美国数据科学硕士院校介绍

1、Stanfor | M.S. in Computational an Mathematical Engineering

斯坦福大名鼎鼎，而它的 ICME项目在人工智能领域也很有名气。此项目十分成熟，就业前景光明，身处硅谷福地，是天时地利人和的完美项目之一了。选课也很自由。自然而然，录取难度顶级，官网上两届学生，三个track，加上PhD辅修Master的学生也仅有42个人。近乎完美的个人简历，接近4.0的GPA，多段实践经历缺一不可。

学校综合排名：A+

人工智能领域的顶级学校，地球人都知道

项目成熟度：A+

ICME项目已经开设多年，是一个十分成熟的研究生项目

就业情况：A+

在斯坦福学习数据科学的好处之一就是进可转码，退可做PM，有大量的科技公司参加校招，求职方面相当便利

地理位置：A+

坐拥硅谷宝地

课程设置及class size：A+

这个项目可以在斯坦福的统计，数学以及计算机系自由的选课，加上每届二十人左右的大小，使得ICME的学生可以根据自己的情况安排学习进度和计划，同时享受斯坦福提供的大量学术资源

录取难度：A+

GPA 3.9 +， 多段实习或research经历几乎是标配，很多ICME的学生在毕业后都会继续深造，因此这个项目对于数据科学理论方面的研究经历十分看重

整体打分：A+

2、CMU | M.S. in Machine Learning

卡内基梅隆大学是出了名的计算机神校。身处于Machine Learning Department - MLD下面的MSML项目关注于机器学习相关理论的学习，所以有非常多的数学，统计及优化理论课程可以选择。毕业生就业率100%。虽身处匹兹堡，但不乏公司为招学生“三顾茅庐”。录取难度很高——每届录取20-30人左右，十分偏好国内清华北大和美本前三十，计算机专业为主的优秀学生。

学校综合排名：A+

AI和计算机领域毫无疑问的领头羊之一，码农神校，每年学生写代码掉下的头发堆起来可以环绕地球三圈

项目成熟度：A+

在人工智能热潮开始之前就存在的项目，校友甚至可以追溯到2003年，基于CMU在人工智能领域多年的深耕，几乎可以说是学习ata science最好的去处

就业情况：A+

毕业生的去向基本分为Machine Learning Engineer，Quant，PhD三大方向，有CMU完善的技术培养体系和大量的求职机会，就业率轻松100%

地理位置：A-

坐落在苦寒之地匹兹堡，除了学习之外的活动并不算多，好在CMU的金字招牌响彻全美，会有想要招募CMU学生的公司们源源不断地拜访

课程设置及class size: A

CMU为machine learning这个领域专门开设了一整个epartment。作为这个系唯一的硕士项目，CMU的ML master提供了从传统机器学习，统计理论，运筹学一直到深度强化学习和图模型（Graphical moel）的全面的课程设置，保证学生可以学习到几乎任何的前沿理论及应用。而每届二十人以内的小班设置则注定了这个项目只属于少数本科阶段就已经积累了大量ata science 知识及研究经历的同学。

录取难度: A+

每届录取20-30人，基本以计算机背景为主，有相当高比例的美本top30学校的学生，国内录取也是以清北为主（不得不说CMU相当青睐清北的同学），难度相当地高

整体打分: A+

3、CMU | Master of Computational Data Science

又是CMU，其Computational Data Science开设在School of Computer Science – SCS下面。MCDS项目包含了三个track：System Track（系统方向）, Analytics Track（分析方向）和HCI Track（人机交互方向）。申请数量一直居高不下，1000+人申请，录取人数却保持在60左右。录取学生的本科专业基本包括在计算机、数学、统计三个学科。

学校综合排名：A+

项目成熟度：A+

也是一个已经开设了超过十年的项目，目前有system，analytics，human interactive三个方向，提供了很多其他DS项目不包括的，例如machine learning系统设计之类的内容，含金量十足

