40004-98986
陟岵收藏！你必须知道的数据科学界大佬，都在这里
全文共8242字，预计学习时长24分钟图源：Unsplash是什么让数据科学成为一个性感的行业？当把海量数据注入到新兴行业中，并随之而涌现的大量令人兴奋的新技术。如今，数据科学不再是纯抽象领域的代名词，而是随处可见。从大型产业到学术研究，无不体现出社会对该专业领域知识需求的增长。如：语音识别、计算机视觉中的物体识别、机器人和自动驾驶、生物信息学、神经科学、系外行星的发现和对宇宙起源的理解、以及组建廉价且成功的棒球队。数据科学从本质上看涵盖了多学科，所以对其更准确的概括应该是知识提取的过程。基本上就是指成功调试工具进行更高效的信息采集、存储、数据处理和合成。美国计算机科学家和图灵奖获得者吉姆·格雷（Jim Gray）认为，继经验主义、理论主义及计算模式的思潮过后，数据科学一跃成为“第四范式”。用格雷的话说，信息技术改变了一切。不知不觉中我们已步入第四次工业革命，数据科学连同机器学习与分布式计算一直处于前沿领域，日后的信息技术只会更加普及。图源：Unsplash话又说回来了，数据科学到底是什么？在上述例子中，数据科学家就是整个企业的核心。他/她必须将应用领域的知识与统计专业知识相结合，并用计算机代码来实现他们。身处发展如此之快的领域，那么谁又是真正值得信赖的专家？下面是一些该领域最具权威的领军人物，他们凭借自己的思想和行动致力于信息技术的普及。没有这些人，带动数字世界发展的科技巨头也就不会在人工智能或机器学习方面取得巨大成就。吴恩达（Andrew Ng，美籍华裔）人工智能研究的进步呈现出了前所未有的快，得益于更多的人加入到了研究队伍中，人数比以往任何时候都要多。我很看好这个趋势，我们需要不断招贤纳士！——吴恩达（@AndrewNg）2019年3月18日吴恩达是AI和机器学习领域最具权威的专家之一，与他人共同创建并指导了谷歌大脑（Google Brain）研究项目，曾是百度的副总裁和首席科学家，带领了人工智能研发团队。此外，吴恩达也是教育事业的先锋者，其联合创办的 Coursera课程平台深受大众喜爱。而且提起深度学习近年来的变革，人们总会把吴恩达比作催化剂。李飞飞（美籍华人）在国会山的时候，我跟议会的成员、参议员还有Stanford HAI的人聊了聊以人为本的人工智能。看到了一句非常好的话，是对人工智能的展望，“人工智能将会让人类之间的联系更加紧密”——李飞飞（@drfeifei），2019年6月12日身为斯坦福大学的计算机科学教授，李飞飞目前也是以人为本人工智能研究院的联合主任。她曾是斯坦福人工智能实验室的负责人（2013-2018），被公认为是人工智能、机器学习、计算机视觉和认知神经科学领域的引领者。李飞飞为 ImageNet虚拟数据库项目付出了很多，这也是她最大的成就之一，该数据库主要用于创建视觉识别软件。可以说深度学习变革的进展离不开她在此项目中所作的努力。Alon Halevy这句很短的话是我之前写的：搜索的难度会越来越大，因为数据因人产生同时也为人所用。感谢HaixunWang鼓励我写下这些话！——Alon Halevy（@AlonHalevy）2019年5月3日Halevy是一名以色列裔美国计算机科学家，也是数据集成领域的领先研究员。他从2005年到2015年担任谷歌的研究科学家，负责谷歌数据融合表（Google Fusion Tables），随后成为技术招聘部门的主管。他还当过华盛顿大学的计算机科学教授。Halevy是斯隆奖得主，于2000年荣获了美国“青年科学家总统奖（PECASE）”。2006年度的时候，获得了十年一度的VLDB Endowment奖。他也是Nimble技术公司（现更名为Actuate企业）和Transformic Inc公司的创始人。Halevy于1993年在斯坦福大学获得了博士学位。Ben Lorica发博：人工智能和机器学习会通过整个组织进行再训练，因此，企业有必要对员工进行全面性的训练。——Ben Lorica（@bigdata），2019年6月26日Lorica是奥莱利媒体公司（ O’ReillyMedia）的首席数据科学家，同时是年度人工智能大会以及Strata数据大会的项目负责人。他的研究方向是商业智能、数据挖掘和机器学习。Lorica在推特上十分活跃，也是一位高产的作家，其出版的书籍会定期在O’ReillyMedia的博客上发布。Bernard Marr影响我们每天生活的关键因素就是快速发展的技术产业。Statista公司发布的一份报告显示，预计全球自动化市场的营业额将在2020年超过500亿美元。——Bernard Marr（@BernardMarr），2019年7月10日Marr是个未来主义者，他的书在世界各地都非常畅销，演讲也十分受欢迎。很多政府和各大企业都会邀请他来当人工智能和数据数据科学的顾问。Marr的终极目标是让世界更好地运用数据。Chris Surdak在教条延续几个世纪以后的今天，分形传达的信息令人不可思议——所有复杂甚至既存的法则都难免留有数学的印记。机器人流程自动化（RPA）、机器加工（Machining）以及人工智能的普及一旦为人们所接受，就不再是晦涩难懂的东西了。——Chris Surdak（@CSurdak），2019年5月9日Surdak声称自己就是个“大数据”。他是一位作家，也是名火箭专家，同时还是技术策略与大数据的专家（这并不见怪）。现在的Surdak没事写写书，经营着自己的顾问公司，以前他在惠普、戴尔、花旗银行都从事过。他一直致力于研究如何最大化利用数字经济的潜力。DJ Patil数据科学是团队活动。——DJ Patil（@dpatil），2019年6月15日2015年至2017年，DJ Patil是美国首席数学家。2008年他与脸书早期的数学科学负责人Jeff Hammerbacher共同命名了“数据科学家”一词的现代版本，这在当时也引起不少关注。目前Patil在Devoted Health公司担任技术总监，之前是RelateIQ（被Salesforce收购）的产品副总裁、Color Labs的首席产品官以及LinkedIn的数据产品负责人和首席科学家。担任国家第一任首席数据科学家期间，他还成立了新的医疗项目，有精准医学计划、“癌症Moonshot”倡议；此外也进行了新一轮的刑事司法改革，通过了数据驱动司法和警察数据提议。帕蒂尔在2016年荣获国防部杰出公共服务奖章。Doug Cutting之前在红木城福克斯剧院参加过两场活动，真的觉得今天这场庆祝Cloudera和 Hortonworks两公司的合并更有意思，是有在向观众传达信息的，而且放了“桶头”的摇滚乐。——Doug Cutting（@cutting）2019年1月10日Doug Cutting创立了搜索索引器 Adobe Lucene和网络爬虫（或蜘蛛）Nutch，二者是通用开源软件平台必不可少的组件，不仅如此，还将通用开源软件（如Linux 和MySQL）的性能提升到了垂直搜索层面。Cutting毕业于斯坦福大学，在施乐帕罗奥多研究中心（Xerox PARC）从事Scatter/Gather算法和计算风格方面的研究工作。他曾是搜索引擎Excite的一位首席设计师，是Apple’s V-Twin 文本搜索框架的主要构思者，之后创建了 Lucene。Dean Abbott毋庸置疑，科学和艺术对高效的机器学习来说缺一不可，因为数学就是文字。机器学习哪有什么常识啊，所有的“知识”都是输进去的数据！——Dean Abbott特（@DeanAbbott），2019年6月7日Abbott是SmarterHQ的联合创始人，这是一家专注于研发个性化人工智能的公司，他在里面也担任着首席数据科学家的角色。Abbott写了很多有关数据科学的书，比如《应用预测分析——专业数据分析师需了解的原则和技巧》（Applied Predictive Analytics: Principles and Techniques for the ProfessionalData Analyst）感兴趣的话可以看看他的博客，上面还有更多个人成就。Hadley Wickhama <- factor(c("character","in", "the", "streets"))b <- factor(c("integer","in", "the", 'sheets'))c(a, b)#> [1] 1 2 4 3 2 1 4 3#rstats——Hadley Wickham（@hadleywickham）2019年7月9日大家可能不知道这个，但其实Wickham的成就随处可见。统计语言中经常会用到他创建的许多包（package），全世界下载量最多的三个R包都是他的。简言之，他就是R方面的专家，而且写的书也跟这方面有关，如《数据科学中的R》（Rfor Data Science）。平日里若不是研发统计模型，那Wickham一定是在出席各个大数据会议，宣传自己的想法。图源：UnsplashHilary Mason肯定有很多人不认同，但我依然喜欢发邮件，我觉得它对维持人与人间的关系有着不可小觑的作用，因为它真的有在提高人们沟通的效率。不过我说的也不一定对。——Hilary Mason（@hmason），2019年6月11日Mason是数据产业领域的领军人物之一，跟许多组织开展合作，将数据科学更好地融入到传统经济领域中。之前她是Bit.ly.公司的首席科学家，最近忙于自己人工智能企业（Fast Forward实验室）的建立。Mason还有一个角色，就是HackNY的联合创办人，该组织专注于培养未来的计算机科学家和计算机工程师。Ilya Sutskever机器学习非常神奇，核心概念并不多，没有过分地违反常理，并且在正确的引领下，该领域前沿的大致方向也是正确的！——Ilya Sutskever（@Ilya Sutskever）2019年5月17日Sutskever目前是OpenAI的首席科学家，该人工智能初创公司由伊隆·马斯克成立。Sutskever研究的是人工智能的风险计算以及如何应对。在整个职业生涯中，他为深度学习做出了巨大贡献。同时，他也是AlexNet神经网络的联合发明者。在多伦多大学获得了计算机科学博士学位。2015年，Sutskever荣登《麻省理工科技评论》35 Innovators Under 35。Jake Porway今天要讲数据科学建立的操作和服务于SXSW社会影响力的人工智能，我非常激动。加入330对话吧！——Jake Porway（@jakeporway）2019年3月8日Porway是DataKing的创始人兼高级总监，这是一支由代码人和统计学家组成的跨学科队伍，他们的共同目标就是普及人工智能和数据科学。Porway最近在纽约时报的搜索和研发实验室担任数据科学家。曾获得了哥伦比亚大学的计算机本科学位和加州大学洛杉矶分校的统计学硕士和博士学位。John Myles White统计实在是太难了，但那些不相信它的人（比如心理学家）很有可能传递错误的信息。事实证明的确如此，而且这个问题一直存在。——John Myles White（@johnmyleswhite)，2019年6月30日John Myles White目前是脸书的数据科学家，平日也会通过Julia编程语言的搞一些开发。他专攻的对象是机器学习和统计（尤其是R）。除去全职开发员的身份，怀特也写各种各样的书，比如“黑客看的机器学习”、用于网页优化的Bandit 算法。Kira Radinsky我为自己的学生感到非常骄傲，他们写出了一个自动化公式1！可以在以色列的高速公路上开！——Kira Radinsky（@KiraRadinsky），2018年10月19日Radinsky是eBay的数据科学总监，也是eBay以色列分部的首席科学家。她曾是SalesPredict公司的首席技术官，该公司后来被eBay收购。