1.哈佛大学 SM Data Science

　　项目隶属SEAS工程与应用科学学院(School of Engineering and Applied Sciences)下的IACS (Institute for Applied Computational Science)学院内。这个项目成立于2018年，是一个相对较新的研究生项目，由统计系和计算机科学系联合开办。

　　该项目重点关注可复制数据分析、协作问题解决、可视化与通信，以及数据科学涉及的安全和伦理问题等话题。

　　从课程设置来看，包括“数据科学概论专题”、“计算机科学系统”、 “统计推断”、“贝叶斯数据分析”、“数据结构与算法”、“机器学习”等。因而需要申请者有较强的数学基础，最好要有微积分、线性代数、概率统计等数学先修课背景。

　　该项目面向应用科学，对coding要求较高，需要至少精通一门编程语言，如Python, R 等，并对计算机科学有基本认识。建议有CS，统计和数学背景的同学进行申请。

　　2.哥伦比亚大学 MS in Data Science

　　哥伦比亚数据科学项目的学生有机会与业内的合作伙伴公司和世界级的教授互动。学生也可以选择以创业为重点的选修课程，或选择其中一个课程中心涵盖的学科领域。

　　数据科学项目由文理院校统计系，工程与应用科学学院计算机科学系，和工业工程与运筹学系联合开设。

　　数据科学项目为期一年，毕业需要30学分，项目课程由计算机科学必修课、工程学必修课、统计学必修课和选修课组成。

　　先修课程包括以下：

　　数学类课程：微积分， 线性代数;

　　计算机类课程：计算机编程入门课程;

　　注意：哥大工程与应用科学学院(SEAS) 不接受同时申请多于一个的硕士项目!

　　3.杜克大学 Master in Interdisciplinary Data Science (MIDS)

　　该项目是由 Information Initiative 研究院和 Social Science Research Institute 社科研究院两个机构在2018年开始合办。课程 2 年制，必修课课程很硬核，required summer internship 和 One-year capstone project 都有。项目规模非常非常小，全球每年录取 25 人到 30 人，其中中国国籍的学生有 20% - 30% 左右。

　　作为一个跨学科的项目，杜克大学的MIDS强调数据科学的跨学科方法，借鉴了多个领域的专业知识，包括计算机科学、统计学、社会科学和特定领域的研究，使学生能够获得对数据科学概念及其在现实世界中的应用的全面理解。

　　除此之外，其课程设置非常灵活，学生们可以根据自己的兴趣和职业目标定制课程。学生可以在机器学习、数据可视化、自然语言处理等前沿领域内选择自己感兴趣的课程。

　　4.布朗大学 Master's in Data Science

　　项目是1-2年制全职学习项目，旨在为学生提供理论和实践结合的数据科学知识和技能，以应对数据驱动决策的需求。该项目包含课程学习和实践项目两个部分，涵盖数据科学的各个方面，如统计学、机器学习、数据挖掘、数据管理等。

　　选修课可与哈佛大学(Harvard University)以及罗德岛设计学院(RISD)进行交叉选课，课程教师均来自著名教授和业界专家，能够提供最前沿的数据科学知识和技能。

　　5.南加州大学 Master of Science in Computer Science(Data Science)

　　该项目时长为2年，为学生提供了计算机科学的核心背景和专业的算法，统计和系统专业知识，用于获取，存储，访问，分析和可视化与能源，环境，健康，媒体，医学和交通等不同现实世界领域相关的大型，异构和实时数据。

　　申请者须具备计算机本科背景或者本科具备计算机相关核心课程和数学课程。

　　6.纽约大学 MS in Data Science

　　纽大MS in Data Science设立在Center of Data Science(CDS)下面(CDS附属在Courant下，Courant应用数学专排第一)，是世界上第一个专门为数据科学开设的硕士项目。

　　课程设置很成熟，旨在为数据科学领域培养并输送真正的data scientist。教育质量和业界口碑都很不错，并配有强大的师资力量和学术资源，因此申请难度也在逐年增加。

　　课程设置：该项目课程时长2年，每年有春秋两个学期，共36学分，每门课3学分，12门课，平均每个学期修3门课，每学期GPA不能低于3.0。课程组成是：required course + general elective + track course;其中track course又分为四个方向：Data Science Track，Data Science Physics Track，Data Science Biology Track，Data Science – Biomedical Informatics (Medical School)。

　　此外，学生还要完成一个capstone project。在项目过程中，学生要把学到的理论知识融入到实际应用中，亲身体验从收集和处理数据，到寻找并设计解决问题的最佳方案，再到实施解决方案的全过程。

　　7.罗切斯特大学 MS in Data Science

　　项目为学生提供了数据科学基础和应用方面的强大背景，并获得了纽约州的认可。专为具有科学、工程、数学或商业任何领域背景的学生设计，可以在两到三个学期的全日制学习中完成。

　　学生可以选择广泛探索数据科学，或集中研究以下应用领域之一:计算方法、统计方法、健康和生物医学科学、商业和社会科学。

　　硕士学生要完成一个学期的实习项目，而不是硕士论文。实习项目让学生体验到在行业中工作的滋味——利用赞助机构提供的数据进行真实世界的分析项目。

　　8.斯坦福大学 MS Statistics - DS

　　大数据在工程和应用科学领域的重要性日益增加，促使统计学系开设了一个硕士课程，以计算为重点培训数据科学方面的学生。

　　这一重点硕士课程是在现有统计学硕士和数据科学与分析学硕士的框架下发展起来的。在成功完成数据科学硕士学位的学生将准备继续相关的博士项目或作为数据科学专业的工业。完成硕士学位并不是获得统计学博士学位的直接途径。

　　数据科学方向培养强大的数学、统计、计算和编程技能，此外还通过数据科学和其他感兴趣领域课程的一般和重点选修课要求提供基础数据科学教育。

　　9.宾夕法尼亚大学 MSE in Data Science

　　宾夕法尼亚大学的数据科学硕士(MSE)为学生准备了广泛的以数据为中心的职业生涯，无论是技术和工程，咨询，科学，决策，或理解文学，艺术或通信模式。

　　数据科学专业通常需要一年半到两年的时间完成。它将机器学习、大数据分析和统计学等核心主题的前沿课程与各种选修课结合在一起，并提供将这些技术应用于专业领域(深度领域)的机会。

　　深度领域提供了预备课程和数据科学应用领域的论文或实习。潜在的专业领域包括网络科学(沃伦网络和数据科学中心)、数字人文(普莱斯数字人文实验室)、生物医学(生物医学信息学研究所)和公共政策(宾夕法尼亚沃顿预算模型和安内伯格公共政策中心)——以及更传统的计算机与信息科学和电气与系统工程的机会。对于有兴趣将数据分析和建模应用到工程和物理科学的其他领域的学生，宾大提供了科学计算的专业和协同项目。

　　基于宾大工学院的优势，课程不仅融合了DS核心知识，还涵盖机器学习、大数据分析和统计学等，更重要的是选课自由度很大，而且提供的选修课DS应用领域的广度也很够，算是DS项目里课程非常全的了。

　　以上是对于美国数据科学硕士大学有哪些的相关知识，如果您对美国留学感兴趣，欢迎您在线咨询托普仕留学老师，托普仕留学专注美国前30高校申请，助力国内学子顺利获得美国藤校入读资格。尽早规划和递交申请，对您未来留学会更有帮助!