数据分析研究生课程

当前正处在大数据时代，而数据分析是大数据技术体系中的重要组成部分，也是数据价值化的主要方式之一，所以未来从事数据分析工作是不错的选择。数据分析可以选择两个大的专业方向，一个是统计学专业，另一个是大数据专业，另外不少计算机相关专业、金融领域相关专业和数学领域的相关专业也都有数据分析的细分方向。随着数据分析的重要性日益体现，现在不少专业也都增加了数据分析的细分方向，比如经济学、社会学、医学等专业都陆续开设了与本专业相关的数据分析方向。具体选择哪个专业需要根据自身的知识结构来决定，最好能够结合本科专业进行选择，这样在备考的时候会轻松一些。如果本科是计算机相关专业，那么可以选择的余地是比较大的，计算机应用、计算机科学与技术、软件工程等专业都有数据分析的细分方向，当然统计学和数学专业也是如此。在大数据领域，数据分析通常有两种方式，一种是统计学方式，另一种是机器学习方式，两种数据分析方式同样重要。学习数据分析通常需要具备一定的数学基础、统计学基础和计算机基础，其中数学基础是相对比较重要的，要想在数据分析领域走得更远，一定要重视数学相关课程，包括高数、线性代数、概率论等内容。以机器学习的数据分析方式为例，需要具备算法基础和编程语言基础，机器学习的步骤包括数据收集、数据整理、算法设计、算法实现、算法训练、算法验证和算法应用，目的就是从一堆杂乱无章的数据中找到其背后的规律。当前机器学习的数据分析方式是比较流行的，相关领域的研究也在逐步推进。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网方面的问题，或者考研方面的问题，都可以咨询我，谢谢！

走进经济生活里的一切导读：2016年2月，教育部公布新增“数据科学与大数据技术”专业，北京大学、对外经济贸易大学、中南大学成为首批获批高校。次年，又有32所高校获批。此次248所高校获批“数据科学与大数据技术”专业，几乎是前两次获批高校的8倍。来源丨21世纪经济报道（ID：jjbd21）记者丨王峰 北京报道图片来源/ 图虫创意（资料图）“没有什么行业是没有数据的”“我认为没有什么行业是没有数据的。”清华-伯克利深圳学院数据科学与信息技术专业一年级硕士生王宇杰说。 他在去年9月从一名工科本科生跨学科进入了大数据专业。大数据专业正成为时下火热的高校新增专业。在4月28日举行的教育部新闻发布会上，教育部高等教育司副司长范海林介绍，2017年全国高校备案专业中，新增数据科学与大数据技术专业点250个，同比增加了近7倍。从中国人民大学、北京师范大学、厦门大学等知名大学，到一些地方院校均投入了这股热潮。王宇杰大二时在一次展会上不经意接触到了一款大数据可视化软件Tableau，由此对大数据产生了浓厚的兴趣。通过Tableau，王宇杰感受到，数据分析这个行业的潜力无可限量。随着移动互联网大数据时代的到来，数据量正在不断增长。未来，更多人将学会分析数据，并将数据的洞察运用到工作和生活中的方方面面。数据分析会从小众走向主流，人人都可以成为数据分析师。接下来的大学时间里，他参加了一些数据科学家训练营，和一些商业机构组织的训练营，还在慕课网站上自修了国外大学的大数据课程。他在2016年的Tableau可视化分析争霸赛北京赛区比赛中拿到了第一名。Tableau可视化分析争霸赛是全球可视化数据分析人士的年度饕餮盛宴，每年都会成千上万数据狂人参加这一比拼。这其中，既有来自各行各业的数据分析专家，也有像王宇杰这样的数据爱好者，而王宇杰是获奖选手中唯一一名大学生。通过这些活动，王宇杰结识了这个一不断壮大的数据分析社区，也让他对这个行业更加充满热情。大四时，王宇杰得到了保研的机会，“国内开设大数据方向研究生专业的大学并不多，主要有清华大学、北京大学、复旦大学、北京航空航天大学等，这是当时比较知名的几个高校。”王宇杰说。王宇杰得到了北大和清华的offer，权衡之后，他选择了清华-伯克利深圳学院，这是清华和伯克利合办的硕士研究生项目，不仅可以在清华拿到数据科学学位，还有机会到美国加州大学伯克利分校去进行为期9个月的学习，同时拿到相关学位。“我是清华-伯克利深圳学院招收的第二届硕士生，也就是说，大数据专业其实是一个非常崭新的学科，在我申请的那一年，相对来说，大家对这个概念还不是特别了解，当然已经有一定数量的申请者，远超我们实际录取的人数，但并不是那么的火爆。”王宇杰说。“到了我下面那届，就是招收第三届硕士生的时候，竞争就变得异常激烈，在短短一年时间里，这个专业成为了大家认可的非常有潜力的专业，大批的工程本科生，或者是数学、经济方面的学生开始申请我们这个方向，因此录取率直线下降。个人感觉在近几年内，竞争会变得越来越激烈。”他说。清华-伯克利深圳学院的数据科学与信息技术研究中心设有6个实验室，分别为传感器与微系统实验室、纳米器件实验室、物联网与社会物理信息系统实验室、未来互联网研究实验室、大数据实验室、智能成像实验室。“我想一般人会认为我们专业课的名称会比较高大上，像大数据分析、大数据基础等，的确会有这些，但从本质上来说，我认为我们学的课程跟数学、工程学这些基础学科没有太大区别，当然加入了一些新兴科技的课程，比如现在很火的深度学习、人工智能。”他告诉记者。王宇杰进入了智能成像实验室，学习和科研课题是关于计算机视觉。“用一句话来概括，我们要做的是赋予计算机人的视觉能力。怎么理解呢？以后是一个有大量机器人存在的世界，而机器人要跟人类进行交互，做一些基本的工作，必须要有视觉能力，看得懂周围的环境，所以我们做的事情就是通过技术的方法让计算机拥有人的这种视觉能力。”他说。热门专业：数据科学与大数据技术图片来源 / 新华社（资料图）3月21日，教育部公布了2017年度普通高等学校本科专业备案和审批结果。在新增备案本科专业中，“数据科学与大数据技术”最为热门。根据统计，共有250所高校新增“数据科学与大数据技术”专业，其中包括中国人民大学、北京师范大学、厦门大学等19所教育部直属高校。河南省21所高校新增该专业，为最多的省份。河北、山东、安徽、广东、江苏等省也有较多高校成功获批。2016年2月，教育部公布新增“数据科学与大数据技术”专业，北京大学、对外经济贸易大学、中南大学成为首批获批高校。次年，又有32所高校获批。此次248所高校获批“数据科学与大数据技术”专业，几乎是前两次获批高校的8倍。该专业备受高校青睐与国家大力支持大数据产业发展及该产业人才奇缺相关。国务院2015年8月曾印发《关于印发促进大数据发展行动纲要的通知》，明确鼓励高校设立数据科学和数据工程相关专业，重点培养专业化数据工程师等大数据专业人才。根据教育部上述2017年度高校本科专业备案和审批结果，此次共有60所高校获批“机器人工程”专业。“机器人工程”专业大热的背后，是人工智能行业的持续发展。3月6日，南京大学官网正式发布新闻，经研究决定，南京大学正式成立人工智能学院。今年政府工作报告中四次提及“智能”，并特别指出要“加强新一代人工智能研发应用”、“发展智能产业”。值得注意的是，从清华大学到地方高校，大数据专业成为普遍的时尚。“清华或者其他一般院校，在这个领域里对科研的贡献会有差异，但事实上，在如今的大环境之下，大家都想跟上时代潮流，所以我认为无论处于怎样的研究水平，敢于去跟上这个时代，就是挺好的一件事情。”王宇杰说。“大数据是一个概念，它包含的范围非常广，不同的专业方向，对外显示的名称可能都是大数据分析、大数据工程与技术，但是整个产业其实非常庞大，从前到后拥有一个很大的产业链。”他说。“我认为数据分析师这个称谓已经太过宽泛了，我觉得这个行业需要细分，未来会有专门做算法的工程师，专门做硬件实现的工程师，以及专门做理论推导的科研人员等。”他说。（编辑 戴春晨）

