专业，具备扎实的算法基础与编程能力，不少申请者有竞赛经历（如 ACM、Kaggle）或科研项目经历。
宾夕法尼亚大学
宾夕法尼亚大学的数据科学（MSE in Data Science）项目率属于工学院下，项目时长为1.5年。依托宾大工学院与沃顿商学院的资源，项目兼具技术深度与商业应用导向，课程设置涵盖数据科学基础、机器学习、大数据系统，同时学生可以选修沃顿商学院的商业分析课程，拓展商业思维。
该项目录取难度很高，偏爱美本高GPA选手，很注重申请人实习的质量，每年招生人数约70人。
西北大学
西北大学的机器学习与数据科学（Machine Learning and Data Science）项目隶属于工程学院下，项目时长为15个月。
项目定位偏向机器学习与数据科学的结合，课程设置偏重机器学习算法、深度学习、自然语言处理、数据挖掘等方向，同时提供丰富的行业项目，帮助学生将理论知识应用到实践中。
该项目课程非常硬核，采用小班制教学，每年录取人数为55人左右。
哥伦比亚大学
哥伦比亚大学的数据科学（Data Science）隶属于工程学院下，项目时长为1.5年。
依托哥大的地理位置与行业资源，项目的就业导向非常明确。课程设置全面，涵盖数据科学的基础理论、算法实现与行业应用，同时提供丰富的行业合作项目，学生可以参与企业的真实数据项目，积累实践经验。
该项目招生仍然以海本居多，但是陆本985院校也有一争之力，即想要专排高又想要综排高的同学可以冲一下！
布朗大学
布朗大学的数据科学（Data Science）项目时长为1-2年，项目定位偏向学术与应用结合，课程设置兼顾数据科学的理论基础与实践应用，学生可以根据自己的职业规划选择偏学术或偏工业界的课程路径，项目的灵活性较高，适合背景各异的申请者。
作为小众精英藤校，该项目每年录取的人数较少。
加州大学伯克利分校
加州大学伯克利分校的分析学(Analytics)隶属于工程学院下，项目时长为1-2年，定位偏向商业分析与数据科学的结合，依托 UCB 在工程与商科领域的资源，课程设置兼顾技术能力与商业应用，核心课程包括数据分析、机器学习、商业智能、大数据工程，同时提供丰富的行业项目与实习机会。
被录取的申请者大多具备相关的实习或项目经历，尤其是商业分析、数据分析相关的实践经验，对申请者的沟通能力与商业思维也有一定要求。
杜克大学
杜克大学的跨学科数据科学（Interdisciplinary Data Science）项目隶属于工程学院下，项目时长为2年，是 Top30 中为数不多的跨学科 DS 项目，课程设置极为灵活，学生可以结合自己的兴趣，从计算机、统计、数学、商科、生物等多个学院选修课程，打造个性化的学习路径，项目尤其适合希望将数据科学与其他领域结合的申请者（如生物信息、金融科技等）。
该项目看重申请者的跨学科背景与职业规划，比如希望从事医疗数据分析、金融数据科学等方向的申请者，更容易获得招生官的青睐。
康奈尔大学
康奈尔大学的数据科学与应用统计（Data Science and Applied Statistics）项目隶属于统计与数据科学系下，项目课程设置紧凑，核心课程涵盖高级统计建模、数据科学编程、机器学习、应用数据分析，同时提供行业导向的选修课，帮助学生快速掌握职场所需技能。
项目偏爱数理背景厚实的申请人，值得注意的是，该项目在申请时有面试，主要考察申请人的口语能力。
纽约大学
纽约大学数据科学（Data Science）隶属于数据科学中心，项目时长为2年，项目的就业导向极强，课程设置涵盖数据科学的全流程，从数据清洗、建模到可视化，同时提供丰富的实习与行业合作项目，学生可以在学习期间进入纽约的企业实习，积累职场经验。
该项目对跨专业申请者较为友好，只要具备扎实的数理与编程基础，即使本科不是相关专业，也有机会被录取。
