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。
美国大多数院校的数据科学硕士要求：
1、修过计算机基础
2、数学基础（比如微积分、线性代数）
3、熟悉概率论、或者统计
4、如果没有这些先修课程甚至会开始预科夏季课程给学生，不计入学分当中，比如布朗大学。
如果有转专业的同学可以尽可能的修习以上课程，提升自己的竞争力，通过二学位、辅修学位、暑期课程、网课等方式多修课程。或者多参与实践实习科研也对申请数据科学有很大帮助。
数学统计课：
1. Calculus One — Coursera
2. Linear Algebra - Foundations to Frontiers —Edx
3. Introduction to Linear Models and Matrix Algebra —Edx
4. Statistics with R Specialization — Coursera
5. Introduction to Probability and Data – Coursera
工具及数据库语言：
1. An Introduction to Interactive Programming in Python - Rice, Coursera
2. Introduction to Computer Science and Programming Using Python - MIT, edX
3. R Programming — Coursera
4. Excel to MySQL: Analytic Techniques for Business Specialization— Coursera
5. Managing Big Data with MySQL— Coursera
6. Data Visualization — Coursera
数据挖掘及算法：
1. Data Science Specialization - 10 courses —John Hopkins
2. University of Michigan Applied Data Science with Python Specialization – 5 courses - University of Michigan
3. Mining the Massive Datasets - Stanford, Coursera
4. Data Mining Specialization — Coursera
5. Machine Learning - Stanford, Coursera
6. Statistical Learning - Stanford, Stanford Online
7. Introduction to Computational Thinking and Data Science - MIT, edX
科研实习建议
建议科研类型：
1. 计算机数据挖掘、深度学习、人工智能机器学习、数据分析等专业方向为主。
2. 可选择远程和实地这两种，以个人时间为主，平时可以参加远程，假期可参与实地。
3. 新东方独 家项目，CMU、哈佛、伯克利的独 家项目，可一对一、一对三。背景提升产品
建议实习岗位：
互联网公司、电商公司、金融公司、银行、证券公司等
以上信息请初步参考，后续有更多想了解的信息，请联系您专属的留学顾问老师！
如需进一步了解，或有任何相关疑问，欢迎大家在线咨询专业老师；也可以进入答疑中心给我留言，我会尽快与您联系为您解答。如果您对自己或孩子是否适合出国留学还有疑虑，欢迎参与前途出国免费评估，以便给您进行准确定位。点击新东方前途官网，获取更多新鲜留学资讯。