Radinsky把所有的热情都投在了预测数据挖掘上。她是数据科学界燃起的一颗新星，登上过福布斯30Under30榜单。Kenneth Cukier人工智能取得的成就当然有其他令人振奋人心的实例，只不过是通过间接或二阶效应体现。在医疗诊断上，人工智能的应用或许只适用于人类——但却降低了辐射的应用，对病人的安全保障和就医环境来说是一次巨大的进步。——Kenneth Cukier（@kncukier），2019年6月20日Cukier是经济学人的数据专家，同时也是一位高产的作家，出版的《大数据：一场能够改变我们生活、工作和思考的变革》（Big Data: A Revolution That WillTransform How We Live, Work, and Think）。他的时间大部分都用在了讨论人工智能和大数据的未来上。Cukier在TED（这是他参加的为数不多的公开讲话）上说过这样一句话“大数据是更好的数据”。Kirk Borne沉浸式创新的下一代前沿领域——VR和AR将结合数据科学、人工智能、创造性能、机器学习以及设计和设计思维为训练和计划提供稳定的环境。——Kirk Borne（@KirkDBorne）2019年7月10日Borne是一名数据科学家，被誉为当今世上最具影响力的人物之一。他研究人工智能和大数据，因此又被IPFC喻为数据科学领域的“排行第一的数字影响者”。你不仅能在世界各地的会议上看到他的演讲，这个人在天文方面也能侃侃而谈。之前他在NASA的哈勃太空望远镜数据团队工作过一段时间。Marck Vaisman能在下周纽约市举办的DominoRev峰会上讲话，我很激动！到时候会分享我从商从政以及学术方面的有关数据科学的经验，也希望从更多在场的优秀数据科学领导者身上学到更多的东西。——Marck Vaisman（@wahalulu），2019年5月14日Vaisman是乔治敦大学和乔治华盛顿大学的兼职教授，给研究生教授大数据的课程，也是微软公司的技术解决专员。因为是做数据科学的，他会帮助顾客操作Azure云端，云端也将运用于数据科学、高级分析和人工智能的处理。Vaisman是R的编程者和倡导者，在2010年启动了统计编程哥伦比亚地区项目，同时也是数据社区哥伦比亚地区的联合创始人，组织的成立推动了该地区数据科学和分析的发展。Monica Rogati我并不觉得数据科学家一抓一大把，但我相信想成为数据科学家但不切实际的人有很多。“我是个打篮球的，但不想做枯燥的训练，只想扣篮，像电视上一样。NBA我来了！”——Monica Rogati（@mrogati）2019年2月14日Rogati是Data Collective (DCVC)的股权合伙人，也是CrowdFlower的科学顾问。2013年至2015年间，她是Jawbone的数据副总裁。曾经也是LinkedIn的高级数据科学家，在这里用五年的时间创建了最初的工作匹配系统，也为LinkedIn建立了首个机器学习模型——“可能认识的人”推荐功能。2014年，Rogati被《财富》（Fortune）评为“大数据全明星”，同年，Fast Company授予她“百位最具创造力商业人物之一”的荣誉称号。她获得了卡内基梅隆大学的计算机科学博士学位。Lukas Biewald深度学习班上有位同学（@thegautam）借助GPT-2模型生成网站域名，效果太棒了。——Lukas Biewald（@l2k），2019年6月24日Biewald是Weights&Biases公司的创始人，该公司主要创建适合机器学习的开发工具。早在2007年，他是FigureEight Inc.互联网公司的联合创办者，该公司当时是收集用于机器学习的训练数据。在那之前，Biewald曾是Powerset的高级科学家和经理，Powerset是一家自然语言搜集技术公司，随后被微软收购。自2005年至2006年间，他带领Yahoo! JAPAN的搜索团队，专注于研发统计机器学习，提高国际市场的网页搜索功能排名。Biewald拥有斯坦福大学的数学本科学位和计算机科学硕士学位，在2010年因创建GiveWorkiPhone应用程序荣获Netexplorateur奖，该程序让用户只需通过简单的操作就能足不出户地帮助难民和发展中国家的人。Inc.杂志上说的30位30岁以下的商业精英就有他的名字。Nando de Freitas剑桥大学的研究员研发了一款可以识别、筛选生菜的机器人，并且不会破坏生菜。——Nando de Freitas（@NandoDF），2019年7月8日Freitas是英国一家人工智能公司DeepMind的首席科学家，该公司是创建神经网络的，在2004年被谷歌收购。目前他是牛津大学计算机科学系的教授，研究机器学习领域中的神经网络、贝叶斯推断（Bayesian inference）和深度学习，凭借机器学习方面的工作他还获得过多项奖项。Peter Skomoroch很多合法的初创企业都会因为社会中的各种声音迷失了方向。我们是不是需要给人工智能初创企业来几场顾客报告？通过一些基础操作或者瞥一眼某位机器学习资深人士的融资演讲稿，可以了解很多商业案例的。——Peter Skomoroch（@peteskomoroch），2019年6月25日Skomoroch是LinkedIn的首席研究科学家，提供了“技能”及其他一些数据驱动的服务。他建立了数据整理（Data Wrangling），进行数据挖掘，提供预测分析咨询服务。在加入LinkedIn之前，他曾担任过Juice Analytics的高级分析总监、AOL Search的高级研究工程师，也是麻省理工学院Lincoln 实验室的研究人员。Skomoroch获得了布兰戴斯大学的数学物理学士学位。Sebastian Thrun谷歌眼镜的问世、Focalsbynorth智能眼镜的发布（我惊了！），当然还有我在Magicleap公司的第一周都非常棒，这个公司果然名不虚传。Focals可能是最赞的AR体验了，我迫不及待想看更多的Leap应用程序！——SebastianThrun (@SebastianThrun)2019年4月24日Thrun创立了Google X，自此在数据科学领域一举成名。该项目旨在研究未来技术和潜在领域。Magicleap之所以能够相继推出自动驾驶汽车、谷歌眼镜等就是拜GoogleX所赐。目前Thrun在斯坦福大学做研究，他也是Udacity的创始人。Wes McKinney蚁群算法（Ant colonies）跟C++构建系统有许多共同点。——Wes McKinney（@wesmckinn），2019年3月15日McKinney是Pandas数据库的创始人，致力于开发Python编码语言。他著的书不仅跟数据库有关，还拓展了很多Python领域的知识，经常是全球大大小小数据会议的重要人物。貌似只有数据专家才能关注他的推特，不过他的见解十分重要。Yann LeCun（法裔美国计算机科学家）常识植根于语言一直是一个误解。恕我直言，常识来源于你对世界的认知，相比语言它跟直观物理（IntuitivePhysics）有着更多千丝万缕的联系。不过这个世界少不了人与人的沟通，语言也就成为了其中的一部分。——Yann LeCun（@ylecun）2019年7月9日图源：Unsplash留言点赞关注我们一起分享AI学习与发展的干货如转载，请后台留言，遵守转载规范
父则不祥双下降真实发生，UW教授用统计学解释偏差-方差权衡，LeCun转推
偏差—方差之间的权衡判读对机器学习来说是非常重要的。在深度学习研究中，可能会遇到双下降现象，认为这有悖于偏差—方差权衡。本文通过一个统计学的例子，对偏差—方差权衡展开了形象的解读。选自Twitter，作者：Daniela Witten，机器之心编译，编辑：陈萍、杜伟8 月初，华盛顿大学统计学与生物统计学教授 Daniela Witten 在推特上发帖介绍了「偏差 - 方差权衡」与「双下降」之间的关系。这个帖子一经发出便收获了很多点赞与转发。AI 大咖 Yann LeCun 也转发了该贴，他高度称赞了 Daniela Witten 教授对「双下降」现象的解读。LeCun 写道：「这是对双下降现象非常直观的解释。当模型能力『恰好』能够产生零训练误差时，该现象导致测试误差达到峰值。并且，峰值不会出现在多层网络中，因为它们呈现隐式正则化。」Daniela Witten 教授的解读究竟有哪些独到之处呢？她开篇是这样介绍的：「还记得偏差—方差权衡吗？它意味着模型在中等程度灵活性条件下表现良好。图中可以看到 U 形测试误差曲线。我们试图找到灵活性的『最佳点』（Sweet Spot）」。独到的偏差 - 方差权衡解读上文中的 U 型测试误差曲线基于以下公式：随着灵活性的增加，（平方）偏差减少，方差增加。「sweet spot」需要权衡偏差和方差，即具有中等程度灵活性的模型。偏差 - 方差权衡不成立吗？过去的几年中，尤其是在深度学习领域，已经出现双下降现象。当你继续拟合越来越灵活且对训练数据进行插值处理的模型时，测试误差会再次减小！在深度学习的背景下，这一点似乎尤为突出（不过，正如我们看到的，这种情况在其他地方也会发生）。到底是怎么回事？偏差—方差权衡是否成立？教科书都错了吗？或者是深度学习的魔力？深度学习的双下降现象，偏差 - 方差权衡成立在这篇帖子里，Daniela Witten 教授给出了合理的解释。为了理解深度学习的双下降现象，她列举了一个与深度学习无关的简单示例：自然三次样条曲线（natural cubic spline）。首先介绍一下什么是样条曲线？本质上，这是一种拟合模型 Y=f（X）+epsilon 的方法，f 是非参数的，由非常光滑的分段多项式构成。为了拟合样条曲线，Daniela 等人创建了一些基函数，然后通过最小二乘法将响应（response）Y 拟合到基函数上。所用基函数的数量与样条曲线的自由度（degrees of freedom, DF）相同。基函数基本形式如下：假设 n=20（X, Y），并且想用样条曲线 Y = f(X)+ epsilon 估计 f(X)（此处 f(X)= sin(X)） 。首先，Daniela 等人拟合了一个 4DF 的样条曲线。n=20 时的观测值为灰色小圆点，f(x) 为黑色曲线，拟合函数为浅蓝色曲线。然后拟合了一个 6DF 的样条曲线。接着尝试拟合 20DF 的样条曲线，这不是一个好主意。因为得到了 n=20 的观测值，所以为了拟合 20DF 的样条曲线，需要用 20 个特征来运行最小二乘法！结果显示在训练集上零误差，但在测试集上误差非常大！这些糟糕的结果也非常符合偏差 - 方差权衡的预测。虽然在 20DF 的测试结果非常差，但 Daniela 等人还是进行了 n=20，p=36DF 时的最小二乘法拟合。这时 p>n，解是不唯一的。为了在无穷多个解中进行选择，Daniela 等人选择了「最小」范数拟合：系数平方和最小的那个（使用了大家最喜欢的矩阵分解 SVD，以实现轻松计算）下图为 n=20，p=36DF 的拟合结果。欣慰的是，结果并没有预期的那么糟。下图对比了 20DF 和 36DF 的结果，可见 36DF 的结果比 20DF 要好一点。这是什么原因呢？下图是训练误差和测试误差曲线，两者的变化曲线差别非常大。以虚线为分界线，当 p>n 时，为什么测试误差（暂时）减少？这难道就是偏差 - 方差权衡所指的对立面吗？Daniela 等人给出了合理的解释：关键在于 20DF，n=p 时，只有一个最小二乘拟合的训练误差为零。这种拟合会出现大量的振荡。但是当增加 DF，使得 p>n 时，则会出现大量的插值最小二乘拟合。最小范数的最小二乘拟合是这无数多个拟合中振荡最小的，甚至比 p=n 时的拟合更稳定。所以，选择最小范数最小二乘拟合实际上意味着 36DF 的样条曲线比 20DF 的样条曲线的灵活性差。现在，如果在拟合样条曲线时使用了脊惩罚（ridge penalty），而不是最小二乘，结果会怎么样呢？这时将不会有插值训练集，也不会看到双下降，而且会得到更好的测试误差（前提是正确的调整参数值！）总结所以，这些与深度学习有何关系？当使用（随机）梯度下降法来拟合神经网络时，实际上是在挑选最小范数解！因此，样条曲线示例非常类似于神经网络双下降时发生的情况。因此双下降是真实发生的，并不是深度学习魔法。通过统计 - ML 和偏差 - 方差权衡可以理解它。一切都不是魔法，只是统计在发挥作用。原文链接：https://threadreaderapp.com/thread/1292293102103748609.html
