数据科学硕士项目

南加州大学的应用数据科学硕士项目主要以就业为导向，2020年USNEWS综合排名是22。学生毕业后对口的岗位是数据科学家, 数据分析师等。学生在项目中会学到一些实用的数据管理和数据分析的技能，其中会包括一些最新的大数据基础架构，比如Hadoop和Spark和各种分析工具，比如机器学习，数据挖掘和数据可视化。课程设置：3门核心课加上5门选修课，共32个学分，每个课程4学分，整体上课程非常的量化。核心课有数据管理，机器学习和数据科学，以及数据挖掘。选课范围也比较宽泛。该项目位于美国加州洛杉矶市，是仅次于纽约的美国第二大城市，就业机会比较多，就业领域也很广，其中包括互联网公司，金融机构，咨询公司，工程，教育行业等等。另外做为STEM的项目，学生毕业找到工作之后，可以在美国多留三年积累工作经验，之后再回国就业会更有竞争力一些。南加大的应用数据科学项目整体上比较适合学生毕业之后直接工作，不适合继续读博。

哈佛大学数据科学专业：　　数据科学是一门蓬勃发展的新兴学科。它一方面研究数据本身，包括数据的各种类型、状态、属性、变化形式和变化规律;另一方面通过数据揭示自然界和人类行为的现象与规律，从而为自然科学和社会科学提供新的研究方法。随着人类进入大数据时代，数据科学在各行各业中发挥的作用日趋重要，各行业对数据科学人才的需求急剧增长，数据科学家迅速成为热门职业。　　课程设置：　　项目是由Computer Science 和 Statistics 以及 the Institute for Applied Computational Science 联合授课，开设在哈佛的 Arts and Sciences 学院下。学生需要在3个学期内完成12门课、　　培养目标：　　Build statistical models and understand their power and limitations　　Design an experiment　　Use machine learning and optimization to make decisions　　Acquire, clean, and manage data　　Visualize data for exploration, analysis, and communication　　Collaborate within teams　　Deliver reprocible data analysis　　Manage and analyze massive data sets　　Assemble computational pipelines to support data science from widely available tools　　Conct data science activities aware of and according to policy, privacy, security and ethical considerations　　Apply problem-solving strategies to open-ended questions数据科学专业的就业前景　　全球最顶尖管理咨询公司麦肯锡 (McKinsey) 出具了一份详细的分析报告，预计到 2018 年，大数据或者数据工作者的岗位需求将激增，其中大数据科学家的缺口在 14 万 到 19 万 之间，对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到 150 万 !　　其中对大数据处理需求最旺盛的行业包括：制药业、计算机软件、互联网、科研、 IT 技术服务、生物技术。事实上，大数据工作者可以施展拳脚的领域非常广泛，从国防部、互联网创业公司到金融机构，到处需要大数据项目来做创新驱动。数据分析或数据处理的岗位报酬也非常丰厚，在硅谷，入门级的数据科学家的收入已经是 6 位数了 ( 美元 ) 。数据科学的三类职业方向：机器学习、数据分析和数据科学家　　1. 机器学习工程师 Machine Learning Engineer　　代表了技术含量较高的方向，工作内容主要是开发机器学习系统和用这些系统解决实际问题。一般需要 ship proction code ，做出来的是数据产品。　　2. 数据分析员 Data Analyst　　工作内容俗称 analytics (proct analytics or business analytics) ，从数据中提取 insight ，估计投资回报比，为产品方向提建议，所用工具一般较基础，比如写 SQL query 取数据、用 R/Python 做简单的分析、用 Tableau/Excel 作图比较常见，能自己开发 Dashboard 算是 analyst 里面技术强的 ; 工作需要产生各种形式的报告 ; 在统计层次上，懂基本 t-test 和线性回归即可。　　3. 数据科学家 Data Scientist　　很多人说，我想做数据科学家，我想做机器学习，而这类职位就是大家想象中的那种。此类职位工作内容以高级建模为主，会针对复杂的问题来设计技术方案，比如 Uber 叫车的 ETA 、各种定价系统、 Airbnb 和金融行业的 Fraud Detection 、 Amazon 物流管理， FB/Linkedin 的社交网络或者 ebay/Airbnb/Uber 这样供需双方 Marketplace 市场规模的实验。这些例子，听上去就不是写 SQL 能解决的，也不是会写代码就能做出来的，都需要比较深的领域知识。

布朗大学的数据科学硕士项目是2018年新开项目。该项目将计算机、数学和统计领域知识有效结合，并依托四个强大的学术部门（应用数学、生物统计学、计算机科学和数学），为学生提供强大的资源与课程基础。主要课程包括：数据工程、机器学习、数据挖掘、安全与隐私等。对于申请人有先修课要求，主要是编程入门和统计基础。同时，数据实习项目可以为学生提供处理真实数据的项目经验。· 项目时长：3学期，2学期课程 + 1 capstone project· 项目要求学分：9学分 + 先修课：微积分、线性代数、概率统计的微积分、编程入门· 项目特点：资源丰富，对编程、数理统计有一定要求。