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。很多同学对成为数据科学家（Data Scientist）很感兴趣，我们在这里介绍一下Data Science和Analytics这类专业的申请特点和如何定位。严格地说，Data Science和Analytics不一样，同样是做Data Scientist不同行业不同公司侧重点也可能不一样。本文主要从申请出发，故不做特别区分。下面我们将具体介绍10大热门数据科学硕士研究生项目：哥伦比亚大学哥伦比亚大学的MS in Data Science 项目处于美国数据科学硕士申请难度的第一梯队。该项目为期1年，学生共需修读30个学分，无需撰写毕业论文。该项目开设获得专业成就认证必需的四门基础课程，学生可以在此课程基础上将数据科学技术运用于各自的兴趣领域。该项目要求申请者拥有一定的数学及编程基础，最好学过微积分、线性代数、计算机编程等课程，没有强制性的工作经验要求，有的话也会为申请者加分。需要递交GRE成绩，托福100、雅思7.0，不可使用GMAT代替GRE成绩。项目的学生将有机会从事包括毕业项目在内的独创研究，并与行业合作伙伴以及教学人员沟通互动。毕业生可以选择金融等服务领域工作，也可以选择偏向技术的IT企业。杜克大学杜克大学的Master in Interdisciplinary Data Science (MIDS)项目为期2年，该项目致力于培养一批能够使用计算策略来激发创新能力和洞察力，并且善于定量思考的新型领导者。旨在培养学生成为能给任何领域做出贡献的数据科学家，通过跨学科训练与团队合作科学实验的经验促进学生更好地利用数据的力量。项目规模不大，每年招收25-35名学生。申请要求方面，不强制要求申请者有数学、计算机等专业背景，但是最好要学过微积分、线性代数、统计等数学方面的课程。需要递交GRE成绩，托福90，雅思7。毕业生去向良好，实习就业机会较多，从事的领域以计算机科学，金融，生物科学等领域居多。宾夕法尼亚大学宾夕法尼亚大学数据科学硕士项目为期一年半至两年，将有关机器学习、大数据分析与统计学等核心课题的前沿课程与多样化的选修课有机结合，给予学生选择在特定的目标专业领域内应用技能的机会。项目包括基础课程及数据科学应用领域的实习。要求提供GRE，无最低分数要求。托福100，雅思7.5。毕业生就业形势良好，就业率较高，可以进入工程技术、咨询、决策等领域。西北大学西北大学分析学理学硕士项目（MSiA program）由西北大学工业工程与管理科学学院开设，为期15个月。该项目的核心课程由统计学、机器学习、优化、数据库、数据处理组成，每一门课都已之前的课程为基础，强调在商业实际中的学术研究。申请要求方面，需要提供GRE分数，要求托福95，雅思7.5。适合本科工程、商学、计算机科学、数学、信息科学技术专业背景的人士。该项目面向商业，加上课程时间较短，有很多的实习机会，大部分学生毕业后选择直接工作，毕业生多进入金融领域。康奈尔大学康奈尔大学运筹学与信息工程硕士项目（数据分析方向）为期1年，共计30个学分，要求申请者拥有数学、工程、物理、化学、数学经济学等本科背景，且已经修读过微积分、概率论、统计、计算机编程、数据结构等课程。每年招收50人左右，其中中国人大约30个。该项目选课自由度很大，并且有选CS系课程的优先级，无论你是想学CS，IS还是商科，金融，统计，统统都可以选。这种选课的自由度放眼全美也是十分罕见的。申请者需要托福100（写作不低于20，听力不低于15，阅读不低于20，口语不低于22）；雅思7；GRE数学不低于166，阅读不低于165，写作不低于3.5；不接受GMAT。毕业生2015年平均起薪达到83925美元，大部分学生进入苹果，微软，甲骨文，Facebook等互联网公司。南加州大学南加州大学计算机（数据科学）理学硕士项目需要修满28个学分，要求课程读完GPA不低于3.0，班级规模较小，每年招收20-30人，偏向于理论研究方向。要求申请者提供GRE，托福：90-100（单项不低于20）；雅思：6.5-7（单项不低于6），不需要接受学校ISE测试，GPA3.0以上。该项目的毕业生可进入微软、百度等世界500强的企业机构。卡耐基梅隆大学卡耐基梅隆大学Heinz学院下设两个数据科学硕士项目：MSPPM Data Analytics track和MISM Business Intelligence & Data Analytics。一个偏技术导向，一个偏商科导向。这里只介绍技术型的MSPPM Data Analytics track项目。该项目分标准（Standard）、延伸（Extended）、快捷（Accelerated）三种修读模式，学制分别为16个月、20个月和12个月，总学分均为144个学分，每年招收学生较少。该项目要求提供GRE，不接受GMAT，托福100以上，雅思7以上。项目的综合性课程体系有助于学生习得专业技能与知识，以开发用于下一代大规模信息系统部署相关的技术层，以及分析这些系统生成的数据。毕业生就业形势良好，能够成为前沿信息技术、软件服务与社会传媒企业中备受青睐的软件工程师、数据科学家与项目经理人。佐治亚理工学院佐治亚理工学院的MS in Data Analytics项目是2015 Fall新开设的项目，有三个Track:Analytical Tools Track、Business Analytics Track、Computational Data Analytics Track。是跨学科硕士项目，根据以往的经验，这个学校的所有研究生项目都不太好申请，跟UC-Berkeley类似，申请难度较大。申请者需要提供GRE，且托福100，不接受雅思。学生有机会直接向顶级的国际商业智能权威机构、统计学与运筹学尖端分析技术的开发者，以及大数据与高性能计算领域的世界级领导者学习。毕业去向主要面向商业智能与决策支持。New York University纽约大学的MS in Data Science 以其超高的就业率一直人气颇高。这是一个2年制的项目，且拿到了STEM资质。班级规模30-40人，且50%为国际生。一般为期4个学期，要求学生有足够优秀的数学知识背景和一定的计算机科学基础知识，并且学习过微积分、线性代数、统计学、概率论以及计算机科学等课程。要求托福100，雅思7，接受GRE/GMAT。该项目跟CMU类似，有很多细分的项目，跟不同的院系合作设立，从偏技术到偏商业的都有，偏技术的相对好申请。北卡罗莱纳州立大学北卡罗莱纳州立大学分析学理学硕士项目是由高等分析研究所（Institute for Advanced Analytics）开设的全美第一个分析学硕士项目。NCSU analytics是分析学项目里的顶级老牌项目，但是学校综合排名不高。要求托福80（单项不低于18），雅思6.5（单项不低于6.5）；不要求GRE/GMAT，每年招收20-30人，其中国际生50%。