梦过界时代兴华留学：美国数据科学（DS）留学申请解析
最近这两年随着大数据和互联网的发展，数据科学专业也热起来了。最近来咨询美国数据科学（DS）留学申请/美国商业分析（BA）留学申请的同学是最多的。为了帮助更多关注美国数据科学专业选校定位的同学，我推荐一个简易的定校表格，大家可以做个参考，如果是需要一对一咨询留学问题，可以联系时代兴华留学，我会给大家详细介绍。美国研究生申请条件参考华盛顿大学西雅图-美国数据科学（DS）留学Master of Science in Data Science华盛顿大学西雅图(University of Washington)提供数据科学方面的顶级硕士学位。它的特点是综合性，跨学科的课程。该专业是与以下不用学院学系合作开发的:应用数学系生物统计学系计算机科学与工程系设计与工程系统计系信息学院课程安排在晚上，全日制学生每周有两个晚上在UW西雅图校区上课。该项目包括九门核心课程和一个Capstone项目。毕业生将专注于的专业领域如:统计建模机器学习软件工程数据管理#29 -Stanford University斯坦福大学-美国数据科学（DS）留学M.S. in Statistics: Data Science斯坦福大学(Stanford University)数据科学专业的顶级硕士学位是与统计学系和计算与数学工程研究所(ICME)合作授予的。通过以下课程，学生接受以计算为重点的数据科学训练:数学统计数据编程数据科学没有论文要求，学生可以继续准备高级博士学习。专业选修课的范围如下:机器学习挖掘海量数据集数据驱动的医学来自大数据的商业智能#28 -Georgetown University乔治城大学-美国数据科学（DS）留学Master of Science in Analytics-Data Science乔治城大学(Georgetown University)的顶级分析硕士学位是通过与计算机科学系和数学与统计系的合作而授予的。这个严谨的项目为学生提供数学、计算和统计方法方面的培训。该项目面向应届毕业生和寻求晋升或新职业的专业人士。全日制学生只需两年就能拿到学位(转学学分或暑期课程更少)。课程通常在下午晚些时候或晚上提供，以适应职业人士。学生有机会参与独特的活动，如数据可视化挑战，德勤核心咨询系列和分析学生展示。#27 -Southern Methodist University南卫理工大学-美国数据科学（DS）留学Applied MS in Statistics and Data Analytics Program (MASDA)位于德克萨斯州达拉斯市的南卫理公会大学(Southern MethodistUniversity)的统计与数据分析应用硕士(Applied MS in Statistics andData Analytics)项目旨在培养学生具备强大的统计基础和分析能力，以解决复杂的问题。学生只需18-24个月就能完成学业。统计及数据分析应用硕士课程的重点如下:流行病学统计方法时间序列分析数据库管理统计计算计算统计数据学院师资力量雄厚，数据分析经验丰富。学生发展统计计算能力的SAS和R，许多能够通过SAS认证考试。通过统计咨询服务中心提供咨询实习经验，让学生有机会与实际客户合作。#26 -University of San Francisco旧金山大学-美国数据科学（DS）留学MS in Data Science旧金山大学艺术与科学学院(College of Arts and Sciencesat The University of San Francisco)的数据科学专业的顶尖硕士学位只需要12个月就能完成。这个严格的项目使用了最先进的开放源码课程，为学生发展所需的技能，以成功在世界上增长最快的领域之一。课程主题包括:机器学习回归网页抓取SQL和NoSQL数据库管理聚类分析这个35学时的项目有一个夏季分析训练营，旨在帮助学生学习或温习数据科学家工作所需的技能。实习项目允许学生在该领域兼职，以获得为期九个月的专业工作经验。学生在平日上课，并预留两天进行实习工作。#25 -The University of Texas at Austin德克萨斯大学奥斯汀分校-美国数据科学（DS）留学Master of Science in Business Analytics德克萨斯大学奥斯汀分校(Universityof Texas Austin)的麦库姆斯商学院(McCombsSchool of Business)开设了一个顶级的商业分析硕士课程，只需10个月就能完成。学生们受益于独特的网络机会和行业联系，而这在其他数据科学项目中并不常见。课程涵盖了供应链分析、文本分析、决策分析和数据分析编程等领域。学生们与职业发展团队一起工作，帮助他们确保毕业后获得成功。#24 -University of Colorado科罗拉多大学-美国数据科学（DS）留学MS in Computer Science with emphasis in Data Science & Engineering科罗拉多大学拥有数据科学创新顶尖硕士学位，提供广泛的雇主在尝试和理解大数据时需要的知识。该计划既可在线上也可在校内使用，课程由经验丰富的教师授课。课程涵盖数据系统的设计和分析，数据中心规模计算，数据挖掘和机器学习等领域。#23 -Arizona State University亚利桑那州立大学-美国数据科学（DS）留学Master of Science in Business Analytics凯里商学院商业分析理学硕士课程为期九个月，包括10门数据和分析课程。这是一个很好的项目，为刚毕业的学生与强大的数量背景。该项目每年8月开始，课程在网上或工作日在校园里提供。全日制学生只需九个月的学习就能获得学位。这是一个指定的STEM项目，所以国际学生有资格在毕业后在美国从事长达36个月的全职工作。根据《美国新闻与世界报道》(U.S. News and World Report) 2019年的一份报告，亚利桑那州立大学(Arizona State University)的W·P·凯里商学院(W. P. Carey School of Business) 被认为是最好的商学院和信息系统研究生院之一。#22 -University of Central Florida中佛罗里达大学-美国数据科学（DS）留学Master of Science in Data Analytics (Big Data)中佛罗里达大学拥有30学分的跨学科硕士学位数据分析工程与计算机科学学院和科学学院。学生可以在16-20个月内完成学位。教学是面对面的形式，课程在晚上和周末提供。学生在一个队列中完成该计划，从而获得强大的同伴支持和互动。课程在晚上或周末提供，以满足工作专业人士的需求。这个顶级数据科学硕士课程的课程包括：并行和云计算网络科学机器学习并行和分布式数据库系统数据挖掘统计分析#21 -University of Oklahoma–Norman俄克拉荷马大学-美国数据科学（DS）留学Master’s in Data Science and Analytics俄克拉荷马大学拥有与计算机科学与工业与系统工程学院共同提供的数据科学与分析计划的顶级硕士学位。全日制学生只需14个月即可获得学位。无法承担全日制课程的学生也可以获得兼职机会。课程在线提供，校园提供，或两者兼而有之。所有核心课程完成后，为学生提供实习经验。核心课程包括计算结构，算法分析，智能数据分析和工程统计分析。对于计划继续攻读博士学位的学生，可以选择论文选项。#20-Oklahoma State University–Stillwater俄克拉荷马州立大学-美国数据科学（DS）留学M.S. in Business Analytics (MSBAN)俄克拉荷马州立大学斯皮尔斯商学院(SpearsSchool of business at Oklahoma State University)提供的顶级商业分析硕士(The topmaster’s in business analytics)课程是一个为期四个学期的在线和校内课程。该项目极具竞争力，每年平均录取率为21%。数据科学硕士已获得STEM分类。这使得国际学生可以在美国额外获得17个月的可选实践培训：分析机器学习统计数据这个顶尖的数据科学硕士学位也为学生提供了在各种会议上发表和发表研究论文的机会。#19-Kennesaw State University肯尼索州立大学-美国数据科学（DS）留学Master of Science in Applied Statistics (MSAS)肯尼索州立大学(KennesawState University)提供应用统计学硕士学位，旨在帮助学生学习分析真实世界的数据，以开发数据驱动的解决方案。这个36学时的课程有别于大多数传统的统计学硕士课程。它利用SAS和JMP等统计程序分析数据，并在第一学期开始创建摘要。然后，学生们用他们工作或实习中的真实数据完成一个应用项目，以展示他们的技能和知识。该项目的重点是以清晰和简洁的方式将结果传达给不同层次的利益相关者。学生在第二学年也有独特的机会获得他们的六西格玛黑带，以增加毕业后的就业机会。#18 -Seattle University西雅图大学-美国数据科学（DS）留学Master of Science in Business Analytics西雅图大学开发了业务分析计划的顶级硕士学位，以满足对合格商业数据和情报分析师不断增长的需求。SU位于全国发展最快的科技中心之一，地理位置便利，能够与该国一些最具创造性和新兴业务合作。课程涵盖以下领域：数据争夺，可视化和通信决策的数学模型大数据分析新生每年秋季开始学习该课程，每年对申请进行两次复习。该计划由高级商学院协会认可。#17 -University of Virginia弗吉尼亚大学-美国数据科学（DS）留学Master of Science in Data Science (MSDS)弗吉尼亚大学数据科学研究所提供顶级数据科学硕士学位课程。它可以在短短11个月内完成。该计划每年7月开始，并在接下来的5月结束。课程由来自各个领域的教师讲授，包括：计算机科学统计系统和信息工程学生作为一个队列进行整个计划，完成并遵循一个专注于实践学习的综合课程。在课程结束时，学生将完成一项关注数据科学挑战的顶点体验，以获得真实的体验。学生在他们的顶点体验期间接受教师的指导和指导。该计划为MSDS毕业生提供100％的就业率。#16 -University of Chicago芝加哥大学-美国数据科学（DS）留学Master of Science in Analytics (MScA)芝加哥大学格雷厄姆学校的分析科学硕士课程欢迎来自世界各地的学生成为分析领域。课程涵盖以下领域：机器学习和预测分析贝叶斯方法时间序列分析和预测学生可以获得兼职或全日制学位，全日制学生只需五个季度即可完成学位。毕业生将具备在该领域取得成功所需的数据工程和软件技能的高级熟练程度。#15 -Brown University布朗大学Master’s Program in Data Science布朗大学数据科学专业的高级硕士课程由四个学术部门合作提供。该计划可在短短12个月内完成。