美國數據科學碩士申請難度分析

這幾年我連續完成了好幾輪數據科學的美研申請，在這個(ge) 專(zhuan) 業(ye) 的申請上有所收獲，這篇推文總結一下分享給大家。

一、數據科學是什麽(me)

維基百科定義(yi) ：數據科學（Data Science）是一門利用數據學習(xi) 知識的學科，其目標是通過從(cong) 數據中提取出有價(jia) 值的部分來生產(chan) 數據產(chan) 品。它結合了諸多領域中的理論和技術，包括應用數學、統計、模式識別、機器學習(xi) 、數據可視化、數據倉(cang) 庫以及高性能計算。數據科學通過運用各種相關(guan) 的數據來幫助非專(zhuan) 業(ye) 人士理解問題。數據科學技術可以幫助我們(men) 如何正確的處理數據並協助我們(men) 在生物學、社會(hui) 科學、人類學等領域進行研究調研。此外，數據科學也對商業(ye) 競爭(zheng) 有極大的幫助。

數據科學是一門結合計算機科學+數理統計+具體(ti) 領域應用的交叉學科

這個(ge) 圖很直觀的表達了數據科學作為(wei) 一門交叉學科的知識結構組成，也符合了大部分項目的課程設置。數據科學是在數據基礎之上，運用計算機和數理統計的知識，在某一個(ge) 具體(ti) 領域（商業(ye) 、IT、醫療等）解決(jue) 具體(ti) 問題。

二、美研數據科學項目開設情況

目前已經在美研院校大範圍開設，我統計了一下，目前綜合排名前30的院校中有24所學校開設了26個(ge) 相關(guan) 項目，總體(ti) 選擇豐(feng) 富。數據科學項目多數開設在統計係下，也有開設在計算機係下，或者統計係和工程學院聯合授課。

數據科學最常見的學科名稱是Master in Data Science，也有部分學校命名為(wei) Master in Analytics，基本就這兩(liang) 類命名方式。

在學製上，所有數據科學項目都是1-2年完成，3個(ge) 學期畢業(ye) ，即秋季-春季-秋季這種學製安排最為(wei) 常見，多數項目畢業(ye) 要求為(wei) 30個(ge) 學分，修完10-12門課程畢業(ye) 。 基本隻提供秋季開學，隻有約翰霍普金斯等少數幾個(ge) 學校提供春季開學。

三、美研數據科學項目本科申請背景要求

總體(ti) 以數學、統計、工程、經濟學這幾類專(zhuan) 業(ye) 為(wei) 主，沒有絕對的本科專(zhuan) 業(ye) 要求，本科開設數據科學專(zhuan) 業(ye) 的學校數量相對沒有碩士多，以杜克大學2021級學生為(wei) 例：工程類背景占比34%；經濟學占比24%；自然科學類占比10%。同時也可參考西北的MS in Aalytics項目的學生背景如下圖：

西北大學這個(ge) 項目對於(yu) 純數理背景的申請者偏好明顯更高。

對於(yu) 申請先修課程有嚴(yan) 格要求，最常見的要求為(wei) ：

1. 兩個學期的微積分課程，對應美本Calculus I & II，要求掌握多元微積分（Multivariable Calculus）
2. 線性代數（Linear Algebra）
3. 統計與概率論（Probability and Statistics）
4. 編程語言（Computer Programming Language），以Python和R最為常見

以上四門課程最為(wei) 常見，個(ge) 別項目還有其他高階要求，比如微分方程、隨機過程、SPSS/STATA等。

對於(yu) 不能在自己本科院校完成相關(guan) 課程要求的學生，多數學校都表示可以通過社區大學或者線上課程（Coursera，Edx）的方式來滿足要求，其中喬(qiao) 治城大學給出了很詳細的參考如下：https://analytics.georgetown.edu/admissions/requirements/