学位类2U数据科学资源MS（Master Science）：包括有关领域和职业前景的信息，可用度的类型，以及常见的应用和课程要求。链接：https://2u.com/online-graate-programs/美国大学商业分析MS：学习数据分析，利用数据解决组织和业务挑战。链接：https://onlinebusiness.american.e/analytics/ASU商业数据分析BS（Bachelor Science）：为商业学生提供必要的知识，技能和经验，以创建和管理大型数据计划。链接：http://asuonline.asu.e/online-degree-programs/undergraate/bachelor-science-business-data-analyticsASU商业分析MS：开发出您所需要的工具，用于日益发展的职业领域。链接：http://asuonline.asu.e/online-degree-programs/graate/master-science-business-analytics美国贝佩丝大学，应用数据科学在线MS：超越仪表板。链接：http://www.baypath.e/academics/graate-programs/applied-data-science-ms/?utm_source=kggets&utm_campaign=gradadskdnuggs伯克利信息与数据科学硕士（MIDS）：准备数据科学专业人士担任该领域的领导者。链接：https://datascience.berkeley.e/BU计算机信息系统在线MS：已经集中在数据分析，数据库管理和商业智能。链接：http://cisonline.bu.e/波士顿大学应用商业分析管理在线MS。链接：http://msmonline.bu.e/lpemail-msabam/?Access_Code=BU-MSABA-KDNUGGETSE&utm_medium=email&utm_source=Trimax_Direct&utm_campaign=BU-MSABA-KDNUGGETSE美国卡佩拉大学分析MS：教授大数据，数据挖掘，统计和相关技能，提供虚拟实习，并获取SAS统计业务分析师证书。链接：http://www.capella.e/online-degrees/masters-analytics/?revkey=220526中央康涅狄格州立大学（CCSU）：探索尖端数据挖掘技术和应用，首个提供数据挖掘方面完整的在线科学硕士学位的大学。链接：http://www.ccsu.e/datamining/数据科学Coursera MS：与美国伊利诺伊大学-香槟分校联合，32学时，$ 19,200学费。链接：http://online.illinois.e/mcs-dsCUNY SPS数据分析在线MS：一个经济实惠的项目，帮助毕业生通过挖掘和可视化数据来了解现实现象和日常活动。链接：http://sps.cuny.e/programs/ms_dataanalytics?utm_source=kdnuggets&utm_medium=website+listing&utm_campaign=msda+kdnuggets+web+listing数据科学技术研究所大数据工程IS和AI方向 MSC（高级科学硕士）：全职3个月的课程，在线或在校园（巴黎或尼斯）。链接：https://www.datasciencetech.institute/advanced-msc-information-systems-artificial-intelligence-big-data-engineering/数据科学技术研究所应用数据科学与大数据MS：全职6个月课程，或校园（巴黎或尼斯）。链接：https://www.datasciencetech.institute/msc-applied-data-science-and-big-data/DePaul 预测分析MS：解决了数据科学家日益增长的需求，他们将技术和分析技能融合在一起，以应对大数据分析的挑战。链接：http://www.cdm.depaul.e/academics/Pages/MS-In-Predictive-Analytics.aspxEIUBS（欧洲创新商学院）：提供商业分析和数据分析在线课程。链接：http://www.eiubs.eu/onlinecoursesmicrosite/data-analytics-course.php美国埃尔姆赫斯特学院数据科学在职MS。链接：http://www.elmhurst.e/data_science格鲁吉亚南方大学计算机科学在线MS：专注于数据挖掘和数据仓库。链接：http://ceit.georgiasouthern.e/cs/degrees/mscs/佐治亚理工大学分析在线MS：与edX合作。链接：https://pe.gatech.e/online-masters-degrees/online-master-science-analytics哈里斯堡大学分析在线MS:12课程旨在为需要平衡工作，家庭和学习需求的工作专业人士而设计。链接：http://online.harrisburgu.e/masters-analytics伊利诺伊理工学院（IIT）数据科学硕士：从2015年秋季开始提供在线学习。链接：http://science.iit.e/programs/graate/master-data-science印第安纳大学数据科学MS（在线、脱产和混合）：提供数据科学认证证书。链接：http://www.soic.indiana.e/graate/programs/data-science/index.shtmlITB爱尔兰商业智能和数据挖掘MSC：在线，业余时间可学习2年。链接：http://www.dataminingmasters.com/刘易斯大学数据科学36小时在线MS：提供两个集中课程，为计算机科学家而学习的数据科学和为生命科学家而学习的数据科学。链接：http://online.lewisu.e/msds美国圣路易斯玛丽维尔大学商业数据分析在线MS：旨在帮助学生提升他们在数据分析、仓储、挖掘和可视化方面的技能，并为Microsoft SQL和AZURE认证考试做准备。链接：http://online.maryville.e/online-master-of-science-in-business-data-analytics/莫瑞麦克学院数据科学和商业分析MS学位：提供个性化、方便和用人单位设计的课程，教授用人单位要求的技能。链接：http://onlinedsa.merrimack.e/微软数据科学专业学位。链接：https://academy.microsoft.com/en-US/professional-degree/data-science/西北大学预测分析在线MS：为满足日益增长的数据驱动型领导力和解决问题的需求，帮助学生做好准备。链接：http://www.predictive-analytics.northwestern.e/圣母大学数据科学在线MS-ACMS：帮助毕业生快速职业成长，帮助数据科学家获取长期成功。链接：http://datascience.nd.e/俄克拉何马州立大学（OSU）商业分析MS：拥有3个SAS证书选项。链接：http://analytics.okstate.e/渥太华数据科学与技术BS。链接：http://www.ottawa.e/Alt-Ecation/Degree-Programs/Business-and-Management/Undergraate/Data-Science-and-Technology/Data-Science-and-Technology牛津大学数据和系统分析高级文凭课程：为期9个月。链接：http://www.conted.ox.ac.uk/pp1Penn State提供在线数据分析硕士和商业数据分析硕士。链接：http://www.worldcampus.psu.e/degrees-and-certificates/business-analytics-certificate/overview罗格斯在线信息硕士：帮助组织和企业保护、分析、组织和利用数字资源。链接：http://online.rutgers.e/master-library-info/圣玛丽数学科学MS： 共36学分，提供严谨的数学课程。每年八月，校内和在线有一个周末会议。链接：https://grad.saintmarys.e/academic-programs/ms-data-scienceSJU：圣约瑟夫大学在线MS商业智能与分析，SJU商学院参与;毕业生还从SAS获得商业智能证书。