课程涵盖以下领域：作为数据工程数据和社会统计学习机器学习数据实习允许学生在行业或学术界中处理现实世界的数据项目。学生会接触到影响数据科学领域的道德和社会因素。新生将于9月份开始这项计划。#14 -Northwestern University西北大学-美国数据科学（DS）留学Master of Science in Analytics Program (MSiA)美国西北大学麦考密克工程学院(McCormickSchool of Engineering at Northwestern University)提供分析学硕士学位。它将数学和统计研究与先进的It和数据管理相结合。学生们完成了为期8个月的实习项目、为期3个月的暑期实习和为期10周的顶石设计项目，为就业做好了准备。该项目采用队列模式，每个队列约有40名学生。学生全日制在校学习，预计15个月后就能拿到学位。数据科学硕士课程由以下学院教师讲授:麦考密克工程学院凯洛格管理学院麦迪尔新闻、媒体和综合营销传播学院#13 -Boston University波士顿大学-美国数据科学（DS）留学Master of Science in Computer Information Systems concentration in Data Analytics位于波士顿大学计算机信息系统硕士学位，是该领域的领导者独联体和创新。数据分析硕士课程让学生了解各种主题，包括：数据挖掘文本挖掘，网络挖掘这个40学分的课程包括核心课程和集中课程：概率和统计网站分析和挖掘用R进行数据分析和可视化该计划以在线和传统形式提供，足够灵活，适合专业人士。#12-Massachusetts Institute of Technology麻省理工大学-美国数据科学（DS）留学Master of Business Analytics麻省理工学院斯隆管理学院是世界顶级管理学院之一。麻省理工学院的网络遍布90个不同的国家，拥有超过136,000名校友，网络庞大且令人印象深刻。这是一年专业的商业分析硕士。它专为最近的大学毕业生或希望使用尖端数据科学解决业务挑战的现有学生而设计。课程涵盖以下领域：数据沟通R，Python，SQL和Julia中的分析软件工具机器学习麻省理工学院为那些计划继续超过硕士学位的人提供博士学位的额外数据科学机会。#11-University of Southern California南加州大学-美国数据科学（DS）留学Master of Science in Computer Science (Data Science)南加州大学维特比计算机科学系提供顶级的数据科学硕士学位，为学生在以下领域工作做好准备:能源环境健康医药运输计算机科学系拥有来自信息科学研究所和创新技术研究所的40多名教员。32学时计划结合了数据系统和数据分析两方面的课程。包括一些独特的选修课，例如:信息可视化构建知识图优化理论与技术#10 -DePaul University德保罗大学-美国数据科学（DS）留学MS in Data Science德保罗大学有着提供高质量课程的悠久传统。它的数据科学硕士课程也不例外。学生可以从四个不同的集中领域进行选择，包括:计算方法卫生保健市场营销热情好客学生可以进入数据科学中心和德保罗分析学生小组。这个顶级数据科学硕士项目的学生通过与行业和非营利组织的合作来处理现实世界的分析问题。基础课程的范围包括:Python编程先进的数据分析web数据挖掘先进的机器学习此外，学院亦提供广泛的选修课程，以进一步调整学位#9 -Georgia Institute of Technology佐治亚理工大学-美国数据科学（DS）留学Master of Science in Analytics佐治亚理工学院是一个很受尊敬的学校，它出现在我们的数据科学项目的顶级硕士名单中并不令人惊讶。《美国新闻与世界报道》对佐治亚理工学院进行了排名:研究生课程商业和定量分析统计和运筹学计算机科学佐治亚理工学院提供校内和在线跨学科分析硕士学位。在校学习一年就可以完成。学生可以从以下几个项目中进行选择:分析工具业务分析计算数据分析以队列形式提供的课程，学生们一起完成几门课程，然后扩展到他们的专业领域。#8-North Carolina State University北卡罗来纳州立大学-美国数据科学（DS）留学Master of Science in Analytics北卡罗来纳州立大学高级分析研究所被认为是首要机构之一根据哈佛商业评论，数据科学。这个为期10个月的队列分析师为学生提供团队合作和个性化辅导。课程将定期进行审核，以反映不断变化的业务需求。在毕业生就业能力方面，NCSU毕业时的就业率几乎接近完美，而且近期毕业生的平均基本起薪超过98,000美元/年。#7 -University of Iowa爱荷华大学-美国数据科学（DS）留学Full-time Master of Business Analytics爱荷华大学蒂皮商学院提供三个学期的全部 -时间掌握在业务分析中。学生通过分析咨询顶点课程和实习经验，应用课堂学习来解决实际的业务问题。这个数据科学硕士课程的课程涵盖以下领域：数据和决定数据管理和可视化分析高级分析R中的数据编程数据科学#6 -Colorado State University科罗拉多州立大学-美国数据科学（DS）留学Master of Science in Applied Statistics (MSAS)科罗拉多州立大学应用统计学硕士课程设计作为学生可以在一年内完成的全日制课程。课程由经验丰富的科罗拉多州立大学统计学院教授，可在线获取。学生将学习高级统计程序以增强：市场调查产品开发质量控制这位数据科学计划的顶级硕士课程以实践咨询技术结束，旨在帮助学生利用他们与现实世界客户的沟通和统计技能。课程包括：商业视觉应用开发机器学习的应用定量推理回归模型和应用#5 -Columbia University哥伦比亚大学-美国数据科学（DS）留学Master of Science in Data Science哥伦比亚大学数据科学研究所提供数据科学硕士课程。该计划建立在通过数据科学专业成就认证计划提供的课程基础之上。学生们参与研究，包括最终的顶点项目。该计划可以由全日制和非全日制学生完成，全日制学生只需三个学期即可获得学位。课程涵盖以下领域：概率和统计数据科学算法统计推断和建模机器学习数据科学集中区域包括但不限于：创业数据驱动科学的计算系统数据，媒体和社会健康分析财务和业务分析#4 -Carnegie Mellon University卡内基梅隆大学-美国数据科学（DS）留学Master of Computational Data Science卡耐基梅隆大学(Carnegie MellonUniversity)数据科学的顶级硕士学位位于语言技术研究所(LanguageTechnologies Institute)。课程由计算机科学学院的教师讲授。通过计算数据科学硕士课程，学生可以深入了解:云计算机器学习交互式数据科学学生既要完成行业实习经历，又要完成有助于发展该领域知识和经验的顶石项目。学生根据自己的专业兴趣和工作经验，选择数据科学硕士课程的三个专业之一。浓度为:系统分析以人为中心的数据科学希望寻求研究机会的学生可以直接申请与教员一起工作。#3-New York University纽约大学-美国数据科学（DS）留学MS in Data Science纽约大学的数据科学顶级硕士课程是专为在数学、计算机科学和应用统计学领域有突出表现的学生设计的两年制高选择性课程。该计划的一个关键特点是顶石项目。学生将使用他们的知识和技能来开发和实现一个解决方案来解决一个现实世界的问题。学生可以全日制或非全日制攻读数据科学方面的顶级认证硕士学位。然而，他们必须完成至少24学分的住院实习。专业可用于：数据科学数据科学大数据数据科学、数学和数据数据科学自然语言处理数据科学物理学数据科学生物学#2 -University of Rochester罗彻斯特大学-美国数据科学（DS）留学Master of Science in Data Science罗彻斯特大学戈根数据科学研究所是美国最好的数据科学硕士项目之一。全日制学生只需两三个学期的全日制学习就能完成。许多学生在学期之间获得实习机会，以获得额外的专业经验。未来的学生应该有编程经验，可以来自不同的背景，包括科学、工程、数学和商业。开设细分研究方向有:计算及统计方法健康及生物医学商业及社会科学新生每年秋天入学。课程在白天提供，需要亲自出席。#1 -Pure University普渡大学-美国数据科学（DS）留学Master of Science in Business Analytics and Information Management我们的顶级商业分析和信息管理硕士课程由普渡大学Krannert管理学院提供。这是一个为期11个月的全日制项目。它的目的是教授学生最先进的信息技术，分析技术和软件工具在行业中使用。课程范围包括:六西格玛和质量管理大数据技术优化建模和电子表格这个STEM认证项目不需要以前的工作经验来申请，尽管它确实加强了申请。招生决定每年进行一次，每年夏天开学。
同乎无欲美国华盛顿大学研究生费用
美国华盛顿大学研究生费用包括书本材料费：$1,206、食宿费：$14,076、个人开销：$2,265、交通费：$1,296、学费：$26,768。总额：$45,611华盛顿大学硕士学制华盛顿大学硕士一般读2年，学校研究生学制比较灵活，如果在规定时间内未修满学分，可以延期毕业。学校研究生学分是30-60，一部分学生会选择在假期的时候也修学分，这样一来就能够提前修完学分毕业，也有学生愿意一边工作一边学习，因此就会延长学习的时间，总而言之就是什么时候修完学分什么时候就毕业。华盛顿大学强势学科华盛顿大学的医学、生命科学、计算机科学、物理学、数学、统计学、教育学、公共关系、社会工作和海洋科学等学科领先世界。拥有世界上一流的医学院、商学院、法学院、工学院、教育学院、美术学院、音乐学院、信息科学学院和海洋科学学院等。华盛顿大学曾培养了大批世界级的医学科学家、计算机科学家、生命科学家、物理学家、数学家及航空航天设计制造科学家等杰出人才
整整齐齐美国华盛顿大学申请研究生条件
美国华盛顿大学申请研究生条件要求正规大学本科毕业，取得学士学位、GPA不低于3.0，尤其是大三大四的专业课、TOEFL不低于92分，IELTS不低于7.0分。华盛顿大学申请截止时间秋季入学申请截止日期是12月1日。想要申请华盛顿大学的学生最好先了解各个重要的时间点，避免错过最佳申请时间。申请留学是要花费一定的时间的，而且学校部分热门课程每年申请的人数较多，可能会提前截止申请，建议大家提前半年或一年开始申请工作。华盛顿大学强势学科华盛顿大学的医学、生命科学、计算机科学、物理学、数学、统计学、教育学、公共关系、社会工作和海洋科学等学科领先世界。拥有世界上一流的医学院、商学院、法学院、工学院、教育学院、美术学院、音乐学院、信息科学学院和海洋科学学院等。华盛顿大学曾培养了大批世界级的医学科学家、计算机科学家、生命科学家、物理学家、数学家及航空航天设计制造科学家等杰出人才。
高永专业解析｜美国TOP20名校“水”项目究竟如何？