总览：人类活动越来越与大量数据的生成相关联。例如，零售商整理交易数据以用于市场营销和商店定位，整理管理数据以帮助有效运行公共服务，通过社交媒体使用创建数据影子，并增加智能卡链接运输系统的普及率记录我们的旅行行为。人类面临的许多艰巨挑战涉及地理问题。这样我们才能减轻气候变化对人类的影响；确保全球粮食和水安全；设计在未来人口动态范围内具有弹性的能源系统；或者，如何设计可以消除健康和福祉空间不平等现象的未来城市？关于人类活动的形式，功能和动态及其背景的大数据数量不断增长，这为在地理数据科学框架内推进此类辩论提供了新的机会。课程：必修课程第一学期定性研究方法论社会调查分析地理数据科学地理信息科学第二学期人文地理理论空间分析Web映射和分析论文可选课程第一学期数据库和信息系统 Web编程大数据分析第二学期人口与健康分析与预测计算智能社会和空间不平等必修课程定性研究方法社会调查分析地理数据科学地理信息科学人类地理学理论数据科学家的空间建模Web映射和分析学位论文-地理数据科学可选课程数据库和信息系统Web编程大数据分析人口与健康分析与预测计算智能来自：求助得到的回答

首先，本科是计算机科学CS的同学，是最符合申请条件的，因为大多数数据工作都是通过编程和数据库的相关手段进行的，同时学过统计、微积分、高级语言；例如哈佛大学对于MSDS的本科背景要求是：希望有微积分、线性代数，概率和统计等相关课程，能使用至少1种编程语言，例如Python或R，了解计算机科学概念。其次，本科背景是统计、数学或应用数学，且有一定编程基础的同学也可以申请，这都是很好的匹配专业。最后，商科背景出身，但量化背景较强的商科专业，比如金工，但又希望能选择一个STEM专业的同学，那DS显然也是个非常好的选择。所以说，如果你有比较强的编程背景，又有比较好的数理基础，那你就很有竞争力；而纯商科背景的同学，如果没有强的量化背景，或者不懂编程，那建议还是数据科学DS和商业分析BA混合申请，因为商业分析更加偏商科，开在商学院，对商科背景接纳程度大很多。

只要是一月份联考的项目，无论是在职还是全职项目，都是双证，都是全日制。对于公务员来说，只要是通过一月份联考的MPA项目，就是统招的全日制双证硕士，一般学校会根据学生的要求开设在职或者全职课程。所以，不必纠结是不是全日制。没事的。双证硕士是最硬的了，难不成你公务员辞职去读MPA吗？呵呵。

哥伦比亚大学数据科学硕士开设在该校的工程与应用科学学院，要求申请者本科毕业，并拥有一定的数学及编程基础。该专业为期一年，需修够30学分才能毕业。

事实上，大数据工作者可以施展拳脚的领域非常广泛，从国防部、互联网创业公司到金融机构，到处需要大数据项目来做创新驱动。数据分析或数据处理的岗位报酬也非常丰厚，在硅谷，入门级的数据科学家的收入已经是6位数了(美元)。目前全国各类高校、高职院校已陆续开始围绕大数据专业建设展开研究并申报大数据专业。作为交叉型学科，大数据的相关课程涉及数学、统计和计算机等学科知识，“数据科学与大数据技术”专业也强调培养具有多学科交叉能力的大数据人才。该专业重点培养具有以下三方面素质的人才：一是理论性的，主要是对数据科学中模型的理解和运用;二是实践性的，主要是处理实际数据的能力;三是应用性的，主要是利用大数据的方法解决具体行业应用问题的能力。

麻省理工学院新开Master of Business Analytics（商业分析硕士），哥伦比亚大大学也开了MS Applied Analytics（应用分析硕士），杜克大学也来插一脚，开了个Master of Quantitative Management-Business Analytics Track（量化管理-商业分析方向）……包括维克森林大学、加州大学圣地亚哥分校、普渡大学、威廉玛丽学院等十几美国名校都新开了分析类专业。从事留学行业那么久，突然间有那么学校趋之若鹜地开设同品类专业，确实有点壮观。难怪乎公司做选校研究的同事一直在惊叹这项目数量的增长速度，一有消息，都会在内部进行讨论，热门程度简直要超过金融了。究竟是什么促使美国名校争先恐后开设分析类专业呢？麦肯锡《Big data: The next frontier for innovation competition and proctivity》里分析：到2018年，美国将面临着140,000到190,000个数据分析人才的空缺，能有效利用数据分析结果进行决策的经理和分析师的空缺，更是高达1,500,000。而从当前就业数来看，截止去年，数据工程师平均年薪达到10.4万美金，中值部分达11.2万，优秀的12万保底，着也难怪不少码农纷纷改行。而未来的趋势将是，数据分析师将会跟会计一般，成为每个企业必要的岗位。这或许是原因所在。一向市场嗅觉灵敏的美国高校，尤其商学院，总是能及时地切入市场需求，为市场培养相应人才。从现有的许多商业/数据/应用分析项目来看，绝大多数都是以就业为导向的，贴合就业实际big data---analytical work（-分析工作）的角度来培养学生。课程也以实用唯多，基本是以MIS（小的但是实用的编程(vba+sql)，一些database的知识等）+STAT(教你用统计软件/帮统计软件编程来自动分析等)+一些management的知识。因此，大部分学校的课程上都会有Data Analysis Programming, Data Analytics, Optimization, Probability and Statistics, Calculus, Web Analytics etc. 相对的，在招生喜好方面更倾向于数理能力好的学生，学校也表示鼓励数学、计算机、工程等背景的学生申请。目前这个类别的专业还不算特别热门，申请难度相对较小，但在接下来一定会变成大热。以2016年刚开MS Applied Analytics的哥伦比亚大学为例，申请开放得迟，但录取速度非常快，录取条件也相对宽松，从学校的角度应该是想尽早拿到一批学生，先把市场做起来，往后培养一批批校友，那在以后市场上，学生的竞争力就更强了，而随后项目口碑做起来，申请人数上去，申请难度也就不可同日而语了。