链接：http://online.sju.e/graate/masters-business-intelligenceSMU数据科学MS：与2U合作，旨在培养和开发数据科学家，管理、分析、解释、制定决策，并从大型数据集中提取信息。链接：http://datascience.smu.e/SNHU数据分析在线 BS：将商业、信息技术和数学方面与数据挖掘、仿真和优化相结合。链接：http://www.snhu.e/online-degrees/undergraate-degrees/data-analytics-bs-online.aspSNHU数据分析在线MS：这个36学分课程培养学生成为任何企业的战略资产。链接：http://www.snhu.e/online-degrees/masters/ms-in-data-analytics德克萨斯A＆M分析MS：这是一个为在职人员提供的为期五个学期的课程，可在线学习，或在美国德克萨斯州休斯敦的校内学习。链接：http://analytics.stat.tamu.e/托马斯爱迪生州立大学（TESU）数据科学分析BS：与Statistics.com合作。链接：http://www.statistics.com/tesuUMUC：马里兰大学数据分析在线MS。链接：http://www.umuc.e/academic-programs/data-analytics/index.cfm马里兰大学商业管理在线MS（信息系统专业和商业分析）：在短短21个月内学习管理和分析数据，设计和实施信息系统。链接：http://onlinemba.umd.e/美国密苏里州数据科学与数据分析MS： 34个学分，以在线和混合模式，提供多学科课程。链接：https://dsa.missouri.e/美国威斯康星大学数据科学MS： 12个由不同的杰出教授提供的课程。链接：http://datasciencedegree.wisconsin.e/美国威斯康星大学-麦迪逊分校应用计算在线MS和工程数据分析MS。链接：https://epd.wisc.e/online-degree/applied-computing-and-engineering-data-analytics/维拉诺瓦大学分析在线MS：33小时课程，可在20个月内获得。链接：http://taxandbusinessonline.villanova.e/master-of-science-in-analytics检查数据挖掘课程：由KDnuggets总裁Gregory Piatetsky-Shapiro博士开发。 和Gary Parker教授，提供了一个完整的一学期数据挖掘入门课程的教学模块，由W. M. Keck基金会和霍华德休斯医学研究所免费提供。链接：http://www.kdnuggets.com/data_mining_course/index.html证书类ASU应用业务数据分析本科证书。链接：http://asuonline.asu.e/online-degree-programs/certificates/undergraate-certificate-applied-business-data-analytics来自Beye University的业务分析证书：由Sybase主办。链接：http://www.beyeuniversity.com/topics/business-analytics数据管理和分析平台供应商Cloudera认证专家（CCP）：数据科学家。链接：http://university.cloudera.com/certification/ccp.htmlCoursera JHU数据科学专业。链接：https://www.coursera.org/specialization/jhudatascience/1?utm_medium=listingPage俄克拉荷马州立大学在线研究生数据挖掘证书课程。链接：http://watson.okstate.e/datamining/NJIT（新泽西理工学院）数据挖掘研究生证书：提供数据挖掘介绍，重点介绍大型数据库。链接：http://online.njit.e/programs/certs/datamining-cert.php诺瓦东南大学商业智能/分析研究生证书，可选择在线或脱产。链接：http://www.scis.nova.e/masters/certificate_bi.html圣荷西州立大学（SJSU）在线大数据课程证书。链接：http://ischool.sjsu.e/programs/certificate-big-data在线职业培训网站Simplilearn：提供大数据和分析培训和证书。链接：http://www.simplilearn.com/big-data-and-analytics/?utm_source=KDNuggets&utm_medium=affiliate-cpm&utm_campaign=KDNuggets-CertListpg斯坦福CPD数据挖掘和应用：研究生证书，包括3门课程。链接：http://scpd.stanford.e/public/category/courseCategoryCertificateProfile.do?method=load&certificateId=1209602斯坦福CPD挖掘海量数据集提供研究生证书，包括4门课程。链接：https://scpd.stanford.e/public/category/courseCategoryCertificateProfile.do?method=load&certificateId=10555807Statistics.com：提供分析与统计研究课程证书 （PASS）。链接：https://www.statistics.com/certificate-programs/UCI：加州大学-欧文分校预测分析证书课程，一项综合在线课程。链接：http://www.extension.uci.e/pa路易斯维尔大学数据挖掘：提供研究生证书，要求在12个月内在线完成。链接：http://louisville.e/speed/computer/academics/programs/certificates/certificates.htmlUW（华盛顿大学）：提供数据科学证书，脱产或在线形式。链接：http://www.pce.uw.e/certificates/data-science.html威斯康星大学-密尔沃基分校：商业分析在线毕业证书。链接：http://www4.uwm.e/business/programs/certificates/business-analytics.cfm维拉诺瓦大学CPBI（商业智能认证专业）：在线证书。链接：https://lp.villanovau.com/business-intelligence/career/cert-mst_gainknowledge_t04_1110.aspx其他资源大数据大学：提供Hadoop和DB2在线课程。链接：https://cognitiveclass.ai/jp/博思艾伦咨询公司“探索数据科学”：一个在线课程，包括40小时的互动内容， 32个任务。链接：https://exploredatascience.com/加州大学数据学习：由亚历山大·阿布·莫斯塔法教授提供的免费课程，根据自己进度学习。链接：http://work.caltech.e/telecourse.html来自斯坦福大学、省理工学院和哈佛等顶尖大学的中央数据科学和大数据课程。