小编根据往年录取信息总结和梳理出来一些相对好录的名校项目，是为了给一些非常想上名校但成绩不够高的同学提供更多选择，让大家能有更多机会进入自己的dream school！是不是”水“项目就是混一张硕士文凭？本文提及的“水”项目仅仅指录取门槛，无关教育质量、课程难度、师资、就业等方面。这些项目绝对不是随便什么分数都能申上，更不是去了这些项目之后就是上着简单的课、做着简单的作业、舒舒服服混一混就能拿到文凭。名校项目一般都有良好的课程设置和强大的师资，就读名校也会让你认识非常多优秀的人，面临更大的peer pressure。所以读这些项目是不轻松的，请一定做好准备，充分利用名校的优质平台和资源。是不是中国人多的项目就”水“？中国人多并不意味着一定“水”，尤其是理工科CS、DS、统计、EE这些项目，因为这些都是中国人的强项，而且本身中国人口基数大，出国留学人数占比国际生的比例就非常高，所以不能绝对以中国人数多作为项目是否”水“的评价标准。比如CMU的MSCF项目全美专排第一，但中国人的比例也是很高的。Yale的CS Master的中国留学生比例曾经到过90%+，没有人会说Yale的CS水，而且大多数好学校像UCB、Duke的统计系都是中国人，这些项目也不能说水。毕业回国就业，国内用人单位承认这些学历和项目吗？学历认证和北上广落户受影响么？回国找工作顶着美国top级的名校光环确实是完全不一样的。国内大部分企业尤其500强企业对于应届生真的很看重毕业学校的综合排名，甚至按照学校排名把相应学校的留学生归为不同档次和层级的求职候选人，分配到不同的部门和地区（如下图所示，仅供参考！）（完整版可添加小助手领取）这些公司的HR要面对来自全球各地留学回国找工作的学生，他们对于学生就读项目具体的学院信息、招生人数、录取要求并不完全清楚，简单粗暴看排名也是他们前期筛选海量简历提高录用效率的捷径。所以只要是在美国本土排名足够高，有一定的知名度和认可度，回国找工作是不受影响的。当然落户和学历认证也是不受任何影响的，因为落户有明文规定的政策要求，跟项目无关，落户跟出国留学的学制、应届生身份以及找到落户指标的大公司是否有且给予落户名额有关，学历认证只要是拿到正规学校的硕士学历学位，都是可以顺利在中国教育部留学服务中心-国（境）外学历学位认证系统通过认证的（如上图所示）。有哪些名校”水“项目可以选择呢？“水”项目极少的学校哈佛大学、普林斯顿大学、斯坦福大学、ＭＩＴ、加州理工“水”项目相对多的学校哥伦比亚大学、宾夕法尼亚大学、约翰霍普金斯大学、圣路易斯华盛顿大学“水”项目较少的学校芝加哥大学、杜克大学、康奈尔大学、加州大学洛杉矶分校国际生比例低且“水”项目少的学校达特茅斯大学、布朗大学、范德堡大学、莱斯大学、圣母大学这些学校基本录取的学生最低GPA也在3.0+，托福100分左右，雅思6.5-7分，GRE315-320分，GMAT650-700分，只是在top20的排名段里，相比于同一个学校的其他项目录取分数线略低而已，并不意味着随意分数和背景都可以进。如：哥伦比亚大学MS in Enterprise Risk Management 企业风险管理硕士MS in Applied Analytics 应用分析硕士MS in Nonprofit Management 非盈利管理硕士MS in Sustainability Management 可持续发展管理硕士MS in Technology Management 科技管理硕士MS in Human Capital Management 人力资源管理硕士MA in Statistics 统计硕士ＭＳ in Actuarial Science 精算硕士ＭＳ in Social Work 社会工作硕士ＭＳ in Real Estate Development 房地产硕士Masters of Arts in Teaching English to Speakers of Other Languages 对外英语教学硕士需要说明的是网上流传的哥大CS水的说法并不准确，实际哥大CS的录取难度很高，从三维成绩来说，最低GPA3.5+，托福105左右，GRE 325左右，外加2-3段相关的实习和科研经历。约翰霍普金斯大学Master in Applied Economics 应用经济硕士Master in Finance 金融学硕士Master in Marketing 市场营销硕士Master in Electrical Engineering电子工程硕士Master in Financial Mathematics 金融数学硕士Master of Public Policy 公共政策硕士（21fall停止招生）Master's Program in Applied Mathematics and Statistics 应用数学与统计硕士西北大学Master in Project Management项目管理硕士杜克大学Master of Engineering Management 工程管理硕士宾夕法尼亚大学MSc in Systems Engineering 系统工程硕士MSc in Electrical Engineering 电气工程硕士ＭS. Ecation in TESOL 英语教育硕士圣路易斯华盛顿大学Master of Law 法学硕士项目MSc in Electrical Engineering 电子工程硕士MS in Statistics 统计学硕士Global Master in Finance 环球金融硕士是否我只要三维成绩达到上面提到的最低标准，就可以录取这些名校”水“项目呢？当然不是！如果三维成绩不高，但有高质量的科研，强有力的推荐信，加上质量优质的文书能缩短你与名校的差距，这些往年名校”水“项目录取的学生中，有些有大厂实习，有些是海本，有些有名校暑研、海外夏校经历，这些软性背景在他们的申请中起到了举足轻重的作用。所以同学们不能只注重三维成绩，软性背景也在申请中越来越重要。总结来说，相对于热门的像传媒类文科专业，LLM，Ecation，TESOL，SocialWork这些算是文科里相对好申请的专业，而相对于CS、EE、DS这些热门的理工科专业，机械工程，环境工程，化学，材料工程、土木工程也算是理工科里相对好申请的专业，同理相对于商科里的金融、金工、BA、会计这些热门专业，市场营销、人力资源管理、供应链管理、房地产管理也算是相对好申请的专业。只是具体的申请难易程度要跟项目本身所在的学院、专业排名、地理位置、招生人数、国际生比例、开设时间、就业资源等都有非常大的关系，所以名校水不水是相对的，好不好申请也是相对而非绝对的。如果大家有更多出国留学、专业选择、留学规划、实习就业、录取案例等相关问题，欢迎咨询我们，我们会有专业咨询师给大家详细介绍，并发送一些学校项目介绍和申请案例，希望可以在留学准备过程中给大家提供帮助！- END -图片来源于网络拓达留学独家整理，未经授权请勿转载
大宁静新兴专业 BA（business analytics）到底学什么？发展前景怎样？
罗村 BA 在读，忍不住来答，字比较多，尽量写全。先放一个本答案大概内容目录～：）什么是BA？申请条件？如何择校？BA到底学什么？BA就业情况如何？1、什么是BA，为什么BA会这么火？通俗来说，BA是一个收集数据（data collection），对数据进行清理（data cleaning），分析数据（data analysis），从数据中提取商业见解（business insights）的过程。商业分析，顾名思义，他是怎么分析的？最常见的分析有三种:描述性分析（descriptive analysis）——将一行行数据总结成能够容易看懂的可视化图形或者表格，如将一个数据文件可视化成条形图、饼图等。预测性分析（predictive analysis）——给定某些特定的独立变量（independent variable）去预测一个依靠变量（dependent variable），如预测某品牌下一季度销量或是预测消费者是否会继续选择某品牌。因果分析（causal analysis）——改变某一个变量将会如何影响结果，如是否在广告投放上的增加会带来销量上的增加。而BA这个专业，他的课程上的设置，也几乎是围绕这三种分析来进行的。题主问为啥这么多大学都开设了这个专业，因为他火啊！这也和当下互联网时代的发展息息相关，数据正在越来越渗透到人们的日常生活和工作中，人们已经进入到了大数据时代，因此若是有着数据分析相关的技能，就能更好地适应时代的发展。BA呢，不管是在课程设置、还是未来职业发展上，都是紧扣这一热点。而相对于更多开设在各工程学院下面的数据科学（Data Science）专业，BA更多的是在各高校的商学院下面，不管是在申请的先决条件限制方面，抑或是学院在商业方面的资源上，BA相比DS专业都更易于申请，因此也受到更多申请者的青睐。而几乎所有BA专业在美国都是STEM认证的，也就是说国际生在毕业后可以拥有最长三年的OPT工作时长，相比非STEM专业，在求职时更具有优势。此外在薪资结构方面，BA专业的起薪也逐年增高。2、BA专业的申请条件有哪些？专业：对于，这个专业它对申请者的本科背景，没有太大的限制。对于许多本科纯文科专业的同学来说，只要在本科时有修过相关课程并有相关实习经历，都可以尝试申请；而对于商学院中原本会计或金融背景的同学，会更加友好。若是想申请BA，只要在申请文书中表明自己的想法和热情，也不会成为申请的一个门槛；对于其他理工科专业的同学，也比较友好。但是吧，理工科申请BA还是少数，如CS专业的同学一般会更多继续深造本专业，数学等专业的会选择统计学、数据科学等更专的专业。总之呢，在专业基础这一方面，一般各高校都会要求申请者本科时修过统计学、线性代数等课程。若是在申请过程中，你发现自己并没有上过这些课，可以和申请学校沟通，看看是否能用Coursera等网课的形式取得证明。而对于BA学习中最常见的编程软件、可视化软件等（比如SAS, Python 以及一些语言比如 R 语言）。若在本科时有使用操作过会属于加分项，但不会这些常用软件也不会成为一个障碍。标化成绩：若想进入Tier 1 or 2的BA项目，托福100+，GRE320+（或GMAT 700+），GPA 3.5+也基本属于标配。实习：需要和BA专业相关，是你需要在非常早期的阶段（如大二）就需要开始考虑的，而大学教授的BA方面的课题研究，若是能够参与，也会给自己的申请加分。在实习或课题经历中，也需要和自己的监督者多交流沟通、保持良好关系，为自己以后向他们请求一封推荐信打下基础。3、申请BA专业时，有哪些学校的哪些项目可以选择，在选择学校时要关注到哪些方面？美国Top 50的学校中，有一半以上都开设了该专业，以下将列举一些热门学校的项目。Tier 1：麻省理工大学（MIT）的Master of BA (MBAn)卡耐基梅隆大学（CMU）的MSIT: Business Intelligence & Data Analytics (BIDA)西北大学的Master of Science in Analytics (MSiA)哥伦比亚大学的Master of Science in BA德州大学奥斯丁分校（UT Austin）的Master of Science in BA圣路易斯华盛顿大学（WUSTL）的Master of Science in BA明尼苏达大学的Master of Science in BA南加州大学（USC）的Master of Science in BA杜克大学的Master of Quantitative Management等Tier2 ：威廉玛丽学院加州大学圣地亚哥分校加州大学尔湾分校罗切斯特大学马里兰大学凯斯西储大学等在选择学校时，应该根据自身水平，对比各高校官网所列举的录取标准来进行有目的性的择校。而需要关注的角度也是多方面的。如果你有在自己试着去查询适合的院校，那么可以根据以下的因素来进行考量：录取标准。一般而言，录取标准是和项目的总体质量成正比，也就是说项目总体质量越好，录取标准就越严格。因此当遇到某个项目广发offer时，就需要考虑其项目自身质量和是否值得去了。该项目的校友资源情况。许多新开设的项目，它可能并不具有非常成熟的校友资源网络，在之后求职和networking的过程中可能会稍有障碍。而某些成熟的项目有着极为广泛的校友资源网，求职时一般而言校友更愿意refer自己同学校的学生到某个岗位。学院的声誉和知名度。不要把目光仅仅局限于排名之上，可以在网上多做些research看看他人对学院和项目的评价如何，再做定夺。