就业情况：A+

毕业生的求职方向以Data Scientist, Data Engineer和Machine Learning Engineer为主，由于隶属于计算机学院旗下，去向基本都是Amazon，Apple等顶级科技公司

地理位置：A-

课程设置及class size：A-

由于有三个track，所以每年都会发80+个offer，就读学生以中国和印度同学为主，iversity比较小

录取难度：A

更加适合以计算机本科的同学申请，相对于ML的master对于research或者s的基础看重程度稍弱，并且由于录取人数更多，难度比前一个项目低一点。

整体打分：A

项目详解

4、Harvar | Master＇s in Data Science

哈佛大学绝对的无人不知、无人不晓。其数据科学项目开设在SEAS﹙School of Engineering an Applie Sciences﹚下的IACS﹙Institute for Applie Computational Science﹚学院内。哈佛大学的DS项目自2018年开设，相对较新，但因该项目由统计系和计算机科学系联合开办，所以课程、教授都还比较成熟。录取难度十分顶尖，非常注重数学、计算机、统计方面的学术成绩和科研经历

学校综合排名：A+

又是一个地球人都知道的学校

项目成熟度：A-

2018年开始招生，第一届学生刚刚毕业，因此很多内容和流程都还在摸索当中

就业情况：A

虽然项目本身没有提供太多的就业辅助，但借着哈佛大学的资源和录取学生本身的实力，第一届的学生不论是找实习还是工作都取得了不错的结果，去向从咨询，金融，科技公司都有涵盖

地理位置：A

波士顿本地知名企业虽然不算太多，但由于拥有哈佛和MIT这样的名校，各类企业也是趋之若鹜地来此招人。

课程设置及class size：A

由于可以在哈佛和MIT自由选课，这个项目的课程难度可想而知，每届40人左右的class size也保证每个人都有充分的机会了解身边的同学，也不会出现同届同学过度竞争的情况

录取难度：A+

根据过往的经验来看，这个项目十分偏好数学基础扎实，综合能力全面，且有丰富科研经历的学生，录取者的专业从计算机，应用数学，经济甚至心理学都有涵盖。

整体打分：A

项目详解

5、University of Pennsylvania | M.S.E. in Data Science

一提到宾夕法尼亚大学，你可能首先想到的是其名扬天下的商学院。但是，其工程学院的实力也十分强大。宾大数据科学项目于2017年创办，还在努力建设过程中。但是，因为该项目整体学生质量较高，就业情况也很可观。~30人的小班优势+自由选课的权利也是很可了。唯一的劣势要说的话可能就是其地理位置吧：地处费城，本身就业机会有限，找工作更需要自己艰苦奋斗。

学校综合排名：A

UPenn虽然以商学院著名，但其工程学院的实力也不容小觑。丰富的课程选择加上学校能提供的大量金融及商业方面的数据分析和研究的机会使得这个项目给就读学生的资源相当丰富，绝对是一个值得考虑的好项目。

项目成熟度：A-

比Harvar DS开设更早一年，宾大数据科学项目仍旧还在初期建设过程中，有地方（求职辅助，career fair，更多的专业课程）可以继续完善

就业情况：A-

因为其整体学生质量较高，大部分同学都能够顺利找到实习和全职工作，出路也以SDE，DS为主，足迹遍布各类金融和科技公司

地理位置：B

费城本身就业机会有限，大部分同学都需要去主动寻找纽约，湾区等地域的工作机会，据说career fair参加的公司数量也比较有限，属于需要自力更生的类型

课程设置及class size ：A

仅有30人出头的班级大小加上宾大工程学院自由选课的权利，使得在这个项目就读的同学可以通过多选cs课的方式提升自己的能力，加上人数不多，整个项目的同学关系也会比较亲密

