独家 – 2022数据科学DS美研项目自制排名（数据科学美国排名研究生）

►前言：

前方高能预警… 此篇文章信息量太大，建议收藏后再阅读！！！

这是一篇写了3年的文章，PH留学收集了各个项目多种高难度获取的信息类型：有PH导师独家的校友反馈，官方最新的项目录取数据，课程安排和class size等等。综合考虑以上这些因素推出了数据科学硕士2022版本排名。

读完这篇文章的同学们，在数据科学这个领域，大概率会比市面上98%的中介sales更加专业。无论是刚对DS感兴趣，还是已经决定好在接下来的申请季申请DS，我们都希望这篇文章能成为大家申请季上的伴侣，最大化的减少信息不对称带来的时间和精力消耗。（注：数据分析相关的硕士项目五花八门，因此我们并没有囊括统计/计算机硕士中的data science方向，只讨论单独开设的data science硕士项目）

由于数据科学硕士大多隶属于工程或计算机学院旗下，大多数项目并没有包括求职辅导、capstone project等BA项目的标准辅导。因此，我们通过如下的标准来给项目进行从A 到D-的打分并得到最后排名：

• 学校综合排名
• 项目成熟度
• 就业情况
• 地理位置
• 课程设置及class size
• 录取难度
• 整体打分

希望这些能够给大家的申请带来参考和帮助！

►项目排名：

01

Harvard

MSDS

相比去年排名：上升2位 (3→1)

去年排名第三位的哈佛大学的数据科学项目，今年凭借多维度的综合实力上升到了排行榜首位。不管是从录取标准、课程内容还是就业出路来看，哈佛的DS硕士项目都有多重亮点。自2018年开办以来，本项目一直坚持录取学生背景的多样性，既有硬核计算机和数学背景的学霸，也有创业实习经历丰富的职场达人，甚至还有环境经济背景这种非理工科出身的有趣灵魂（自家学员），在某个领域做到顶尖几乎是录取学生唯一的共同标签。本项目由哈佛计算机和统计系合办，因此课程以机器学习和统计理论为主，还提供了Capstone Project或Thesis的项目选项，不论是以后进入工业界或继续读博深造都很合适。录取难度上哈佛的录取率保持在5%-8%之间，过去的2022 Fall共收到了1500份申请，最终录取了95人，录取率为6%，和去年持平，总体的竞争比较激烈，录取难度是非常大的。

校友反馈：

“选课自由， elective几乎没有限制。资源丰富，可以随便选别的学院的课程，也可以选MIT的课。核心课程针对性不强，可能技术类的课还需要根据自己兴趣在elective里针对性选择。career service一般，帮助有限。”

• 学校综合排名： A

是一个地球人都知道的学校。

• 项目成熟度：A

目前已经有了四届毕业生，录取标准和就业数据都保持稳定，因此这项评分上升一档。

• 就业情况：A

虽然项目本身没有提供太多的就业辅导，但录取学生本身的实力加上哈佛大学的声誉，本项目的毕业生不论是找实习还是工作都取得了理想的结果，就业公司大多在咨询、金融以及科技领域，包括麦肯锡，Facebook，Nvidia，Apple等顶尖企业，申请博士也有见到MIT, GIT等顶尖名校的offer.

• 地理位置：A

波士顿当地就业基本包括咨询公司、买方基金、生物制药企业和科技大厂的分部，但由于是哈佛和MIT这样的名校，硅谷和纽约等地的知名企业也是趋之若鹜地来此招人。

• 课程设置及class size：A

由于可以在哈佛和MIT自由选课，这个项目的课程难度可想而知，每届60人左右的class size也保证每个人都有充分的机会了解身边的同学，也不会出现同届同学过度竞争的情况 。

• 录取难度：A

前文已经提到，哈佛DS项目录取的学生本科学校就有一定的门槛，以美本Top30和国内清北复交的数学、统计、计算机专业同学为主，也要求本科阶段就有数据科学相关且含金量高的实习或研究经历（今年PH出现了美本Top120院校背景被录取的案例，所以还是鼓励大家勇于尝试）。

• 整体打分：A

02

Stanford

ICME-DS

相比去年排名：下降1位 (1→2)