学院的求职中心（career center）设立情况。由于该项目基本都为就业导向，因此要考虑学院是否有单独的求职中心，是否有全职的就业指导师（career coach），是否会给学生在求职过程中提供足够的指导和training。学院是否和各种大公司有合作关系？许多优秀的学院是大公司的target school，因此在求职过程中，简历关卡或初次面试时相比其他学院也往往更有优势。此外若是学院和大公司有合作关系的话，大公司往往也会来到学院进行宣讲会或是学院会组织规模较大的career fair。往届的就业情况。大多数高校官网都有上一年度的就业报告（employment report）提供下载，可以参考下往届的毕业后就业率、起薪、行业等情况，同时也可以在LinkedIn上搜索校友的去向。课程。课程设置的是否合理，往往直接影响到了一个项目的总体质量，因此可以提前了解所学的课程内容，看是否是自己需要的，对就业是否有价值，具体课程分析将在之后的板块详细阐述。4、BA专业到底在学什么？BA 既会有较多的technical课程，去锻炼学生的technical skills，如R、Python、SQL、Tableau等，也会辅以传统的business课程，以培养学生的商业敏感度。详细来说，BA的学习内容包括以下几点：R/Python：R更适合具备有统计学背景的同学运用，而Python则更适合用于机器学习、网络爬虫、人工智能等领域。两者初学的话难度差不多，因此根据个人偏好需要至少掌握其中一门语言。R/Python都只是一门工具，因此不要过于纠结某个任务用这两者中的哪个去完成，重要的是自己能用这两个工具完成什么事，只要能达到目的即可。SQL：可以说SQL是数据分析或者商业智能领域最重要的一个工具，数据库的概念也被更多的公司所接纳，学习好SQL会对未来工作有着很大的帮助，不仅要学会掌握基本的查找语句、GROUP BY、SUBQUERY、JOIN等常见语句，若有能力还需学会WINDOW FUNCTION、Dynamic SQL等更高端的SQL语句。同时SQL也是在未来求职面试中最容易被考倒的问题之一，因此SQL的重要性不言而喻。除去学校内学习的SQL内容外，还十分推荐刷Leetcode上的SQL问题，若是能够全部独立完成，那么也可以说是精通SQL了。Tableau/Power BI：这两者都是数据可视化工具。在商业环境中，数据可视化也是一个非常重要的组成部分，通过数据可视化可以清晰地呈现给管理层一些仅通过看数字无法得到的商业见解，Tableau在真实商业环境中的运用更为广泛，而数据可视化工具也不是特别难学，因此掌握的难度不是很大。此外，这两者都可以将不同的可视化图形整合起来，做成一个仪表盘，加入不同的交互性操作，更易于给上司或管理层留下一个较深刻的印象。机器学习：机器学习是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。机器学习分为监督学习（supervised learning），如回归分析（regression）和分类（classification），另一个则是非监督学习（unsupervised learning），如聚类分析（cluster）。BA基本都会覆盖到以上的内容，而其背后的原理和如何解释不同的模型也需要同学在学习过程中掌握。自然语言处理（Natural Language Processing）：由于现在社交媒体的高速发展，分析从「传统的仅仅分析数字」到了分析「社交媒体上的文字内容」。自然语言处理就是在机器语言和人类语言间进行信息的“翻译”。该领域的学习是一块新大陆，在BA项目中并不是所有学院都会开设改课程，开设的学院也大多是以选修课的形式呈现，然而该学习内容确实是非常具有价值值得深入学习的。自然语言处理的知识点也主要包括了分词（tokenization）、词性标注（part of speech）、命名实体识别（named-entity recognition）、词干提取（stemming）、词性还原（lemmatization）、聚类分析（clustering）、主题模型（topic modeling）等。统计学：统计学属于BA的基础课程，是一切分析的起点，虽然不需要学的很深入，但最基本的如不同种类的分布、相关性、总体与样本、如何解释回归分析、和回归分析中的一些常见元素如p-value等的概念都要理解并掌握。而统计学中的概念也是在未来求职面试过程中很容易被问到的知识点。此外还有许多传统商学院的课程，如经济学、市场调研、消费者心理及行为分析、定价策略等，不同的BA项目都会有偏重地涉及。5、最后要提到的就是专门的communication课程communication在商学院中有着很高的地位，而作为BA，将学生培养的目的不仅是仅仅会操作一些工具，更要将从分析中得到的见解呈现给他人，因此培养学生的communication技能的重要性不言而喻。在整个项目过程中，学生大多会经历数次presentation，锻炼自己沟通、传递信息的能力。由上可见，BA整个项目学习的内容是非常紧凑而充实的，要在短时间内学习掌握到学多不同的知识点和工具，对于还处于申请阶段的或是未来目标申请的同学，也可以早做打算，自学相关内容，在真正进入项目后的学习过程中也能得心应手。而在真正进入项目后，由于受到项目时间短的影响，在课堂上并不太会把所有职场上所需要的技能全部学习精通，因此更需课后努力探索，力争将某个技能学精学专、才能在实战过程中游刃有余。总体而言，BA专业受到总体项目质量设置十分优秀，并且顺应了大数据时代发展的加成，无论是在国内还是在美国求职都是相对不那么困难的。作为学生只需要早有明确目标，按照自己的梦想公司对人才的需求进行努力，还是有较大机会梦想成真的。而虽然BA市场需求正在趋于饱和，但它依旧会是在未来很长一段时间内非常被看好且非常值得学习的项目。今天的BA分享就到这里啦～码字不易，有帮助的话还请点个赞呀～～作者：棕榈大道来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
鬼琵琶普林斯顿大学14个硕士专业不再要求GRE，留学党要和GRE说拜拜？
GRE全称Graate Record Examination，中文名称为美国研究生入学考试，适用于除法律与商业外的各专业。GRE考试作为一项标准化考试，一直是获准参加美国研究生课程的关键。近年来，美国多所大学宣布，部门专业不再强制要求提供GRE成绩。普林斯顿大学也宣布，14个硕士项目取消GRE要求：艺术与考古学、古典文学、比较文学、生态学与进化生物学、英语、法语和意大利语、地球科学、分子生物学、音乐作曲 、神经科学、心理学、宗教、斯拉夫语言和文学、西班牙语和葡萄牙语取消GRE已成为趋势普林斯顿大学取消14个专业的GRE要求，这对很多学生来说无疑是个好消息。近年来，美国很多院校的部分专业纷纷宣布取消GRE成绩，其中包括哈佛、宾大等美国名校。2018年，44%的分子生物学博士项目不再要求GRE成绩；在神经科学和生态学专业领域，大约有三分之一的项目在2016-2018年取消了对GRE成绩的要求。GRE在申请中的影响力在下降，院系依然会用一系列材料和信息来衡量申请人，这些信息包括过往科研经历、个人陈述和推荐信。如果没有拿得出手的科研、学术表现，没有大牛推荐信，进入名校难度将会增大。GRE是不是不重要了？美国越来越多的院校不要求GRE成绩，那GRE是不是不重要了呢？这个想法是错误的！01仍有很多院校需要提供GRE成绩目前不再强制要求提供GRE成绩的院校只是少数，还有很多院校的硕士项目需要提交GRE成绩。02GRE成绩是方便有效的衡量指标除了GRE成绩之外，院校还可以通过其他材料衡量申请人，包括学生的成绩、过往科研经历、个人陈述和推荐信。但是，这些材料都不如GRE成绩来的直观。GRE同时也是衡量申请人学术潜力的权威指标，仍然很多院校对申请者综合考量的标准。这也是为什么有很多人对取消GRE成绩持反对意见的原因。美国的一些大学只是不再强制要求必须提交GRE成绩，GRE成绩会被看做补充性信息的。如果自己的成绩比较好，可以向学校提交GRE成绩，可能会对你有帮助。附：美国不需要提供GRE成绩的院校和专业（部分）：哈佛大学Harvard University：Biological and Biomedical Sciences 生物医学Biological Sciences in Public Health 公共健康生物科学Biophysics 生物物理学Chemical Biology 化学生物学Immunology 免疫学Molecular and Cellular Biology 分子细胞生物学Neuroscience 神经系统科学Organismic & Evolutionary Biology 进化生物学Systems Biology 系统生物学Virology 病毒学马里兰大学巴尔迪莫分校University of Maryland–Baltimore County1.地理信息系统Geographic Information Systems2.人本中心计算Human Centered Computing3.应用社会学Applied Sociology北卡罗莱纳州立大学North Carolina State University1.艺术与设计专业Arts and Design2.景观建筑学Landscape Architecture马萨诸塞大学University of Massachusetts – Boston老年医学专业Gerontology爱荷华州立大学Iowa State University1.电子工程专业Electrical Engineering2.系统工程硕士Master of Engineering in Systems Engineering (GRE not required)乔治梅森大学George Mason University1.土木工程Civil Engineering2.计算机取证Computer Forensics3.统计学Statistics4.电信学Telecommunications圣何塞州立大学San Jose State University1.软件工程Software Engineering安柏瑞德航空航天大学Embry-Riddle1.航天航空工程硕士MS in Aerospace Engineering2.机械工程Mechanical Engineering圣路易斯华盛顿大学Washington University in St. Louis1.生物医学工程Biomedical Engineering2.计算机科学与工程Computer Science & Engineering3.电气与系统工程Electrical & Systems Engineering4.能源环境与化学工程Energy Environmental & Chemical Engineering南加州大学(University of Southern California)社会工作social work新墨西哥大学University of New Mexico1.生物医学科学Biomedical Science2.临床研究Clinical Research3.景观建筑学Landscape Architecture伟谷州立大学Grand Valley State University1.护理专业Nursing(GPA大于等于3.3时)2.高等教育Higher Ecation艺术类院校+GRE not required1.罗德岛设计学院Rhode Island School of Design2.