录取难度：A

整体打分：A-

项目详解

6、New York University | M.S in Data Science

纽约大学数据科学硕士项目为期两年，由著名计算机科学家，卷积神经网络重要奠基人Yann Lecun教授于2013年创办。项目至今已开办8年，受到学生、数据科学领域相关人士以及业界的一致认可。项目人数从一开始的30人逐渐扩招到如今的100人+。然而，人数的增多并不意味着program整体质量的下降。根据Forbes提供的信息，纽约大学的数据科学专业跻身美国为数不多的6个一流数据科学项目。录取难度居中。

学校综合排名：B

虽然NYU并不算是顶级名校，但他却是美国最早开设专门的数据科学项目之一，在业界有响亮的名声，再加上Yann LeCun这样的网红教授加持，是DS领域当之无愧的明星项目

项目成熟度：A+

开设多年积攒下来的名声和校友网络使得这个项目已经相当成熟

就业情况：A-

毕业生去向以科技公司为主，常见的职位有Data Scientist，Data Analyst，和Data Engineer

地理位置：A

地处纽约的同时，NYU的学生有大量的part time实习机会，可以相当方便的提升数据分析相关的经历，为学习和求职打下很好的基础

课程设置及class size：B+

可能这个项目唯一令人诟病的地方就是大部分课程安排在晚上，而且录取的人数较多，所以学生的水平参差不齐。对于本身编程和统计基础较好的同学来说，在NYU DS就读可以让你如鱼得水，但是如果是跨专业申请或本身基础不够牢靠的话，可能要花较多的时间追赶了。不过好在这个项目时间长达两年，有足够的时间给大家思考人生，提高自己的知识水平，最终完成求职或继续深造的目的。

录取难度：B

整体打分：A-

项目详解

7、Columbia | M.S. in Data Science

哥大享誉全球，但近些年研究生大幅扩招外加其把教育商业化等诸多因素，现在一说自己是哥大Alumni可能含金量大不如从前了吧。然而哥大DS项目还是十分成熟的，保持了非常高的水准。因为此项目开设时间长，招收了很多届学生。此外，项目本身课程安排合理，帮助编程基础不足的学生补齐短板，又提高了学生在ata science方面的知识水平。同时，该项目也安排了很多求职的机会。尽管也身处欲望之都纽约市，但因为项目人数过多，找工作并不轻松。录取难度居中。

学校综合排名：A-

按理来说哥大的教育水平享誉世界，但由于研究生大幅扩招，雷同项目过多（跟数据分析相关的的就有OR，BA，DS，Stats和AA五个项目）等原因，现在提起自己是哥大毕业，往往会招来诸多非议。不过还好，哥大DS项目的实力是有目共睹的。

项目成熟度：A

开设时间比NYU稍晚，但也属于DS硕士的先驱者之一，不论是校友网络还是整体安排（求职，选课）都已经十分成熟了

就业情况：B+

与NYU类似，大部分毕业生工作以科技公司为主，也有一部分毕业生进入start up或金融领域工作，不过由于和NYU同处纽约，加上项目人数较多，经常能听到找工作比较困难的反馈

地理位置：A

课程设置及class size：B

前文已经提过，虽然这个项目本身质量不错，但由于哥大类似的项目实在有点多，造成了同样的工作机会会有其他学校几倍的人数竞争，再加上近几年的扩招，导致不论是选课还是求职都一位难求的情况。

录取难度：B+

每年发放至少100+的offer给中国学生，不论是海本还是陆本都有包括。大量的录取人数注定这个项目的同学水平参差不齐，更需要自己努力

整体打分：A-

8、Northwestern | M.S. in Artificial Intelligence

与西北Analytics相比，西北大学人工智能项目名气更弱些。该项目刚开设两年，目前还没有一届毕业生，就业情况有待观察。西北大学地处芝加哥，虽有众多金融公司，但对于想入科技公司的同学来说，可能会有要和同门Analytics学生竞争的鸭梨山大。30人以内小班教学质量有保证的同时，还有capstone project来锦上添花。录取难度自然也不低。

