新加坡国立大学与IBM合作建立了NUS商业分析中心(NUS Business Analytics Centre ，简称BAC)，于2013年成立。

　　新加坡国立大学作为新加坡排名第一，2021QS世界大学排名11的著名大学，每年都收到很多留学小伙伴的申请，今天我们来了解一下新加坡国立大学商业分析硕士(MSBA)项目。

　　项目名称

　　Master of Science in Business Analytics

　　项目由是NUS商学院和计算机学院联合教学，full-time为期一年。项目包含一个必修的实习，公司选择包括安盛保险, 星展银行, SAP, GRAB, J&J, 联合利华等，时长3-6个月。

　　2018秋季入读学员反馈：

　　班级规模

　　Parttime + fulltime 一共160+，parttime新加坡人/在坡工作的中国人为主，fulltime印度人+中国人为主(中国学生大概20+)。班里同学都非常优秀，很多在某领域颇有建树。印度人基本都有几年的工作经验，有来自印度理工大学(那个传说中的难度超清北的学校)，并且通常会有很多cs/kaggle大神出没。平常上课必修通常为小班(40-60人)，通常早上full time晚上part time的分布，选修有的是大班(100+-)。

　　课程设置

　　课程总共包含8门课，其中5门是必修，三门课是选修。

　　BA这种专业毕竟还是重分析，初看课程介绍以为是比较多商业与编程结合，读了之后才发现，完完全全可以归到school of computing学院下面，唯一一门比较business的课是计量经济学...所以呢，本项目偏tech，第一学期的project主要用R完成+少部分SQL，同时会学很多machine learning algorithms及统计学知识。第二学期的语言取决于选修，big data方向的会用到Python。

　　Workload及难度因人而异，别看一学期五门课感觉很轻松，实际的日常就是周末泡馆+疯狂赶project到凌晨3点，而且project永远是赶不完的，学期没结束之前想去个旅行都要慎重考虑，可能发现回来就一直陷入作业做不完的恐慌里; 读了MSBA再也不怕熬夜了。cs bg的同学就比较轻松地handle住编程，可以提前补补高数和统计，本人是business Bg所以可以多给business的同学针对性的建议啦，尽量在入学前多自学R & python, 最好对machine learning有个基本的Idea，否则开学后会比较艰难。

　　先说说SEMESTER 1，一共5门必修课：

　　1.计量经济学：主要学instrumental variable, price discrimination, DiD，causal relationship，教授是学术天才，能跟上教授的开放性思路你就是人生赢家。ps. 经济学本身是理论的学科，教授很擅长把他应用到实际，个人觉得了解计量经济的方法是很有用的。

　　2.机器学习：算法大杂烩，包括decision tree, text mining, ensemble learning, random forest...各种Package，machine learning入门该学的都会教到，理论不多重实践，作业很多练习调参的部分。ps. 这门课很重要，因为到下学期你会发现很多选修是在机器学习基础上的，capstone面试也可能被问到。

　　3.统计学: 评分最好的干货课程之一(教授中国人，学术派男神颜值和才智都有了)，理论比机器学习多一点，可以学到很实用的分析思路及标准分析报告的写法，linear/ logistics regression, cross validation, ridge regression...作业和考试的主题都很有趣(预测游戏获胜概率，篮球进球概率等)。

　　4.数据仓库: 主要学SQL，Nosql, xml, dtd等数据库相关知识，上课比较抽象，作业全靠google。

　　5.Capstone: 这是贯穿2个学期的课程。每周四下午会请各大企业给我们班关于data的宣讲会，让同学了解数据分析可以apply到的行业和业务范围;晚上是学院老师开讲不同主题的project(目前cover的主题有system artchiture，comsumer analytics，mapreduce)，并且需要完成小组作业。第二学期开始找实习。还有一个compulsory的小组challenge project，具体时间会调整。

　　SEMESTER 2, 共5门课，其中三门选修从两个vertical产生。

　　1.运筹学：主要概念有linear programming, integer programming, optimization，教授中国人(年轻有为又帅气)，讲课最清晰的公认好评课之一。

　　2.Big Data Analytics Technology(big data vertical)：语言用pyspark或scala或java，该课程主要学习处理大规模数据，老师(新加坡人)表达清晰，有很多lab帮你打好mapreduce的基础，以及对推荐系统感兴趣的同学可以试试，project也是做recommender/similar item相关。难度中等，需要熟悉python。

　　3.Deep Learning and Neural Network(big data vertical)：语言用python，主要学习深度学习的基础概念和相关算法，具体参考Andrea Ng的coursera课程，老师(中国人)对学术项目要求严格，平时测验多，proejct跑模型需要用到GPU，有志于挑战非传统机器学习算法的同学可以尝试。对于BA学生来说难度较大(这门课是cs master的基础课)，需要较强的编程功底，我班选的人不多。

　　4.Quantitative Risk Management (Financial vertical)：主要学Monte-Carlo simulation, Time series forecasting (ARIMA), stochastic programming, risk-aversion analysis，跟Operation Research紧密相关，据念finance的同学反映不是金融工程方向。教授是葡萄牙访问老师，概念略，实操多，总体还不错。

　　5.Capstone Project：关于必修实习，每个公司的开放时间不定，尽早准备简历，看到喜欢的就投。公司选择很多，包括AXA, DBS, SAP, GRAB, J&J, Unilever...，和整个班的人一起竞争。

  编辑：翁晓兰