链接：https://www.class-central.com/subject/data-scienceCMU开放式学习计划：向任何想学习的人提供在线课程。链接：http://oli.cmu.e/Course Buffet：提供大数据、数据科学、统计等MOOC课程。链接：https://www.coursebuffet.com/search?q=Data+ScienceCoursera：在线教育的领导者。链接：https://www.coursera.org/DataCamp：交互式R语言教程和有关R语言的编程、数据处理、可视化等数据科学课程。链接：https://www.datacamp.com/EMC数据科学和大数据分析：开放课程。链接：https://ecation.emc.com/guest/campaign/data_science.aspxGuru99：大数据、Web、SAP等免费视频教程。链接：https://www.guru99.com/Jigsaw Academy（印度大数据教学网站）：分析培训，包括MBA分析和SAS。链接：https://www.jigsawacademy.com/LearnAnalytics India：在线和离线提供SAS和高级分析培训。链接：http://www.learnanalytics.in/Metis：在线提供数据科学教育，提供数据科学的现场培训。链接：https://www.thisismetis.com/麻省理工学院开放课程：数据挖掘，由导师Nitin Patel设计的XLMiner工具。同时提供麻省理工学院许多相关课程。链接：https://ocw.mit.e/courses/sloan-school-of-management/15-062-data-mining-spring-2003/index.htm吴恩达的机器学习开发课程。链接：http://openclassroom.stanford.e/MainFolder/CoursePage.php?course=MachineLearning牛津机器学习和深度学习课程（幻灯片、视频、免费提供的问题）：由Nando de Freitas在2014 - 2015年教授。链接：https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/预测分析应用：Predictive Analytics World（世界预测分析会议暨展览）创始人Eric Siegel的简短介绍性在线课程。链接：http://www.businessprediction.com/Springboard：数据科学在线讲习班。链接：https://www.springboard.com/workshops/data-science/?utm_source=KDnuggets&utm_medium=ResourceList&utm_campaign=DSWorkshopSpringboard：数据科学职业规划。链接：https://www.springboard.com/workshops/data-science-career-track/Statistics.com：提供许多统计、数据挖掘和数据科学的在线短期课程。链接：http://www.statistics.com/Statsoft：电子统计教科书，免费提供。链接：http://www.statsoft.com/TextbookSyracuse：应用数据科学在线开放课程。链接：http://ischool.syr.e/future/cas/applieddatasciencemooc.aspx加州大学-圣地亚哥分校数据挖掘课程：数据分析研究领域的一部分。链接：http://extension.ucsd.e/online/index.cfm?vAction=onlineDetail&vStudyAreaID=14&CMP=KNC-0506DLUdacity数据科学课程：跟Facebook、Cloudera、MongoDB、Georgia Tech的行业专家学习数据科学。链接：https://www.udacity.com/coursesUdemy数据科学相关课程。链接：https://www.udemy.com/courses/search/?q=data%20scienceUH数据挖掘课程：数据挖掘课程的新模式，其中包括一个关于真实数据的重要项目，还会分析学生的学习风格。链接：http://www2.cs.uh.e/~rmverma/4335/html/resources.html机器学习、数据和文本挖掘以及语义web领域的会议、研讨会、科学讲座的视频。链接：http://videolectures.net/U. Waikato在线课程：Weka数据挖掘，5周课程。链接：http://weka.waikato.ac.nz/Weka教程（视频）：涵盖分类、预测、聚类和文本挖掘。链接：http://sentimentmining.net/weka/Zeolearn数据科学培训。链接：https://www.zeolearn.com/data-science-trainingZipfian学院数据科学在线课程系列简介：6个在线课程。链接：https://www.eventbrite.com/e/intro-to-data-science-online-course-tickets-7260479289来源：kdnuggets智能观 编译整理

近几年来，网络和电商的发展导致数据分析和人工智能越来越火爆，成为了招聘市场上的大热门。每一位求职者都想要走在竞争队伍的最前面。越来越多的求职者也明白数据分析的重要性，并看到了此行业的发展前景，开始想要学习数据分析专业。但如果没有相关的本科经历，计算机或者统计学的硕士难度还是较高的的。因此，许多嗅觉敏锐的小伙伴们开始把目光转向了另一个相对“门槛较低”的方向：商业分析硕士（Master of Business Analytics）。商业分析硕士商业分析硕士是商科与数据科学的交叉学科，主要是对企业或机构所拥有的数据进行分析，导出最有价值的信息，从而提高业绩，并提升运营效率。Amazon，Google等大公司都有着一套完整的完整的商业数据分析模型。近几年来商业分析广受欢迎，很多企业都需要此类人才来将商业分析作为工具，运用在企业的运营与决策中。商业分析硕士的就业方向也十分广泛，主要的就业市场有咨询、银行、零售以及传统行业内的一些数据分析部门。　基本申请要求BC省把商业分析硕士列入了毕业即可获取省提名的研究生项目行列，使得商业分析这个领域逐渐变得更加炙手可热。这样有发展前景又能快速移民的硕士项目，很多人都想要进行跨专业申请。此专业在各院校中的基本录取要求为本科均分在80分以上。另外，由于商业分析都属于商学院，所以GMAT是申请的必备条件，700分以上更有优势。SFU与UBC的预备课程作为交叉学科，想要申请商业分析硕士，本科拥有商科背景是不够的，大家还需要补充计量经济、统计与计算机等方面的课程。