前身金东方留学
20多年留学经验
发布时间：2019-12-19 文章来源: 至领留学 点击：2214次
北卡州立大学的数据分析学硕士项目(Master of Science in Analytics,简称MSA)，近日在《哈佛商业评论》(Harvard Business Review)公布的全美“大数据”专业排名中，被“顶置”榜首。排在后面的都是全美著名的理工名校，其中包括斯坦福、麻省理工、加州伯克利、哈佛以及卡耐基梅隆等。
对于获得全美大数据分析第一的殊荣，北卡州大该项目创始人迈克尔·拉帕(Michael Rappa)教授表示，非常高兴看到MSA获得这个荣誉，也感谢一些知名公司和分析机构对于MSA的认可，这些认可对于MSA而言是成就也是激励。
作为全美第一个开设分析相关专业硕士的北卡州立、MSA毕业生就业率连续第11年达到90%，是什么魔力让这个专业就业率如此之高?
北卡州立大学对于大数据人才的紧缺颇有预见性，2007年设立这个专业时，大数据远没有今天这么引人瞩目。实际上，北卡州大设立MSA在全美当时是首创，不仅有快人一步的先见之明，且目标相当明确——培养可以运用多样方法分析大数据的人才。
7年来，拿到学位的MSA毕业生已经达上百人，仅从毕业生的就业率看已验证了当初的明智。就在上周，北卡州大MSA网站公布了最新的2014年毕业生就业状况分析：在今年毕业的全部79名毕业生中，有75人选择找工作，其“战果是，全部拿到了工作offer(机会)，而且，92%的毕业生拿到2份工作offer, 40%的毕业生有4份以上的offer在手。在薪水方面，这批MSA毕业生拿到的平均年薪是96,600美元，其中，曾有过工作经验的毕业生的平均年薪更达到100,600美元。至于毕业生去向，除了北卡州著名雇主SAS、思科(Cisco)等之外，还有苹果(Apple)、摩根大通(JP Morgan Chase)、波音(Boeing)等全美各地的知名大公司。
网站的还公布了历年的就业状况，数据显示，即使在经济危机影响较大的2009年，MSA的毕业生仍然保持了90%的就业率，平均年薪维持在72, 000美元左右。
北卡州大MSA专业介绍称，他们所培养的学生要接受一系列与数据有关的训练，像数据挖掘、优化，数据库管理，以及数据安全、客户分析、财务分析等等，同时十分注重学生的沟通技能和团队能力培育。除在上课期间要完成很多小组任务之外，学生还有机会参加实习小组。这些实习小组会离开校园，甚至离开北卡州，飞往全美各地的合作公司展开长达数月的“组队实战演习”。在此过程中，学生们在真实的工作环境中学习，接触到从医疗数据管理，到客户关系分析，再到价格优化等等非常具体的分析工作，更重要的是他们需要跟伙伴们一起，以团队的力量帮助这些公司和机构解决实际问题。
项目创始人拉帕教授表示，实习是MSA培养人才的核心。其实，如此的培养理念不仅是MSA毕业生受雇主青睐的原因，更是这些学生未来发展的基础。数据显示，由于能够独当一面又能团队作战，64%的MSA毕业生在两年之内得到加薪，而两年之内获得升职的毕业生也达到了36%。
既然北卡州立MSA专业如此抢手，我们接下来就详细了解一下这所北卡州立罗利分校的分析硕士专业吧。
分析科学硕士(MSA)
主任：Michael Rappa博士
地址：北卡罗来纳州立大学高级分析研究所
学分：30(夏/秋/春)
类型：全日制，工作日，仅限校内。 没有兼职或在线学位格式。
招生：120名学生(在两个60个座位的教学中授课)
校友：762名毕业生
持续时间：10个月，从6月的最后一周开始到5月的第一周结束。
STEM指定：MSA被正式指定为STEM学位。
《哈佛商业评论》(Harvard Business Review)将该研究所列为最好的机构之一，与斯坦福大学(Stanford)、麻省理工学院(MIT)、伯克利大学(Berkeley)、哈佛大学(Harvard)和卡内基梅隆大学(Carnegie Mellon)一样，该研究所是为数不多的几个在数据科学领域拥有公认实力的人才来源之一。除了是美国第一个卓越的分析学位，MSA是一个创新的学习体验，不同于传统的项目在一下几个方面：
随着每年毕业时近乎完美的就业安排，你可以自信地获得高需求的宝贵技能。
平均起薪超过9.5万美元。
实现平均24个月的ROI回报周期。
就读于美国就业能力排名最高的大学。
完成后，你将加入一个由750多名成功校友组成的紧密社区。
与学院专注于学生成功的教职员工合作。
占用最先进的设施，为我们的学生专用。
在屡获殊荣的亨特图书馆学习位于离学院几步远的百年校园。
加入我们，看看为什么学院在学生和校友中一直保持着高满意度。
分析学硕士(MSA)为学生准备了从大量结构化和非结构化数据中获得见解的挑战性任务。
MSA课程的核心是实践性:一种基于团队的学习体验，让学生有机会使用赞助组织的数据进行真实的分析项目。实习为期8个月，最终以一份高管级别的报告和向赞助商的陈述结束。学生们组成4-5人的团队，每个人理解业务问题，然后对项目的每个阶段由学院管理的数据进行清理和分析。各参赛队在保密协议下进行工作，比赛结果是各自赞助商的唯一财产。没有赞助费。目前已赞助的项目总数达180个，赞助商超过120个，几乎涵盖了各个行业领域，其中包括一些世界领先的组织和最知名的品牌。
进入分析学硕士(MSA)是高度选择性的;虽然申请人过去的学业成绩很重要，但我们的招生委员会的决定是基于以下综合因素做出的:
申请人持有美国认可学院或大学的学士学位，或在该学院或大学的最后一年或其外国同等学历;
申请人已修毕(或正在修毕)所需的先修课;
申请人有使用一种或多种语言编写程式的经验(注:网上有许多资源可供开发程式编制技巧，其中不少是免费或收费低廉);
