热门的MSDS数据科学专业基本上分布在大城市和名校，但因为专业较新，并没有一套可信的排名。这里罗列一些最热门、也是大家最常申的学校：

　　美国TOP30院校中开设Data Science项目情况

　　■ 2 Harvard University 哈佛大学

　　Graduate School of Arts and Sciences

　　Master of Science in Data Science

　　■ 3 University of Chicago 芝加哥大学

　　Graham School of Continuing Liberal& Professional Studies

　　Master of Science in Analytics

　　■ 5 Columbia University 哥伦比亚大学

　　① Institute for Data Scienceand Engineering

　　M.S. in Data Science

　　② School of Professional Studies

　　M.S. in Applied Analytics

　　■ 5 Stanford University 斯坦福大学

　　School: Department of Statistics

　　Master of Science in Statistics: Data Science

　　■ 11 Johns Hopkins University 约翰霍普金斯大学

　　Whiting School of Engineering

　　Master of Science in Data Science

　　■ 11 Northwestern University 西北大学

　　McCormick School of Engineering andApplied Science

　　M.S. in Analytics

　　■ 14 Cornell University 康奈尔大学

　　① School of Operations Research &Information Engineering

　　Master of Engineering-Data Analytics

　　② School: Department of StatisticalScience

　　MPS in Applied Statistics (Option II: DataScience)

　　■ 20 Georgetown University 乔治城大学

　　Graduate School of Arts and Sciences

　　M.S. in Analytics

　　■ 21 University of Southern California 南加州大学

　　Viterbi School of Engineering

　　MS in Computer Science – Data Science

　　■ 25 Carnegie Mellon University 卡耐基梅隆大学

　　School of Computer Science

　　Master of Computational Data Science (MCDS)

　　■ 25 University of Virginia 弗吉尼亚大学

　　Data Science Institute

　　M.S. in Data Science

　　■ 30 New York University 纽约大学

　　Center for Data Science

　　Master of Science in Data Science

　　申请MS Data Science 需要什么样的背景?

　　不论是陆本还是美本，在本科阶段就开设Data Science这个专业的学校并不多，所以大家不要一看自己专业名字和数据科学不搭边就觉得是转专业申请。

　　首先，本科是计算机科学CS的同学，是最符合申请条件的，因为大多数数据工作都是通过编程和数据库的相关手段进行的，同时学过统计、微积分、高级语言;

　　例如哈佛大学对于MSDS的本科背景要求是：希望有微积分、线性代数，熟悉概率和统计干涉、能使用至少1种编程语言，例如Python或R，了解计算机科学概念。

　　Prerequisites we expect from applicants include knowledge of calculus and linear algebra, familiarity with probability and statistical inference, fluency in at least one programming language such as python or R, and an understanding of basic computer science concepts.

　　其次，本科背景是统计、数学或应用数学，且有一定编程基础的同学也可以申请，这都是很好的专业匹配。

　　最后，商科背景出身，但量化背景较强的商科专业，比如金工，但又希望能选择一个STEM专业的同学，那DS显然也是个非常好的选择。

　　所以说，如果你有比较强的编程背景，又有比较好的数理基础，那你就很有竞争力;而纯商科背景的同学，如果没有强的量化背景，或者不懂编程，那建议还是数据科学DS和商业分析BA混合申请，因为商业分析更加偏商科，开在商学院，对商科背景接纳程度大很多。

　　如何加强背景?

　　建议可以从科研方面加强，在大学期间最好找和量化相关的科研，如果实在没有，可以把相关的课程大作业拿来用。再退而求其次，也可以是计算机软件、数据库相关。如果没有科研经历，那将是极大地硬伤。

　　此外，可以参加一些竞赛。竞赛的平台有很多，比如最近很火的Kaggle，再如阿里的天池、SODA、WID、数据嗨客等。

　　最后就是实习。实习最优选择应该是数据公司的数据岗，然而现实是这样的岗位由于太过重要，基本不会招实习生。所以建议找一些统计量化相关的或者计算机相关的实习。

  编辑：翁晓兰