如果有兴趣申请商业分析硕士，小编推荐大家在大学里申请以下课程：商业分析入门类UBC：COMM337: Business Programming and AnalyticsCOMM 414: Data Visualization and Business Analytics　SFU：BUS 362: Business Process AnalysisBUS 440: Simulation in Management Decision Making.BUS 445: Customer AnalyticsBUS 462: Business AnalyticsBUS 464: Business Data Management　计量经济类　UBC：ECON 326: Methods of Empirical Research in EconomicsECON 328: Methods of Empirical ResearchECON 425: Introction to EconometricsSFU：ECON 333: Statistical Analysis of Economic DataECON 428: Seminar in Behavioral and Applied EconomicsECON 435: Econometric Methods计算机科学类UBC：CPSC 110: Computation, Programs, and ProgrammingCPSC 311: Definition of Programming LanguagesCPSC 304: Introction to Relational Database　SFU：CMPT 120: Introction To Scientific Computer ProgrammingCMPT 165: Using PythonCMPT 213: Object Oriented Design In Java InformationCMPT 383: Comparative Programming Languages　统计学类UBC：STAT 200: Elementary Statistics for ApplicationsSTAT 302: Introction to PrbabilitySTAT 306: Finding Relationships in DataSFU：STAT 270: Introction to Probability and StatisticsSTAT 341: Introction to Statistical Computing and Exploratory Data AnalysisSTAT 285: Intermediate Probability and Statistics希望这个列表能够帮助想要学习商业分析的小伙伴们，选课路上不迷路！

天津大学已有10门优质研究生课程登陆“学堂在线”。这些研究生课程来自全校多个教学单位，由有多年教学经验的一线教师授课。课程经精心遴选培育、多年打磨建设而成。你还没有看过？快来看看吧！1环境规划管理与影响评价课程介绍：课程融合了环境规划学、环境管理学和环境影响评价的主要内容，包括环境规划的理论、技术和进展，环境管理的基本通识及若干问题与进展，环境管理的经济学手段，环境规划与管理领域的研究与项目，以地表水环境为例，讲授环境影响评价的理论基础和技术方法。2神经工程学课程介绍：课程力求全面涵盖目前神经工程学的重要内容，把握该领域最新发展动态，从微观到宏观，从基础到应用，进而展望未来，为有志于从事该领域研究的学生提供系统的知识培养。请关注课程开课时间～3电极过程动力学课程介绍：应用化学（电化学）专业研究生的核心课程。课程引导学生运用“电化学”的思想去解决在研究和电化学器件开发中面临的专业问题。4优化设计课程介绍：课程将实际工程设计问题转化为最优化问题，利用数学规划方法，借助计算机高性能运算能力，以先进的人机配合的方式自动寻求科学研究和工程项目中最佳设计方案的设计方法。5数据挖掘课程介绍：主要介绍数据分析与数据挖掘的基本概念和方法。使学习者熟悉数据挖掘的过程，掌握数据分析与数据挖掘过程中常用的算法模型及数据处理方式，为相关研究打下数据处理基础。6光电检测技术课程介绍：课程对光电检测进行全景式介绍，以深入浅出的方式引导学生顺利进光电检测领域，养成科研导向的学习思维。具体从原理、技术、系统构成和典型应用等综合的角度出发，对光电检测技术涉及的领域、知识构架、思维方式和学科热点加以全面的阐释和引导。7结构现代设计方法课程介绍：随着科技的进步和发展，越来越多的先进思想与技术可以运用在水利水电工程中。课程主要讲述水利水电工程现代结构设计的基本理论和方法。8自然辩证法概论课程介绍：在深入理解人与自然的关系以及科技创新与经济社会发展关系的基础上，帮助学习者认识和理解科学发现和技术发明的本质和规律，懂得科技创新的一般方法。9工程中的流动测试理论与方法课程介绍：使学生掌握现代先进的工程流动测试方法和实验技能，了解流动测试技术发展的最新动态和前沿，提高从工程实际中发现和提出问题、建立模型分析问题、解决问题和实践、观察、动手、动脑的能力。

作者 | Jeremie Harris翻译 | MikaCDA 数据分析师原创作品，转载需授权首先我要说的是，我是一名博士肄业生。这个头衔给我带来了所谓的光环，它暗示我在研究生院待过，做过一些学术研究。完成博士学位，意味着你不过是千万个”书呆子”中的一员，而在学了几年后辍学似乎显得你更有个性。人们期待知道你之后会做些什么。他们可能会说，“特斯拉的CEO Elon Musk就选择放弃研究生学位，离开学校去创业，你也可能成为下一个Elon！”那么如果想入行数据科学，学历重要吗？一定需要博士学历或研究生学历吗？在本文中我将分享我的看法。我在数据科学导师制创业公司工作。在工作中，我已经面试过数千位有抱负的数据科学家，当中有些人有博士学位，有些有硕士学位，有些是本科生，也有各个阶段的肄业生。这也让我对数据科学职业有了更深的认识。STEM：科学（Science），技术（Technology），工程（Engineering），数学（Mathematics）这四门学科有许多人会向他人咨询，是否要继续深造读研或读博，而当中很多人对前景没有全面的分析。其实不是所有的学位都适合每个人，原因如下。一、博士学位（这可能会让许多有博士学位的人感到不舒服，在此我提前道歉。）“我看到许多数据科学工作都需要博士学位。我是否要有博士学位才能成为数据科学家呢？“不，并不需要。不要误会我的意思，博士头衔的确会给你带来明显的优势。但也要考虑一些现实因素。如果你的目标是成为数据科学家或机器学习工程师/研究员，那么有博士学位会给你加分不少。但与此同时也要考虑以下两点：1.获得博士学位需要非常长的时间。2.除非你跟着合适的导师，攻读合适的学位，否则你可能学不到任何有价值的东西。针对第1点，在美国或加拿大，获得博士学位需要4年到8年才能完成。平均需要5到6年，具体取决于学校。现在让我们把它放到透视中。在数据科学领域瞬息万变，5年内各种成果层出不穷。要知道，在5年前Spark、XGBoost、jupyter notebook、GloVe、spaCy、TensorFlow、Keras、Pytorch、InceptionNet、ResNet、强化学习等等都还不存在。因此，除非你打算当新技术出现时，花时间自己钻研。否则你会发现学习期间接触到的技术远远跟不上当下的发展。这意味着即使你毕业后，还需要自己学习这些技术。关键在于，数据科学和机器学习的发展非常快，在未来只会发展得更快。因此，当考虑攻读数据科学或机器学习相关领域的博士学位时，你实际上是把赌注都下在你所要学习的领域。你希望在毕业时，该领域还是炙手可热的。而这样的赌注很冒险，而且赌注很高。第2点，思考一下你的导师是谁，为什么他们没有在Google或Facebook工作。当然，有些人更喜欢学术研究，而不是在行业中运用数据科学或机器学习。但值得记住的是，行业顶级的机器学习人才的薪资是非常丰厚的，因此学术界的可能会稍逊一筹。当然，有些地方也有些例外。这主要指的是加拿大的Vector Institute或MILA；麻省理工学院和美国伯克利的数据科学课程等顶级精英项目。总结一下：如果你只想成为Airbnb的深度学习工程师，那么博士学位一定程度上能成为你的敲门砖。但是，如果你不是在顶级项目中攻读博士学位，那么不要期望被行业顶尖的公司录用。