四、數據課程項目申請材料

各個(ge) 項目申請材料比較類似，總結如下：

1. 成績單。這個(ge) 最為(wei) 重要，申請前30的項目總體(ti) 建議不能低於(yu) 3.5/4，競爭(zheng) 激烈的項目不低於(yu) 3.7，個(ge) 別學校比如範德堡需要提前做WES評估。

2. 托福。申請前30項目必須要考到100+，大部分項目托福要求100，哥倫(lun) 比亞(ya) 大學公布過2017級平均托福錄取分為(wei) 106.5，斯坦福公布過錄取平均托福分數在110左右。

3. GRE。這兩(liang) 年因為(wei) 疫情，大部分的項目對於(yu) GRE要求為(wei) 可選，建議目標分數325+，NYU公布的平均錄取GRE各部分平均分數：159.3（閱讀）+167.4（數學）+4.14（寫(xie) 作）。

4. 個(ge) 人陳述。我舉(ju) 例賓大對於(yu) 個(ge) 人陳述內(nei) 容的要求如下：

To help us better determine your candidacy for admission into the Data Science Program, your personal statement should clearly discuss your background while placing special emphasis on your coursework and/or your professional experience relevant to the Data Science Program. It should further elaborate your future plans and how they make you an ideal fit for the program.

主要討論三部分內(nei) 容：一是過往在數據科學方麵的課程和經曆，二是對於(yu) 該項目的理解和認識，三是對於(yu) 未來的規劃。

5. 三封推薦信

6. 簡曆

7. 先修課程要求

五、數據科學項目的主要開設課程

數據科學項目都會(hui) 以核心合成+選修課程兩(liang) 部分組成，以哥倫(lun) 比亞(ya) 大學為(wei) 例，核心課程包括以下七門：

1. Computer Systems for Data Science/數據科學中的計算機係統

2. Machine Learning for Data Science/數據科學中的機器學習(xi)

3. Algorithms for Data Science/數據科學中的算法

4. Probability and Statistics for Data Science/數據科學中的統計與(yu) 概率論

5. Exploratory Data Analysis and Visualization/探索性數據分析和可視化

6. Statistical Inteference and Modeling/統計推理與(yu) 建模

7. Data Science Capstone and Ethics/數據科學大作業(ye)

除了以上七門核心課程，哥大還要求學生完成三門選修課程，一共十門課程畢業(ye) ，這也是數據科學項目常見的課程開設模式，大家上的主體(ti) 課程內(nei) 容相近，差別不大。

也有少部分學校比如紐約大學和喬(qiao) 治亞(ya) 理工大學，將培養(yang) 計劃還分成了不同方向，也就是大家在相同的核心課程之上，通過不同方向的集中選修確立了自己的方向/Track，紐約大學的數據科學項目分為(wei) 了三個(ge) Track：Data Science Track/數據科學，Data Science Biology Track/生物數據科學，Biomedical Informatics Track/生物醫學信息學。喬(qiao) 治亞(ya) 理工的分析學項目也分為(wei) 了三個(ge) Track：Analytical Tools track/分析工具，Business Analytics/商業(ye) 分析，Computational Data Analytics/計算數據。

六、數據科學項目畢業(ye) 就業(ye) 情況

數據科學總體(ti) 就業(ye) 情況還不錯，市場需求比較大。常見的就業(ye) 職位包括：數據分析師，數據工程師等。以紐約大學的就業(ye) 報告舉(ju) 例如下：

70.18%的畢業(ye) 生在畢業(ye) 時已找到全職工作，主要去向三個(ge) 行業(ye) ：技術科技類公司（51.61%），金融行業(ye) （22.58%），生物技術和健康產(chan) 業(ye) （6.45%）。2021屆畢業(ye) 生年薪範疇為(wei) 110,000-125,000美金。

詳細就業(ye) 報告可參考鏈接：https://cds.nyu.edu/placement-stats/

七、數據科學與(yu) 分析學的聯係和區別

雖然我把數據科學（Data Science）和分析學（Analytics）在這篇推文中合並在一起總結介紹，但這兩(liang) 個(ge) 專(zhuan) 業(ye) 在側(ce) 重點上還是有一些區別。