申请人具有较强的能力进行复杂的定量分析，并能在学业上取得成功，这可从本科课程和(如适用)研究生课程和/或工作经验中得到证明;
应聘者过去的专业经验或其他经验表明具有团队合作精神;;具备成熟、主动和领导潜质;
申请人符合英语水平要求。我们不考虑标准化入学考试的分数，如研究生入学考试(GRE)或研究生管理入学考试(GMAT)作为MSA录取过程的一部分。
我们要求所有我们正在考虑录取的申请人与我们的招生委员会进行面试。我们团队的一名成员将与您联系安排面试，面试将在本研究所举行或通过视频会议进行。
Prerequisite Courses
Prerequisite courses for applicants include at least one, but ideally two semesters of college-level statistical methods, including substantive coursework covering regression analysis. 申请人的必修课程包括至少一个，但最好是两个学期的大学水平统计方法，包括涵盖回归分析的实质性课程。
We recognize prerequisite courses completed for credit and a grade from accredited institutions. To gauge whether courses you’ve taken previously would serve as sufficient preparation, please compare their content against the sample course descriptions below. You may also use these descriptions to guide your selection of future courses. 我们认可完成的学分必修课程和认可机构的成绩。要评估您之前学过的课程是否充分准备，请将其内容与下面的示例课程说明进行比较。您也可以使用这些说明来指导您选择未来的课程。
If you are an undergraduate student currently enrolled at NC State, we strongly recommend that you complete one of the following course pairs: 如果您是目前就读于北卡罗来纳州立大学的本科学生，我们强烈建议您填写以下课程对之一：
ST 305– Statistical Methods统计方法 and ST 430– Regression Analysis回归分析
ST 371– Probability and Distribution Theory概率和分布理论 and ST 372– Statistical Inference and Regression统计推断和回归
If you already hold an undergraduate degree but do not?feel that your past coursework provided sufficient preparation (or if you wish to have a refresher), you might consider completing ST 513 and ST 514 through NC State’s Non-Degree Studies(NDS) program, or a comparable set of courses through a university local to you. 如果您已经拥有本科学位，但不认为您过去的课程作业提供了充分的准备(或者您希望进行复习)，您可以考虑通过北卡罗来纳州立大学的非学位研究(NDS)计划完成ST 513和ST 514，或通过当地大学的类似课程。
Sample Course Descriptions
Statistics for Management I:管理统计I
Data Collection / Sampling数据收集/采样
Probability可能性
Normal & Binomial Distributions正态和二项分布
Sampling Distributions / Central Limit Theorem采样分布/中心极限定理
Confidence Intervals置信区间
Hypothesis Testing假设检验
Analysis of Variance (ANOVA) 方差分析(ANOVA)
Correlation关联
Simple Linear Regression简单线性回归
Matrix Manipulation矩阵操作
Solving Systems of Linear Equations求解线性方程组
Gauss-Jordan Elimination高斯 - 乔丹消除
Statistics for Management II: 管理统计II：
Multiple Linear Regression多元线性回归
Variable Selection变量选择
Multicollinearity多重共线性
Residual Diagnostics残留诊断
Matrix Manipulation矩阵操作
Least Squares Estimation / Normal Equation最小二乘估计/正规方程
Variable Reduction through Eigenvalues通过特征值进行变量约简
Eigenvalues / Eigenvectors特征值/特征向量
编辑：翁晓兰