但是，如果你想找份普通的数据科学工作，获得博士学位可能并不是正确的举措。你可以用4到8年的时间获得丰富的工作经验，去成长为一名真正的数据科学家，那么出现新技术时，你能更好的进行预测，保持领先的位置。如果你考虑攻读与数据科学无关领域的博士学位（例如物理，生物学，化学），并且目标是找数据科学方面的工作，那么这条建议可能有些刺耳：如果你离毕业还有18个月或更长时间，而且你确定自己想成为一名数据科学家，那么可以考虑辍学。考虑到沉没成本，你应该对之前决策感到质疑，根据我之前的经验来看放弃可能是正确的选择。二、硕士学位入行数据科学需要硕士学位吗？视情况而定。以下是我列出的记分表，如果根据你的情况，分数大于6，那么答案是“硕士学位可能会有所帮助”。你有非常相关的STEM背景（物理、数学、计算机科学等本科学历）：0分你有较为相关的STEM背景（生物学、生物化学、经济学等本科学历）：2分你没有相关的STEM背景：5分你有不到1年的Python使用经验：3分你没有编程相关的工作经验：3分你不认为自己擅长独立学习：4分当我说这个记分表实际是一个逻辑回归算法时，你不明白我的意思：1分注意：需要考虑的是，你是否需要数据科学硕士学位或数据科学训练营。如果选择参加训练营，要注意他们的激励措施：是否课程完成后保证聘用？是否有与训练营相关的求职指导服务？许多人都对训练营持怀疑态度，这是有道理的。但大多数忽略的是，他们对待大学所提供的相关硕士学位也该如此。巩固硕士学位就相当于训练营。如果你不在乎你的成绩，那么要注重你从中学到了什么。在选择相应的硕士学位和课程项目时要询问其研究生就业率。有的大学希望学生选一个简单的专业，而不是好的专业，这是一场心理博弈。你的目标是最终被聘用，找到理想的工作，而不是仅仅为了一纸文凭而付出时间和精力。即使完成了硕士学位，你还需要学习很多技能，可能比你预想的还要多。但只要硕士课程的时间较短(最好不超过2年)，成本不是太高。三、本科学位总的来说，是的，成为数据科学家你需要相关本科学位。不仅仅是因为你需要掌握相关知识，而且公司并不认为你通过自学，参加训练营和一些在线课程就能胜任数据科学的工作 。但关于本科学位你要注意的是，如果你和科技行业的人聊聊，你很快会发现科技型工作中涉及到的内容要远远超出学校课本。这是因为学校所教的本科课程一般比现实情况要滞后5到10年。如果你学的是不会发生很大变化的专业是没有太大问题的，比如如物理、数学或统计数据等。但是如果你是工程或计算机科学专业，并且你在一家出色的公司实习，你想休学或肄业来获得更多的工作经验，那么你可以考虑这样做。如果你读本科的目的是为了获得一份工作，你已经在一家有不错前景的公司获得职位，那么何必多付几年学费呢。我的意思并不是你应该不读完本科就去工作，我想说的是，如果你完成了实习并且获得了相应的全职工作，那么对于是否完成学业应该有更开放的观念。而不是因为大家都这么做，才做出这种选择。结语在本文中，我给出的一些建议可能不是那么常规。但在数据科学这样快速发展的领域，惯例往往并不是最优选择。当今社会中，人们对传统教育价值的看法应该与时俱进。当然，这并不意味着正规教育以及研究生学位是不值得的。但是，不应该认为获得硕士或博士学位是必备的。如果你读研读博只是为了符合数据科学职业轨迹的刻板印象，那么你可能需要重新考虑了。

选商科的小伙伴，2019年QS商科硕士（masters）排名公布，想申请商科的小伙伴，这份排名可是强大的选校参考哦~QS本次公布了数据分析，金融，市场营销以及管理专业的世界大学排名，小背心发出来一起来看看吧！QS Business Masters Rankings:Business Analytics商业分析排名从去年扩展到现在有75所院校，今年的顶级商业分析研究生课程排名再次被麻省理工学院斯隆管理学院摘得。而帝国理工学院是第二名，使其成为欧洲最佳的商业分析项目。评估指标：就业能力（Employability ）——30%校友成功率（Alumni Outcomes ）——20%投资回报率（Value for Money）——20%思想领导力（Thought Leadership）——20%学生和师资的多样性（Class & Faculty Diversity ）——10%QS Business Masters Rankings: Finance金融伦敦商学院今年的金融硕士排名中保持领先地位，在就业能力方面取得了满分。评估指标：就业能力（Employability ）——30%校友成功率（Alumni Outcomes ）——20%投资回报率（Value for Money）——20%思想领导力（Thought Leadership）——20%学生和师资的多样性（Class & Faculty Diversity ）——10%完整排名戳：https://www.topuniversities.com/university-rankings/business-masters-rankings/finance/2019QS Business Masters Rankings:Management管理学巴黎HEC商学院再次成为世界上管理学硕士学位的最佳机构，HEC Paris在校友成绩方面表现尤其出色。今年的排名也揭示了一些有趣的见解，例如，管理学的学费明显低于今年排名的其他三个商业硕士课程。评估指标：就业能力（Employability ）——35%校友成功率（Alumni Outcomes ）——15%投资回报率（Value for Money）——20%思想领导力（Thought Leadership）——20%学生和师资的多样性（Class & Faculty Diversity ）——10%完整排名：https://www.topuniversities.com/university-rankings/business-masters-rankings/management/2019QS Business Masters Rankings:Marketing市场营销市场营销与其他商科项目相比，这个专业是女性主导。这个排名，哥伦比亚大学商学院独占鳌头，其校友成绩近乎完美。评估指标：就业能力（Employability ）——35%校友成功率（Alumni Outcomes ）——15%投资回报率（Value for Money）——20%思想领导力（Thought Leadership）——20%学生和师资的多样性（Class & Faculty Diversity ）——10%完整排名：https://www.topuniversities.com/university-rankings/business-masters-rankings/marketing/2019