地处科技公司聚集的硅谷，顶尖的声誉，严苛的录取标准，斯坦福的ICME项目毫无疑问依旧是天时地利人和的顶级项目。课程安排上，深度和广度兼备，教授也都是数据科学领域的资深专家，可以了解机器学习和数据分析最前沿的研究方向。录取难度上， GPA 3.9 ， 多段高含金量的实习/科研/工作经历几乎是标配。每届录取20人左右（包括统计硕士，两个项目分开录取但是可以互相转，课程一样），获得offer的都是本科毕业生中的佼佼者，尤其偏好科研型申请者。

校友反馈：

“学校创业投资的氛围很浓，相关的活动和校友connection超级多，ICME系里的career fair也很有用，大多数同学都是因此找到的实习和全职。但ICME的必修课在我看来好几门都没有必要，太理论化了，workload很重，会影响对其他方向比如创投实践和找工作的精力。”

• 学校综合排名：A

人工智能领域的顶级学校，地球人都知道。

• 项目成熟度：A

ICME项目已经开设多年，是一个十分成熟的研究生项目。

• 就业情况：A

在斯坦福学习数据科学的好处之一就是进可转码，退可做PM，有大量的科技公司参加校招，求职方面相当便利。

• 地理位置：A

硅谷黄金位置，对于求职科技公司和VC/PE等投资机构都很便利，也有不少学生选择继续留在本校或其他加州高校读博。

• 课程设置及class size: A

自由的选课和相对较少的录取人数，使得ICME的学生可以根据自己的情况安排学习进度和计划。

• 录取难度: A

GPA 3.9 ，多段实习或research经历是标配。

• 整体打分: A

03

CMU

MCDS

相比去年排名：下降1位 (2→3)

人工智能强校CMU早在十多年前就十分有远见地开设了理论和应用兼备的Computational Data Science项目。在基本的机器学习和数据分析课程之外，这个项目还开设了诸如云计算、数据库、计算机架构等CS方面的内容，对于从事大数据工程方面的工作非常有帮助。从这个课程设置也可以看出来，MCDS项目偏好CS, CE, EE背景的申请者，对于编程能力有很高的要求。录取难度上，MCDS近几年每年收到1500 份申请，录取率是10%，项目人数在60-70人。跟前面几个项目相比，本项目更多时候是计算机背景的申请者继续从事SDE, MLE, 和DE等工程类岗位，与前两个项目相比少了些多元化，因此排在了第三名的位置。

校友反馈：

“不同track之间转换非常灵活，如果申请时是analytics track但后面对systems火车hci感兴趣，可以直接向director申请。项目的毕业要求是144学分，会比CMU其它的项目更多一些，所以如果想要三个学期毕业，就意味着会有比别的同学更大的workload，这在找工作的时候会是一个劣势。”

• 学校综合排名：A

计算机和软件工程领域绝对的顶尖高校，对于以后想进入科技公司的同学是最佳选择之一。

• 项目成熟度：A

是少有的已经开设超过十年的项目，目前有System, Analytics, Human Interactive三个方向，提供了很多其他DS项目不包括的与数据系统设计、云计算原理相关的内容，在计算机理论深度方面是其他同级项目无法匹敌的。

• 就业情况：A

毕业生几乎全部选择直接就业，求职方向以Data Scientist, Data Engineer和Machine Learning Engineer为主，由于隶属于计算机学院旗下，去向基本都是Amazon, Apple等顶级科技公司。

• 地理位置：A-

匹兹堡生活成本和其他美国大城市相比并不高，是一个适合专注学业的地方，缺点是本地知名企业欠缺，只有一些硅谷大厂的AI/机器人研发分部。

• 课程设置及class size：A

课程设置专注于CS相关的应用和理论，对于编程经验不足的同学不友好。

• 录取难度：A

本项目每年大约60名毕业生，就读学生以中国和印度同学为主，陆本工科院校背景偏多，是少有的对陆本友好的顶级项目。

• 整体打分：A

04

Harvard

Health Data Science

相比去年排名：新上榜

工程学院的MSDS项目之外，哈佛公共卫生学院也开办了自己的数据科学项目，由于是一个比较小众的项目，在持续三年的观察之后终于加入到榜单的第四位。本项目规模非常小，每年录取的中国学生仅为个位数，项目class size在15-20人，偏好有扎实的数学背景和生物统计/医疗科研背景或实习经历丰富的申请者。由于在公共卫生学院旗下，本项目的课程以统计和机器学习理论为主，对于没有数据科学背景的同学相当友好。得益于非常袖珍的就读人数，本项目的就业结果喜人，Harvard的title使得networking非常方便，在读学生可以通过哈佛自办的数据分析招聘会和其他哈佛/MIT的求职机会找到理想的工作（HDS虽然不能在系统直接申请DS项目的岗位，但是可以看到DS的岗位信息自己去投递简历），常见的咨询、科技、生物医疗公司offer屡见不鲜。