艺术中心设计学院Art Center College of Design专业+ 学校一、护理专业 Nursing只要你GPA在3.2以上,以下学校的Master of Science in Nursing (MSN)项目不需要GRE成绩。1.新罕布什尔大学University of New Hampshire2.瑞吉斯大学Regis University, Denver, Colorado3.约翰·霍普金斯大学Johns Hopkins University in Baltimore4.南阿拉巴马大学University of South Alabama5.阿拉巴马大学伯明翰分校University of Alabama at Birmingham (GPA必须在3.5以上)6.罗格斯大学Rutgers University7.蒙莫斯大学Monmouth University.8.乔治华盛顿大学George Washington University.9.马里兰大学University of Maryland.10.内华达大学拉斯维加斯校区University of Nevada Las Vegas11.凤凰城大学University of Phoenix12.瓦尔登大学Walden University13.South University14.诺威治大学Norwich University15.纽约大学New York University16.Stevens-Henager College17.Saint Joseph’s College of Maine18.George Washington University19.Excelsior College20.Loyola University New Orleans21.Seton Hall University22.Grand Canyon University23.Kaplan University24.Regis University25.University of Southern Indiana26.Indiana State University27.Ball State (Indiana)28.University of Mary29.University of California 加州大学二、计算机科学Computer Science1.圣约瑟夫大学Saint Joseph University2.洛约拉大学Loyola University3.East Stroudsburg University (PA)4.Bridge Port University (CT)5.University of Northern Virginia (VA)6.Oklahoma City University (OK)7.普渡大学Pure University (IN)8.Wichita State University (KA)9.Kansas State University(KA)10.Virginia State University(VA)11.New Mexico State University (MN)12.University of Dayton, Ohio (a few programs)代顿大学本文转自微信公众号，ID：jinqiaoliuxue1996
得其两见美国热门统计学硕士项目解析 ｜ 指南者留学
编者按：项目分析是由我们指南者留学新推出的一个专栏。应广大粉丝号召，我们将挑选部分热门专业，对比分析不同开设院校的项目特色、申请难度、申请要求、就业数据、课程设置、师资力量等，都是干货接地气的信息，希望对大家选校和申请准备有所帮助。统计学是关于认识客观现象总体数量特征和数量关系的科学；它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。总结美国所有开设统计学专业的学校，统计学的方向大致可以分为两类，一类是偏向于理论研究的，另一类是偏向于实际应用的。偏向于理论研究的主要包括统计系或者数学系下的统计学专业，偏向于实际应用的包含的方面比较广泛，包括目前非常热门的生物统计、经济统计、社会统计学等。下面为大家介绍近年来热门的美国统计学硕士项目。1斯坦福大学斯坦福的MS in Statistics项目为期两年，设立在一直高居美国统计学专业榜首的统计系下，该项目研究内容包括统计学、概率论、生物统计、金融数学等，需要学生选修45个学分，统计学系和其他系的指定科目都行，但8个统计学科目必须从必修课中选取。MS项目每年约500人申请，录取30人左右，中国学生比例较高。作为全美第一的统计学专业，申请要求也是非常苛刻的，只接受GRE考试，学校不要求学生参加GRE数学科目考试，但总分会对录取产生影响；托福要求100+。从就业和职业方面来说，美国统计学专业市场需求较大，几乎所有领域都需要统计学专业的人才，毕业生可以在各行各业工作。2加州大学伯克利分校加州大学伯克利分校的M.A. in Statistics为期两年，设立在文理学院下。该专业在在美国统计学领域中也是很有分量的，其研究生项目一直是全美数一数二的项目。该项目以就业为导向，注重学生在各个行业的统计技能的培养，而非作为博士预备的项目。要求至少修完24个学分、并且通过一个综合考试。申请要求方面，需要提供GRE，托福最低90，雅思7.0。GPA平均达到3.8，录取学生主修精算科学、计算机科学、经济学、金融、数学等。学校离旧金山，硅谷比较近，大部分毕业生都在旧金山找实习或者工作，就业前景良好。3芝加哥大学芝加哥大学的M.S. Degree in Statistics项目为期一年，以就业为导向，同时也可作为博士预备的项目学习。该项目包括数据分析、数理统计、生物统计、统计遗传学、统计与金融、计算机图像六大分支的学习。通过研讨会和特殊课程接触最前沿的领域，可以主要研究统计， 或结合其他统计数据应用的领域，项目课程自由度高。需要申请者有高级微积分和线性代数的背景，并学过一年的概率、统计和熟悉一些统计数据分析。托福最低分数90，雅思最低7分并提供GRE。该项目的毕业生多数进入金融、软件开发和政府机构等领域工作。4华盛顿大学华盛顿大学的提供统计理学硕士项目：Master of Science (MS) Track "Statistics - Advanced Methods and Data Analysis（统计——高级方法和数据分析），该项目为期两年，主要培养学生的学习能力，注重学生方法论的学习。课程重点是对统计学的理论和应用学习，包括了概率论、数理统计、数据分析、统计计算机学、科学应用等。项目要求托福最低92分，雅思最低7.0，需要提交GRE。本专业的学生毕业后，将拥有丰富的统计分析技能，并能掌握微观和宏观经济知识等，就业前景相当光明，可就职于各类企业，从事市场调查、质量管理、财务统计等工作，也可就职于政府机构和事业单位，从事各类统计工作。5卡内基梅隆大学卡内基梅隆大学统计学硕士Masters in Statistical Practice为期1年，是以专业训练为主的硕士项目，注重学生统计实践、方法和数据分析等相关能力的培养。该项目还会帮助学生将来能更好地在商业，工业和政府与科学研究领域工作，学生将会在统计实操方面获得非常好的训练。每年招收60人，国际生比例达到50%。申请要求方面，托福最低分要求是100分，口语部分不低于20分，接受雅思成绩；必须提交GRE成绩，但是没有最低分数要求。申请的学生需要完成两学期的概率论和数理统计为基础的微积分类课程，最好是计算机、数学、金融等背景。该项目毕业生在当今的就业市场上非常有竞争力。6杜克大学杜克大学统计学硕士项目Master's of Science programs in Statistical Science为期两年，该项目对有兴趣从事工业、商业和政府领域工作的学生，以及对有关统计学和相关领域研究感兴趣的学生很有吸引力。项目以授课内容为主，提供OPT实习项目，需要撰写论文。每年录取率在15%左右，大概录取60名学生，国际学生可申请TA或RA。申请方面，必须提交GRE成绩，没有最低分要求。不接受GMAT成绩。语言成绩要求：托福最低分要求是90分，雅思最低分要求是7.0。要求申请者拥有统计学专业背景。毕业生中有大部分进入金融、生物、计算机等领域，就业前景良好。7康奈尔大学康奈尔大学的Master of Professional Studies (MPS) in Applied Statistics项目一般是两学期，该项目有两个方向，一个是集中在统计分析技术上面，这个属于传统的MPS的项目；另一个是数据科学。项目致力于高端培训，培训内容包括现代数据分析技能，培训对象包括对商业、工业、政府或者科学研究感兴趣的学生。语言要求托福最低77分，听力15，写作20，阅读20，口语22。项目要求提交GRE，没有最低分数要求。一般建议学生TOEFL达到100，GRE达到325，这样才能更有竞争力。作为美国著名的常青藤联盟高校之一，以康奈尔的名声，就业前景也是非常光明的。8南加州大学南加州大学的统计硕士项目（MS in Statics）开设在数学系下。该项目为学生提供坚实的数学统计理论基础，涉及概率论，并强调将理论知识应用到现实问题的解决当中。该项目适合于那些打算或已经致力于统计方法和统计实践工作的人士；学生可以选择其他学科的选修课在特定应用领域的发展。申请者的所有必修科目需要有优异的成绩，要求GPA 3.5或更高。托福最低100，接受雅思，需要提供GRE分数，但无最低分要求，学生本科需要有较强的数学背景。USC的统计学专业就业范围很广，就业前景也很好，毕业生受到各大公司的青睐。学生在毕业以后可以从事供应链管理、制造业与服务运营管理、物流咨询、采购服务、商业开发与运营、软件支持管理等领域内的相关工作。本文作者指南者教育美国咨询师王老师关于美国统计学申请还有疑问？
朱丽叶美国TOP30统计学院校申请要求
申请要求1．硬性条件首先本科阶段的平均分很重要，尤其是数学相关的课程分数不能低。其次要有很好的GRE成绩，尤其是GRE单项中的数学部分分数尤为重要，曾经有学生在申请中，虽然GRE总分不高，但是数学部分满分，其他条件也比较优秀的学生，被TOP20的统计学校录取的情况。此外，如果学生是转专业，又没有很强的数学背景，可以考虑参加GRE单项考试，增加自己的竞争优势。至于TOEFL成绩，已经成为共识，如果目标是TOP30的学校，TOEFL最好是能达到100分以上，如果目标是 TOP60的学校，TOEFL最好能达到90分以上，如果目标是TOP100的学校，TOEFL至少达到80分以上，如果能有85分以上，申请会更加稳妥。2．软性条件申请统计学，通常学生需要有较好的理工科背景，尤其本科专业是统计学、数学、精算、应用数学等专业的学生，申请比较有优势。如果学生学习过高数、线代、微积分、概率论与统计等等数学课程且分数优秀，并且有很好的统计相关的实习，也可以申请转专业到统计学专业。除了数学基础之外，学生还要能很好的使用计算机软件，如MATLAB，SAS，SPSS等。斯坦福大学 Stanford University①基本信息名称：Master of Science in Statistics申请时间：只接受秋季入学，截止申请时间大概在次年1月左右时长：3年内结束，一般而言9个月，12个月或15-18个月学分数：45②申请要求：GPA: 3.0+GRE：RequiredTOEFL：Required 100+ (NO IELTS)Other：3封推荐信 + PS + Resume③说明：斯坦福大学统计学项目是业界公认的Top1，招生人数从往年看不会多于40个 (30-40左)，申请难度非常大，但大部分都是国际生，事实上，北美大部分的统计学类专业都是中国人居多，其次是韩国人和美国人。除去对申请者的标准化成绩的要求之外，还对编程能力和数学基础课有要求，从历年申请者的背景来看，该项目偏向招收美国/加拿大的本科的学生，通常GPA在3.8以上，有科技行业与机器学习数据科学相关，或与数值计算相关的实验室或实习背景。