數據科學側(ce) 重於(yu) 數據的存儲(chu) 、恢複、清理、挖掘、可視化、分析等處理內(nei) 容，創造和運用算法在原始數據基礎上來理解數據的意義(yi) 。分析學是通過已處理的數據，來尋找規律回答問題，在數據基礎上提供決(jue) 策分析。打個(ge) 比方，數據科學像是種地收獲糧食，分析學像是把生米煮成熟飯。

八、美國綜合TOP30大學數據科學項目匯總及申請難度評估

表格說明：

1. 招生數量一列中，能列出的為(wei) 學校公布的準確數據，「/」表示沒有公布數據。

2. GRE一列中，「不需要」表示申請審核中不參考GRE成績；「optional」表示可選擇是否提交；具體(ti) 的數據如「168+170+4.5」表示學校公布的GRE閱讀、數學、寫(xie) 作三部分的平均分數。所列的GRE要求隻適用於(yu) 2021-2022申請季，未來可能出現要求變化。

3. 申請難度一列中，「一檔」、「二檔」、「三檔」為(wei) 具體(ti) 申請數據外加主觀經驗判斷的申請難度分檔。

九、數據科學和計算機科學在IT行業(ye) 的崗位區別

因為(wei) 我家裏人剛好有人在互聯網行業(ye) 從(cong) 事數據分析的工作，TA本來是學計算機出身，先做的開發崗位，也就是傳(chuan) 統意義(yi) 上的碼農(nong) ，然後轉做了數據，我也請教了一些TA，總結下來幾點行業(ye) 經驗。

1. CS的行業(ye) 起點相對低，但是職業(ye) 路線比較廣，上限下限相差巨大，涉及到開發性的工作都可以去嚐試。目前本科cs出來大部分做的還是基礎性研發工作，在工作技能上比較注重Java或者其他開發性語言這塊的能力。工作比較辛苦，加班比較多。

2. Data Science更重視的是數據思維能力，需要有一定的開發基礎。畢業(ye) 生基本上從(cong) 事的是數據相關(guan) 的工作，比如數據分析，數據產(chan) 品，大數據相關(guan) 的開發或者算法之類更高級的數據崗位，綜合能力要求更高一些，行業(ye) 能夠提供的崗位數量相對少，基本都需要研究生背景才能進大廠。數據崗位的技能要求不是單一的，根據具體(ti) 崗位和業(ye) 務性質，來判斷人員偏重哪個(ge) 方向，需要更高的邏輯思維能力，和基礎的開發能力。

十、其他

我之前的申請經驗裏，還總結出一個(ge) 很受用的經驗，即背景不夠強勢可以直接申請CS的學生，以及對理科不排斥的文科生，都可以從(cong) 就業(ye) 的角度考慮來準備數據科學的申請。

數據科學最重要的四門前期課程：微積分I & II，線性代數，概率統計，編程語言，對於(yu) 大部分學生，隻要你想要去準備都還是有機會(hui) 能學到的，甚至在完成了這幾門課程之後，也能順便加強對商業(ye) 分析、金融等商科領域的申請背景，大範圍開拓了自己的申請選擇。   另外就是上文提到的數據類崗位招聘學曆要求更高的現狀，這是數據科學的學生必須麵對的問題，讀一個(ge) 數據科學碩士幾乎變成了入行要求。

今年我明顯感受到美研的申請數量在增加，申請難度在變大。原因很簡單，國內(nei) 經濟下行就業(ye) 崗位不足，國內(nei) 有更多的本科生在準備考研或者出國，就業(ye) 問題也在影響美本學生，他們(men) 的主要就業(ye) 方向也是國內(nei) ，我估計至少有七成的美本學生也在申請美研，大家就隻能湊在一起可勁卷了。