校友反馈：

“选课灵活自由，哈佛公卫学院、主校区、商学院、法学院还有MIT的课程都可以互选，提供了丰富广阔的学习实践平台。公共卫生、流行病方向的资源十分便利，有很多与医院以及研究机构的合作机会。主修课课程设置相对简单，如果想要深挖数据科学和计算机编程的话，需要选其他学院更高级的课程，但鉴于灵活的互选课机制，这也不完全算是缺点。”

• 学校综合排名：A
• 项目成熟度：A-

小众项目，创办年限也较新，因此需要继续培养自己的知名度和校友网络。

• 就业情况：A

哈佛和MIT每年都会举办多轮career fair，同时哈佛的名气也帮助本项目的毕业生取得了100%的就业率，去向也包括高盛, Google, Wayfair, BCG等顶尖企业。本项目以培养就业型人才为导向，但也有毕业生进入斯坦福OR和CS项目攻读博士。

• 地理位置：A
• 课程设置及class size：A-

必修课程难度较低，以数据科学的入门课程为主，选课非常灵活，甚至可以跟director申请waive一些专业课，HDS和哈佛MSDS项目一样提供了丰富的选修，横跨哈佛多个学院，同时也有在MIT选课的机会，可以学习更硬核和深入的课程。

• 录取难度：A

由于每届录取学生人数不多，本项目并没有特别明确的选人标准，在常规的知名本科院校和高标化之外，科研和就业型选手都有斩获offer的记录。

• 整体打分：A

05

UPenn

MSE in Data Science

相比去年排名：持平

提到宾大，大家首先想到的可能都是沃顿商学院，其实，UPenn的工程学院也相当有实力，经过更深入的观察，宾大的MSE in Data Science项目的排名依然保持在第五位。本项目于2017年创办，一直保持着较高的录取标准，整体学生质量很高，也因此取得了可观的就业结果。在过去的2021Fall申请中，UPenn的DS项目一共收到了2000 份的申请，最后录取了236名同学，录取率在11%左右，与哈佛DS，斯坦福ICME一样注重均衡发展，其中105人选择入学，这里面有43人是中国学生，和后面的Columbia和NYU相比中国学生的占比相对较低。与其他顶级项目相比，UPenn的主要劣势在于其地理位置，身处费城，当地就业和实习机会有限，数据科学领域的知名教授也比较欠缺，因此更需要自主求职，或者寻求和沃顿商学院教授的科研机会。

校友反馈：

“Penn是藤校之一，名扬四海。DATS的课程设置非常灵活，除了少数必修课外有自由选择的空间。选修课里既有计算机和工程部门的课程，也有Wharton的一些统计和MBA level的课程。项目没有和指定公司合作的capstone，但是对科研感兴趣的同学可以选择在教授指导下做practicum或者thesis. 学校的career services资源有限，不过项目里学生的质量很高，都能靠自己找到DS或者SWE的实习和全职。”

• 学校综合排名：A

UPenn的商学院声名远扬，其工程学院在常青藤院校中也是佼佼者，但与前面几个学校相比在数据科学领域的知名度较低。

• 项目成熟度：A

比Harvard DS开设更早一年，宾大数据科学项目已经积累了不错的校友网络，录取标准也逐渐定型，主要target标化成绩高，学术表现强的申请者。

• 就业情况：A-

因为其整体学生质量较高，大部分同学都能够顺利找到实习和全职工作，出路也以SDE和DS为主，足迹遍布各类金融和科技公司，尤其是Fintech类企业也会偏爱宾大学子。

• 地理位置：B

费城本身就业机会有限，大部分同学都需要去主动寻找纽约，湾区等地域的工作机会，据说career fair参加的公司数量也比较有限，属于需要自力更生的类型。

• 课程设置及class size ：A

小班授课的方式加上宾大工程学院自由选课的权利，使得整个项目的同学关系也会比较亲密，整个项目选课非常自由，除了DS相关的课程也可以通过多选CS课的方式提升自己的能力，有转码的可能性，课程之外也有很多DS相关的实践训练，以及跟沃顿商学院合作的金融数据研究。

