DataScience数据科学申请全解析（二）如何选校

　　上次我们介绍过DataScience主要开设在两个院系下：统计学和计算机科学。
　　那他们的不同之处在哪呢？我们以耶鲁大学和哈佛大学为例，一起来了解下。
　　耶鲁大学
　　M。S。inStatisticsDataScience
　　隶属于统计学与数据科学系
　　该项目共计12门课程，分为3个学期完成。
　　项目的课程设置并不完全固定，是需要根据学生的具体学习目的来进行选择，但是学生将至少需要完成7个方面的课程，包括：
　　1）概率与统计或概率理论；
　　2）统计理论或线性模型；
　　3）数据科学方法：多变量统计或机器学习概论、数据分析、中级机器学习、深度；学习理论及应用、优化技术、计算与优化、统计学习理论等；
　　4）计算与大数据：数据科学的计算工具、统计计算、计算统计学、信息学计算方法、并行程序设计技术、构建分布式系统、面向对象的程序设计、数值计算主题等。
　　其他还包括45门选修课程，包含工程与应用科学、经济学、计算机科学、语言学和生物统计学等领域。
　　哈佛大学
　　M。S。inDataScience
　　隶属于工程与应用科学学院计算机科学与统计学系
　　该项目与耶鲁大学的项目一样，它也要求学生需要在3个学期完成12门课程。
　　核心课程：
　　1）数据科学1：数据科学导论
　　2）数据科学2：数据科学高级主题
　　3）高级科学计算：数据分析、推断和优化的随机方法
　　4）计算机系统开发
　　5）数据科学的批判性思维
　　研究课程：
　　1）数据科学总结性研究项目课程
　　2）应用计算的独立研究
　　热门选修课：
　　1）数据系统
　　2）可视化
　　3）机器学习
　　4）人工智能
　　5）高级机器学习
　　6）机器学习主题
　　7）时间序列和预测
　　8）线性模型
　　9）广义线性模型
　　10）统计机器学习
　　从两个项目的对比可以简单看出：
　　1）隶属于统计学系下的数据科学课程更多是基于统计学，也更看重对数理方面课程的学习和应用；
　　2）而隶属于计算机科学系下的数据科学则更多看到了计算机课程的影子，其可以简单理解为将原来计算机科学下的一个数据科学分支拆分处理成为了一个独立的硕士项目。
　　因此，申请者在选校的时候：
　　1）一定要区分开这两类DataScience项目；
　　2）也需要详细考察具体的课程设置以及申请要求（尤其是先修课及本科背景要求，关于申请相关内容将在下一次内容中详细讲解），根据自己的具体情况来具体选择合适的项目进行申请。
　　DataScience申请成功经验分享：
　　扎实的数理背景和计算机功底；
　　丰富的工作实习经历（数据类岗位对口实习，大厂或知名企业实习为佳）；
　　有竞争力的GPA和标化考试成绩（GPA3。7，GRE328为佳）；
　　丰富的数据相关项目经历；
　　全职工作经历，属于加分项。
　　在下一集内容中，我们将给大家讲解如何进行DataScience项目的申请准备工作。
　　文章源自于OfferMore公众号：DataScience数据科学申请全解析（二）：如何选校