芝加哥大学
芝加哥大学的应用数据科学（Applied Data Science）项目，项目时长为1-1.5年。
依托芝加哥大学的经济学与统计学优势，课程设置偏重数据科学在金融、商业领域的应用，涵盖统计建模、商业分析、金融数据科学等方向，适合希望进入金融或商业分析领域的申请者。
该项目比较看重申请者的数理基础与商业相关的实习或项目经历。
加州大学洛杉矶分校
加州大学洛杉矶分校的数据科学（MEng in Data Science）项目时长为1年，偏工程导向的项目，课程设置偏重数据科学的工程实现，涵盖大数据系统、机器学习工程、数据挖掘、云计算等方向，项目的实践属性极强，学生需要完成一个行业合作项目，积累工程实践经验。
该项目的申请竞争较为激烈，往年录取者的GPA 在 3.6+，且看重申请者的工程背景与编程能力，建议申请者有相关的编程项目或实习经历。
密歇根大学安娜堡分校
UMich的数据科学（Data Science）项目有CS工程、统计、信息和生物统计是个学院合办的，该项目时长为1.5年。依托密歇根统计系的实力，项目兼具学术深度与应用导向，课程设置涵盖高级统计、机器学习、大数据分析，同时提供丰富的行业项目与科研机会，学生可以选择偏学术或偏工业界的发展路径。
约翰霍普金斯大学
约翰霍普金斯大学的数据科学（MSE in Data Science）下设于工程学院下，项目时长为1.5年，申请人需要提交GRE。项目定位偏向应用导向，课程设置涵盖数据科学的基础理论、算法实现与行业应用，同时提供丰富的跨学院选修课，学生可以选修生物医学、公共卫生等领域的课程，适合希望从事医疗数据分析的申请者。
这个项目喜欢给申请人提供奖学金，录取的人数也很多，一年开放春秋两季申请，是很多同学回国找工的优选。
莱斯大学
莱斯大学的数据科学（Data Science）项目时长为1.5年，申请人可选择性提交GRE成绩。项目定位偏向应用导向，课程设置涵盖数据科学的基础理论、机器学习、大数据系统，同时提供丰富的行业项目，学生可以参与休斯顿当地企业的真实数据项目，积累实践经验。
该项目的录取门槛逐年攀升，录取人数在40人左右，跟其他DS相比，该项目对非DS本科申请人较为友好。
圣路易斯华盛顿大学
圣路易斯华盛顿大学的工程数据分析与统计（Engineering Data Analytics &Statistics）项目设于工程学院下，项目时长为1.5年。项目定位偏向数据分析与统计的结合，课程设置偏重统计建模、数据分析、商业智能等方向，适合希望从事商业分析或数据分析工作的申请者。
该项目的课程相对固定，学术资源丰富，生活成本低，是一个高性价比的选择~
南加州大学
南加州大学的应用数据科学（Applied Data Science）项目下设于工程学院下，项目时长为1.5年。项目定位偏向应用导向，课程设置涵盖数据科学的基础理论、机器学习、数据挖掘，同时提供丰富的行业项目与实习机会，依托洛杉矶的地理位置，学生可以接触到科技、娱乐、体育等多个行业的数据相关工作机会。
申请人不需要提交GRE成绩，一年开放春秋两季申请，相比于其他DS项目，该项目对量化本科申请人较为友好。
此外，南加州大学也开设了分析学（Analytics）项目，下设于工程学院，项目时长为1.5年，该项目一年开放春秋两季的申请，班级人数比较多，地理位置也很好，求职也很便利。
总结：
盘点一番后，不难发现，美国高校针对DS的不同项目的课程侧重差异巨大。比如 CMU 的项目偏重计算机工程，对编程与算法能力要求高；耶鲁、康奈尔的项目偏重统计建模，适合数学背景较强的申请者；杜克大学的跨学科项目则适合希望将数据科学与其他领域结合的申请者。
申请者需要根据自己的本科背景、职业目标，选择课程侧重匹配的项目，避免盲目择校。如果对DS有兴趣的学生或家长们可以给老师留言哦！