• 录取难度：A

从已有的录取案例来看，这个项目偏好两种申请者，第一种学术成绩优秀，GPA接近满分，学习数学，物理等理论性强的学科，第二种则是跟有多段数据科学相关经历，对这个领域了解较深的申请者。

• 整体打分：A

06

NYU

MSDS

相比去年排名：上升1位 (7→6)

纽约大学数据科学硕士项目为期两年，由著名计算机科学家，卷积神经网络重要奠基人Yann Lecun教授于2013年创办，至今已经8年了。这个项目每年有150 名同学就读，是上榜项目中规模最大的。然而，人数多并不意味着项目整体质量的下降，NYU DS项目的课程安排囊括机器学习，NLP，深度学习等前沿课题，从数学理论和编程应用两方面培养学生成为合格的数据科学家。录取方面，近两年有扩招，以2021Fall为例，有1800 的申请者，最后项目发出350份录取，录取率为20%，虽然录取率偏高，但是录取标准还是十分在线的，平均GPA也在3.8 ，大部分获得offer的同学都有数据科学和数据分析相关的经历，但本项目在本科专业和标化成绩方面比较通融，各种背景的同学都会考虑，对NYU本科的申请者非常友好。

校友反馈：

“NYU DS的好处是算属于比较老牌的DS项目，因此在准备充足的情况下申请大公司的时候学校title还是比较好过简历关，地域优势在所以机会很多，无论是在学术还是在求职上都有机会认识到很多优秀的同学。如果是对NLP/ML等方面感兴趣的话，NYU DS能提供很好的课程资源，学的相对较深。必修课的学习难度也是中上，作业对数学和用coding写数学的要求比较高，个人觉得这是优点也是缺点，没有相关背景以及志不在此的同学会有hard time并且需要自己catch up. 缺点的话可能就是卷吧，但招生人数多的program都这样。”

• 学校综合排名：B

虽然NYU不算是顶级名校，但它的数据科学项目却是美国最早开设的硕士项目之一，在业界有响亮的名声，再加上Yann LeCun这样的网红教授加持，在数据科学领域名气斐然。

• 项目成熟度：A

开设多年积攒下来的声誉和强大的工业界和学界的校友网络使得这个项目已经相当成熟。

• 就业情况：B

毕业生去向以科技，媒体，和金融公司为主，常见的职位有Data Scientist, Data Analyst和Data Engineer，但由于录取人数较多加上地处求职竞争激烈的纽约，数据分析或编程背景较弱的同学可能会感到无所适从。

• 地理位置：A-

地处纽约加上两年的学制，NYU DS项目的同学有大量的兼职实习机会，可以相当方便的提升数据分析相关的经历，为学习和求职打下很好的基础。

• 课程设置及class size ：A-

由于本项目录取人数较多，学生的水平参差不齐。对于本身编程和统计基础较好的同学来说，NYU DS提供了许多深入了解数据科学理论和应用领域（NLP，云计算，计算机视觉等）的机会。对于跨专业申请或本身相关经历不够多的同学，可能需要花较多的时间在基础的编程和统计课上。

• 录取难度：B

NYU DS是高水准数据科学项目里比较亲民的一个了，从过往案例来看，如果有3.8 的GPA，325左右的GRE分数，以及一至两段数据分析相关的经历，拿到本项目的录取把握就比较高了。项目整体入读率不算太高。

• 整体打分：A-

07

Columbia

MSDS

相比去年排名：上升1位 (8→7)

哥大作为常青藤联盟成员，近些年研究生大幅扩招，导致其研究生项目的含金量大不如从前。哥大的DS项目创办于2012年，2014年开始正式招生，与前文提到的NYU DS项目一样属于老牌的DS项目，积累了丰富的校友网络和培养经验，虽然前几届规模一直维持在40-60人左右，但随着近几年的扩招，规模扩大到了上百人，21Fall录取人数在200人左右（包括前一年defer的同学），申请者2400 ，中国人占大多数，其次是印度人，所以不管是热门课程还是求职资源的分配都非常紧张。因此，哥大DS的毕业生求职并不轻松，许多人只能选择中小企业就业，再加上哥大同类型项目的内卷，使得这个项目只能排在第七名。

校友反馈：

“哥大ds专业可以有机会碰到很多大佬，可以相互交流，分享面经，互相mock. 入学那一个学期还可以申请到同专业的学长学姐做自己的mentor，在选课、求职、内推等方面都可以交流和获得帮助。学院会一直以邮件形式很频繁的分享一些最新的岗位信息，也经常开办一些career分享答疑活动。不过很多选修课是在Stats或CS department下，DS学生选这些课没有优先权，有些课只能看着上百人的waitlist祈祷自己能选上。”

