数据科学
1.1 专业简介
数据科学是一门涉及到统计,数据分析及其相关方法的科学，借用数据去“理解和分析实际现象”。数据科学使用到数学、统计、信息科学和计算机科学等各个学科的技术和理论，特别是以下分支：机器学习, 分类, 聚类分析，数据挖掘，数据库和可视化。大多数院校的Data Science属于STEM学科。
数据科学和统计的比较：
统计学和数据科学这两个专业都要求一定的数学和计算机能力。部分DS专业开设在统计或者数学系下面。但是两个专业也有一定区别。
先修课：统计专业要求学过除了线性代数、微积分、概率论等等基础课外，还要求掌握统计的高阶课程，比如回归分析、多元统计、时间序列等。而数据科学对计算机背景和技能要求更高，同时要有数学背景，先修课程包括计算机导论，SQL数据库，C++等，数学要求微积分、数学建模、线性代数、概率论等等以及最好有一定工作经验。
从申请角度，统计学大多有自己独立的院系，而DS多数没有，多数在工学院或计算机学院，少数在统计学院。
从深入学习角度，统计学比较偏科研，也设有博士学位；而DS则应用导向，如果要读博士一般转到CS。
从就业上差别也不小，统计学家侧重统计和分析数据，进行统计推断。研究重点是对统计方法进行研究和改良，用在计算机建模之后对数据进行描述和解释。而数据科学家则是通过科学的方法，用数据挖掘工具寻找新的数据。数据科学家要求掌握数据库、软件开发等等，对于程序语言R, Python、C++，SQL和Hadoop等都要了解，对技能要求更综合。
1.1 专业背景
常见的本科专业有 Computer Science/Technology; Engineering; Business Management; Finance; Math; Statistics, etc.
各大学对申请学生有较为明确而统一的要求，数学背景包括微积分、线性代数、概率论、统计学、数学建模等等；计算机背景包括计算机导论、SQL、Database和编程等。
大多数项目倾向录取数学、统计等计量学科背景的学生，同时希望申请人有软件编程基础、会写程序分析数据。仅仅上过高数、线性代数和概率统计这三门基础课是不够的。如果没有非常强的数理基础，建议申请BA等要求没有这么强的专业。
除此之外，希望申请人有比较强的解决问题和交流沟通能力。如果有工作经验，申请时候会是加分项。文书中注意结合工作体现对这个专业的理解和看法。如果没有工作经验，建议文书中设计相关内容强调背景和能力可以胜任这个专业。
1.2 先修课要求
以Harvard的Master of Science in Data Science为例：
Prerequisites we expect from applicants include knowledge of calculus and linear algebra, familiarity with probability and statistical inference, fluency in at least one programming language such as python or R, and an understanding of basic computer science concepts.
Columbia的 Data Science要求：
Prior quantitative coursework (calculus, linear algebra, etc.)
Prior introductory computer programming coursework (Python, Java, R, C++, etc.)