这也说明了该项目偏向于培养在科技行业（特别是数据科学）的人才，注重数学理论基础和计算机素养，而对于instry domain knowledge并没有很强调。这个项目也很适合继续申请博士。同一院系下还开设了数据科学专业，申请难度比统计项目还要大。加州大学--伯克利 University of California, Berkeley①基本信息：名称：Master of Art in Statistics申请时间：春秋均可时长：1年学分数：minimum 24②申请要求：GPA: 3.0+GRE：RequiredTOEFL：Required 90+ (IELTS 7.0)Other：3封推荐信 + PS + Resume + 相关课程列表③说明：UC伯克利大学统计学项目在业界非常有名，特别是PhD项目，招生人数从往年看同样不多30-40，申请难度非常大。该项目已就业为主，毕业生出路有Google，Facebook顶尖IT公司，也有JP Morgan这种投资银行，整体出路非常好，项目课程也很实践。从录取人背景来看，GPA平均达到3.8，除去标准化成绩，项目本身并不集中某个行业，有来自金融，政治，经济，生物，工程，科技，电气，数学，精算等等背景的申请人。完成学业后可以选择申请PhD项目，但是竞争非常大，整体看还是以就业为主。哈佛大学 Harvard University对于Harvard统计专业需要注意2点：一是这里介绍的不是Harvard生物统计项目，其生物统计非常有名。二是确实有哈佛统计硕士，Master of Art in Statistics，但是只接受Harvard本科生和博士生，所以是不能申请的。所以想去Harvard只能申请Data Science Master项目，是统计和计算机系联合出的一个项目，同样是Top级别。芝加哥大学 Chicago University①基本信息：名称：Master in Statistics申请时间：秋only时长：1/2年学分数：NULL 有paper要求②申请要求：GPA: NULLGRE：Required (官方强烈推荐考GRE sub math考试)TOEFL：Required 90+ (IELTS 7.0)Other：3封推荐信 + PS + Resume③说明：芝加哥大学在业界名气也很大，每年招收30-40人，申请难度较大，特别喜欢GPA很高并且本科是名校的同学，平均GPA3.8左右，整个项目与前面都不一样，非常偏向consulting，这也印证了其招生的喜好。毕业生出路也主要集中在咨询公司，但是金融类，IT类也有。项目适合就业同时也很适合申请PhD，师资力量和教学资源并没有集中在一个行业，生物，金融，科技都有涉及，这也说明了整个项目的consulting style。入学后有很多的track可以选，如生物统计，遗传统计，金融统计，环境统计，计算神经，机器学习，社会调研等，最好在申请写PS时就指定一个方向。卡耐基梅隆大学 Carnegie Mellon University①基本信息：名称：The Master of Statistical Practice申请时间：秋only时长：1年学分数：Fixed课程②申请要求：GPA: NULLGRE：RequiredTOEFL：Required 100+(Speaking at least 22) (IELTS 7.5+)Other：3封推荐信 + PS + ResumePrerequisites: Two semesters of calculus based probability and mathematical statistics，One course in linear regression analysis，One course in matrix algebra③说明：CMU 统计学项目非常偏向实践和编程，CMU是计算机强校，统计系同时也受到计算机的影响，着手动手能力，申请者除去需要扎实的数学背景之外，还需要扎实的编程能力或可脱颖而出。这个项目的就业非常好，也是以就业为导向的项目，毕业生同样集中在IT和金融两个领域，校友有在Google，JP Morgan，Citibank等。与上述Top项目相同的是，其招收30人左右，但是不同的是其招收中国人较少，美国本地人比中国人多，项目中主要以美国和中国人为主，比例大概是4:3左右。从课程设置看，整个项目偏向于Data Science，没有很多的选课灵活度，课程是固定死的，这一点加上项目时长对国际生很不友好。此外，对于GRE，从录取人的平均水平来说，Math的成绩高于90%，Verbal成绩高于50%，AW高于3.5。整体上，这个项目非常不错，很适合就业为导向的同学，但是由于招收中国学生并不多每年8-15个，所以申请难度很大。约翰霍普金斯大学 The Johns Hopkins University（1）约翰霍普金斯大学①基本信息：名称：Applied Mathematics and Statistics M.A. and M.S.E.申请时间：秋季入学1.15截止，春季入学9.15截止时长：2年②申请要求：GPA: 官方建议3.3+GRE：Required (官方建议153+ Verbal，156+ Quant)TOEFL：Required 100+ (IELTS 7.0+)Other：3封推荐信 + PS + ResumePreferred background: 官方建议至少5门数学课，涵盖多元微积分等，还需要包括两个学期的analysis课③说明：约翰霍普金斯大学的生物统计学非常出名，开设在生物医学院下面，其传统的统计学院下面开设两个项目，一是统计学硕士，二是金融数学项目。根据最新统计来看，JHU统计学硕士每年录取人数在160，金融数学录取人数在221，PhD录取人数是28，JHU对录取标准写的十分详细，主要看中学生的数学和计算机背景，如需要在基础课上尽量取得高分，官方给出的课程列表是，微积分，线性代数，偏微分方程，概率和统计，宏观和微观经济学，计算机程序设计 (如C++)，金融数学的学生还需要至少两门proof-writing courses。（2）约翰霍普金斯大学 Bio-Statistics①基本信息：名称：Master of Science (ScM) in Bloomberg school of Public health申请时间：秋only（12.1截止）时长：2年（前18个月学习课程，后6个月写论文）学分数：需要thesis project毕业②申请要求：GPA：NULL (WES required)GRE：RequiredTOEFL：Required 100+ (IELTS 7+)Other：3封推荐信 + PS + ResumePrerequisites：Calculus + Linear Algebra③说明：JHU生物统计系建于1918年，是最古老的专业之一，与Harvard的生物统计学齐名，对申请者的要求非常苛刻，需要同时有扎实的生物和数学背景，对GPA非常看重，建议申请GPA在3.8左右。该系对理论较为重视，很适合继续申请博士，也适合从事业界工作。统计系主要的研究方向包括 Epidemiology & Biostatistics of Aging 流行病学和老年生物统计，Causal Inference 因果推断研究，Survival, Longitudinal & Multivariate Data 存活，纵向与多元数据研究，Environmental Epidemiology and Biostatistics 环境流行病学与统计学，Genomics基因组学，Statistical Methods & Applications for Research in Technology 统计学方法及应用，Small Area Estimation and Spatial Statistics 小范围预估和空间统计。从录取人的背景来看，主要来自传统的数学专业和生物学专业，大部分人有第二专业辅修，同时具备生物和数学的背景。由于该系开设在Public Health学院下，对医学的知识的培养也很重视，毕业生出口主要在制药公司，医院和继续深造博士。华盛顿大学 University of Washington华盛顿大学 UW Bio-Statistics①基本信息：名称：Master of Science申请时间：秋only（12.1截止）时长：18个月学分数：24个学分核心课+20学分选修课+6学分capstone(第一年之后需要参加考试)②申请要求：GPA: 3.0+GRE：RequiredTOEFL：RequiredOther：3封推荐信 + PS + ResumePrerequisites：30学分以上的数学课approximately three semesters or four quarters of calculus，which must include multivariate calculus。③说明：UW生物统计系同样非常有名，每年申请人在100个左右，录取在15-20，从申请难度看，对数学基础先修课有很高的要求，希望申请人有扎实的数学背景；有竞争力的GRE成绩应该在Quantitative 90th 以上，AW 50th 以上，Verbal 70th 以上；TOEFL分数，官方给出的建议是总分大于等于100，口语不低于23，绝大多数的申请者都是数学背景，有很高的GPA，官方给出的GPA建议是不低于3.5。但是对于三项成绩，并没有特别强制的要求，不会因为单项成绩不过关拒绝申请人。此项目与JHU生物统计类似，其capstone的设置让此项目很适合去业界工作，扎实的理论课程，也同样适合继续深造博士。UW的Capstone分为两个课程，主要培养6个方向的技能：数据分析，统计编程，consulting，写作和口语，团队合作和项目管理。整体来说是非常好的项目。耶鲁大学 Yale University①基本信息：名称：Master of Art in Statistics申请时间：秋only（1.2截止）时长：1年学分数：8门课的学习②申请要求：GPA: NULLGRE：RequiredTOEFL：RequiredOther：3封推荐信 + PS + ResumePrerequisites：30学分以上的数学课approximately three semesters or four quarters of calculus，which must include multivariate calculus。③说明：Yale统计系与前述相比其实并没有非常出名，但是学校综排高，名气大，招生少的特点加大了项目的申请难度。每年申请人数在350人左右，录取率10%左右 (最终入学人数10人左右)。官方没有给出对于GPA，TOEFL和GRE的最低要求，GPA建议在3.5以上，托福105左右，GRE325左右。南加利福尼亚大学 University of Southern California①基本信息：名称：Master of Science in Statistics申请时间：只接受秋季入学2.1之前时长：General 2年学分数：30②申请要求：GPA: 官方给出平均GPA3.8GRE：NULLTOEFL：100+Other：2-3封推荐信 + PS + Resume③说明：USC的统计学项目也很有名，开设在USC Dana and David Dornsife College of Letters, Arts and Science下面。比较偏向理论，但同时也开设了实践的课程，学生可以根据个人爱好来选择不同专业方向的选修课，毕业后可以去业界工作，也可以继续攻读博士学位。