编译 | 龚倩校对 | 青暮这篇文章介绍了在攻读数据科学或机器学习硕士学位时需要考虑的最重要的一些因素。作者是美国德克萨斯州奥斯汀的按需递送公司Favor Delivery高级数据科学家Matthew Przybyla。1简介我已经研究并做过许多数据科学领域的硕士项目，于是我开始逐渐认识到哪些特征能够决定一个项目是非常好或是仅仅还可以，以及总体而言需要考虑哪些因素。虽然在选择最终要攻读哪一个硕士学位时有无数因素需要考虑，但我总结了在数据科学领域选择硕士学位时需要考虑的五个因素。我希望你也能了解这些因素，并在进行选择时参考一下这些因素，希望这最终能帮助你成为一名拥有硕士学位的专业数据科学家。2学费这个话题可能不太适合公开讨论，因为它常常涉及个人比较具体的金钱或财务状况，或者你有多少钱，你愿意花多少钱攻读一个学位。话虽如此，我希望看到更多的人讨论学费及其影响，不仅是在求学之前，而且在选择自己的研究生项目之后。我读硕士花了不少钱，将近6万美元，尽管对我来说这确实是很大的一笔钱，但我认为，我的投资是得到了回报的，因此这个金额是我愿意支付的。我的意思是，我取得了数据科学硕士学位，在完成学业后有了一份数据科学的工作，并长期在此领域从业，我向自己证明了所有投资都是值得的，因为我得到了在其他领域从业可能无法得到的丰厚报酬。虽然你面试或工作的一些公司可能不要求硕士学位，但至少有些公司是要求的，或者会把硕士学位作为一个职位诉求的加分项。一个硕士学位能够向公司证明，你花了数月的时间学习和专攻某种技能，从而让他们在你的面试表现之外对你的能力有更多的信任和信心。话虽这么说，如果学费比较低，绝不意味着就是一项糟糕的投资，反之亦然，学费仅仅只是你在报读最终的数据科学硕士项目时需要考虑的一个因素而已。其实最终你需要考虑很多问题，总的来说，学费，也就是花多少钱攻读学位是非常重要的一个问题。以下是你需要考虑学费的原因：投资回报你愿意在一定时间内承担多少债务学费花多少钱对你来说是可接受的学费是否比我以下要讨论的其他因素更重要你的雇主是否愿意支付你的学费正如你所见，学费是决定你最终上哪所学校的一个重要因素。完成学业后，如果你的目标不是成为一名数据科学家，那就不要让自己负债累累；如果你只是出于好奇想学习更多知识，不如攻读一个更便宜、所需时间更短的数据科学学位。但是，当你决定攻读硕士学位时，学校本身、它所处的地理位置都和学费一样重要。3学费学校的地理位置（即使是远程上课）现在很多硕士课程都是在线的，尤其是在数据科学领域。世界发展的态势使得在线上课更加普遍。但即使学校的课程是完全在线或远程上课的，也必须考虑学校的地理位置。究其原因，是因为学校所在的地方往往就是你工作的地方。当你申请数据科学职位时，如果你是在该公司所在州或城市的一所名校取得的学位，那你会更有优势。举个例子，我在德克萨斯州的达拉斯市的南卫理公会大学（SMU）完成了硕士学位。大部分课程都是远程的（有一些需要到学校上）。因为我是在德克萨斯州求职，该州的公司、招聘经理和招聘人员对SMU这所学校都更熟悉。虽然这不一定能保证更多的招聘人员和经理会更加认可你，但对一些招聘人员来说，这种熟悉感确实有可能让他们更认可你，而这多一点的认可就可能发挥很大的作用。此外，如果你上的学校离你住的地方比较近，你可以和其他上同一所学校的人建立联系和社交网络。如果你需要到学校去上课，那么学校的地理位置绝对会是一个重要的决定因素。大多数人会一边读研一边工作，也就是说，如果通勤时间短是比较好的，这样你就不会耗费太多精力在赶路上。为什么需要考虑学校的地理位置：学校的名声会让公司、招聘人员和招聘经理注意到你，或更容易让你脱颖而出与校友建立联系如果是在校上课，学校的地理位置就决定着通勤时间的长短无论你是在校学习、远程或在线学习，还是两种形式的混合学习，在决定报考一个学校的数据科学硕士时，学校所处的地理位置都是一个重要因素。接下来需要考虑的是课程时长。4课程时长根据你目前的状况，你可能也觉得这个因素是特别重要的。数据科学硕士课程的时长差异很大。虽然通常来说攻读硕士学位需要两年的时间，但有些项目时间很短——甚至大约只需一年的时间。你可能还需要解决一些其他的问题，比如你是否有孩子、是否想在长达一年的时间里一边学习一边工作、是否想在学习之余有三个月的假期或暑假等等。我读完硕士总共用了将近2年的时间，有33个学分。这种安排是比较合适的，因为我有一些休息时间，同时也没有浪费太多时间。课程时长可能会受到以下因素的影响：你是希望上一个慢速课程还是常规课程如果你时间紧迫，有些方向还能提供快速课程你的老板支付给你的工资能够负担一个较短还是较长时长的课程如果你有家庭，并想选择一个慢速课程，以便减少一周的课程量，这样你就能更好地平衡学习、工作和生活以上几个原因可以说明为什么课程时长也是重要的考虑因素。我已经讨论了一些我所经历过的显而易见的原因，应该也可以适用于你的情况。一旦你深入了解了特定的硕士方向，你也就会想要考虑该方向提供的不同类型的专业。5专业类型通常，硕士项目会提供更具体的数据科学领域的专业。不同方向也会有不同的专业。例如，我可以选择更多地偏向于商业分析，而不是机器学习。有些方向可能根本不分方向，所以谨记这一点也很重要。我选择把重点放在机器学习上，因为我想更多地了解常见的机器学习算法，以及如何将它们应用到商业环境中，还有利用机器学习来编程。商业分析方法适用于那些希望更加面向客户的人，可能是公司的高层领导，他们利用数据科学的知识来帮助他们进行决策；或者是那些希望更少关注代码和编程，而更多地关注想法的人。以下是一些常见的专业：统计数据分析商业分析数据挖掘机器学习根据你的职业规划，专业可能是非常有用的。我会比较不同类型的专业，看看哪个最适合你，也看看每个专业下有哪些课程。有时候，一个专业只有一到两门课程，而有些则可能有五到六门。需要注意的是，有些方向不分专业，但会提供选修课，在某种程度上，这些选修课能起到与专业课相同的作用，并且这些选修课程是由你自己选择的，而不是学校安排的。例如，如果你发现你修的五门选修课中有三门都是高级统计课程，那么在你的简历中突出这一点将会对你大有裨益。不管你最终选择哪种课程安排，申请硕士方向时，专业都是需要考虑的关键因素。也就是说，一个方向总的来说能够提供的主要课程和选修课也是需要考虑的重要因素。课程 要具体比较不同类型的专业，你在一个研究方向中所修的课程也是非常重要的。我能给的最好的建议就是确保你不会选修太多数据科学专业的通识课。数据科学专业涵盖了统计学和机器学习等几个不同的方面；然而，如果你想要专攻这个领域，或至少拥有更有针对性和较为深入的知识经验，那么你需要确保自己可以上几个综合课程。例如，如果你想学习语言领域，确保有一门以上的自然语言处理（NLP）课程可选，这样你的钱就能花得值了。6顶点项目硕士课程独具的一个特点是要求学生有能力完成一个顶点项目。这个项目通常有较多学分，因为你们可能需要在两个学期内进行研究并完成。你将和一组同学一起进行研究，有一个教授作为导师，还有一个与你的论文相关方面的专家作为专业导师。顶点项目通常包括presentation和发表一篇论文。比如，我的顶点项目主题是虚假新闻检测。这是向你未来的雇主展示你如何与队友协作，你希望在数据科学领域中专攻哪个方向，以及你在该领域的学术能力的一种极好的方式。一个顶点项目可能会帮助你在数据科学领域找到一份工作，因为你的文章将会被公开发表，同时也会被同行评议。以下是在完成顶点项目时需要考虑的一些关键要素，以及考虑它们能够带来的好处：你会和多少人一起工作你将和谁一起工作（仅仅是同学，你的课程顾问，或者专业导师？）有多少学分/它在整个项目中的占比顶点项目的时间期限是否需要向观众展示你的顶点项目好处放进你的简历里成为机器学习的某个特定方向的专家积累经验，不仅是在学校中的经验，而是与现实世界更密切相关的社会经验正如你所看到的，研究生期间的顶点项目是非常独特的（与本科项目或学位相比），并且和其他项目相比也是很独特的，因此思索一下你将从某个顶点项目中收获什么是至关重要的。沉浸式学习除了一个顶点项目，研究生课程还提供了一种所谓的沉浸式学习（immersion）。这通常是面对面进行的活动，你会第一次见到你的同学和教授，与数据科学领域的先驱和专业人士建立联系，并听取和评价你的顶点项目。7总结研究、申报和攻读一个数据科学的理学硕士学位可能确实是困难重重的。然而，我希望我能够阐明一些在申请硕士学位时最需要考虑的因素。虽然我已经讨论了五个，但还有很多其他因素也很重要，所以请记住，还有许多问题需要研究和思考。在取得硕士学位后，我可以确定地说，我在过去和在这篇文章中所提出的，选择研究生院的重要因素，现在仍然是有价值的。 原文链接：https://towardsdatascience.com/5-things-to-consider-in-a-data-science-masters-degree-48a84028959d