学校综合排名：A-

与西北Analytics的强势相比，这个同在工程学院的AI Master名气要小。

项目成熟度：B

由于仅仅开设了两年，目前甚至还没有一届毕业生，不过好在从官网的信息来看，不论是课程设计还是求职辅助都参考了很多成熟项目的做法

就业情况：B

根据官网的学生profile来看，大部分同学的实习以芝加哥本地公司或者start up为主，不过根据前文提到的信息来看，因为还没有学生毕业，因此最终的就业去向还有待观察

地理位置：B

芝加哥本地虽然金融公司众多，Data Science或AI的就业机会却局限于此，对想寻找科技公司入职的同学来说，可能要面临和同门的Analytics学生竞争的压力

课程设置及class size ：A

不仅有DS项目少有的capstone project，还有非常全面的课程安排，DS领域的各个topic都会设计，加上每届30人以内的小班，教育质量十分有保证

录取难度：A

整体打分：B+

8、Duke | Master in Interisciplinary Data Science

杜克大学MIDS项目于2017年开设。该项目十分注重申请者的跨专业（interisciplinary）背景。地处较为偏僻的北卡，求职知名企业的难度会有提高。~40人的小班教学+自由选课+capstone project=实力派。美中不足的是必修的关于communication/ethics的课程对不想参与政治/公共政策的国际学生来说比较头疼。录取难度较高。

学校综合排名：A

杜克的工程学院知名度在美国相当不错，加上这个项目属于跨院系开设，基本上集合了所有杜克数据科学方面的资源，整体质量有保证。

项目成熟度：A-

与宾大一样于2017年开办，至今已经运行了三年了，在数据科学硕士中属于中生代选手

就业情况：B+

由于这个项目十分强调申请者的跨专业（interisciplinary）背景，因此大部分学生的背景并不是为了传统意义上的数据科学方向准备的，这也导致了本项目的学生对于求职热门的科技公司等职位并不是那么热衷，网上的就业信息也不是很多

地理位置：B

北卡的地理位置不能说好，由于地势偏僻，跟前面的几所学校相比求职知名企业的难度会有所提高

课程设置及class size：B

十分小的class size（40人左右），加上自由的选课和两期capstone project的支持，这个项目的设计看起来十分理想。然而仔细阅读curriculum就发现，本项目的目的并不是单纯的培养技术人才，相反，有必修的关于communication/ethics有关的课程，因此对于不想参与政治或公共政策的国际学生来说并不算友好

录取难度：A

整体打分：B

9、University of Washington| M.S. in Data Science

西雅图华盛顿大学数据科学项目开设时间相当长，但其自由度较低。大部分学生有一定的工作经历，官网的就业数据对直接本科毕业就读研究生项目的中国留学生来说意义不大。因此，具体的就业难度仍旧存疑。坐标西雅图，优越感十足——有微软和亚马逊等大量招人的企业坐镇。生活工作两不误。虽然也有capstone，但是选课自由度低是硬伤。录取难度居中。

学校综合排名：B+

在世界大学排名里名列前茅，计算机和工程学都比较突出，再加上西雅图优越的地理位置，是个相当不错的选择

项目成熟度：A-

项目开设了相当长的一段时间，加上固定顺序和流程的课程设计，使得UW的数据科学项目自由度较低，大概也算是成熟的一种体现吧

就业情况：B

由于大部分学生有一定的工作经历，官网的就业数据对直接本科毕业就读的中国学生并没有那么大的参考意义。因为中国学生大部分都是直接本科毕业就读研究生项目的，并无工作经历。因此，具体的找工作难度仍旧存疑。

地理位置：A

西雅图的地理位置十分优越，有微软和亚马逊这样的大量招人的企业，加上其他科技公司的分部，不论是生活还是工作都有保障

课程设置及class size ：B+

虽然安排了capstone等提升背景的课程，但是UW的这个项目选课自由度相当有限，师资力量也不如CS等项目强势，因此与前文提到的一众好项目相比还是相形见绌

录取难度：B

整体打分：B