• 学校综合排名：A-

哥大研究生规模近几年的大幅增加，再加上雷同项目过多（跟数据分析相关的的就有OR, BA, DS, MS&E, Stats和AA六个项目）等原因，哥大研究生毕业已经不再稀奇，不论是回国发展还是留美就业，哥大的名气能够带来的帮助并不多。

• 项目成熟度：A

开设时间早，和NYU的DS一样属于数据科学硕士项目的先驱者之一，不论是校友网络还是整体安排（求职和选课）都已经十分成熟。

• 就业情况：B

与NYU类似，大部分毕业生选择进入科技、媒体、金融和咨询公司，由于和NYU DS以及哥大本身的其他项目竞争相似的岗位，经常能听到找工作比较困难的反馈。

• 地理位置：A-

地处纽约，一年半的项目也覆盖了summer internship，纽约本身的就业机会还是很多的，不管是金融，科技还是医药领域等等都有不错的机会。

• 课程设置及class size：B

前文已经提过，虽然这个项目本身质量不错，安排了全面的课程和Capstone Project帮助就读同学提升背景，但由于哥大类似的项目实在有点多，造成了同样的工作机会会有其他学校几倍的人数竞争，再加上近几年的扩招，导致不论是选课还是求职都一位难求的情况。

• 录取难度：A-

虽然不像其他的藤校一样属于绝对的“高分控”，但是哥大招收的生源质量都还是比较高的，录取背景上偏多元化，喜欢名校背景的同学，GPA至少需要在3.7 ，同时要有1-2段实习或者科研等相关经历，能够证明自己拥有比较扎实的数理基础。

• 整体打分：A-

08

USC

MS in Applied DS

相比去年排名：下降2位 (6→8)

虽然加州聚集了众多科技公司，是数据科学方向求职最好的地区，但加州各大高校却仅有斯坦福和USC开设了专门的数据科学硕士（UCLA去年在Master of Engineering下开设了DS方向）。由于开设在工程学院，本项目的课程设置十分硬核，不论是机器学习原理还是数据工程方面的知识都有涉猎，全面的培养就读同学的技术能力。

校友反馈：

“USC的ADS项目选课挺自由的，我们可以选CS的课，DS的课也很多。同项目的同学都很优秀，所以找工作还有学习的氛围很浓厚。学校几乎每周都会发有关career的邮件，工学院也有很多活动可以参加。选课基本上可以选到想上的课，但都是几百人的大课。我们项目每年找到实习和全职的人很多，可以跟学长学姐connect上，但ADS项目很多人转码，而且身边的同学都有些CS基础，会觉得有点卷，但其实找工作主要还是靠自己。”

• 学校综合排名：B

USC的计算机和工程学都比较突出，再加上LA优越的地理位置，有众多科技公司参与招牌，因此在加州地区竞争力十足。

• 项目成熟度：A

项目开设于2018年，和哈佛DS同时起步，有强大的career service和自由的课程设置，具备优秀DS项目的所有元素。

• 就业情况：A

由于本项目的课程设置偏向CS，且其前身data informatics项目是知名的转码好选择，因此很多同学可以选择从事SDE或Data Engineer等工作。从官网的就业数据来看，相当多的毕业生成功进入了FAANG等大厂工作。

• 地理位置：A

LA的地理位置十分优越，有众多科技公司的分部，求职硅谷西雅图等地区也很方便，不论是生活还是就业都有保障。

• 课程设置及class size：A-

录取人数并不多，一直维持在50人以内的规模，加上大量的CS方面的课程，本项目对于进入科技公司可以提供很多帮助，加上较小的规模，比NYU和哥大的DS项目内卷和竞争激烈程度要小很多。

• 录取难度：B

中国同学比例相当大，多数收获offer的同学有数学/统计背景，成绩在本校排名中游偏上，再加上不错的GRE分数和相关经历是提高录取概率的关键。

• 整体打分：A-

09

University of Washington

MSDS

相比去年排名：新上榜

西雅图华盛顿大学的数据科学项目开设时间相当长，再加上其优越的地理位置，在本年度的榜单中也有一席之地。每年UW的DS会收到超过1000份申请，但项目规模控制在60人左右，录取率低于10%，不同于很多中国学生占大多数的DS项目，该项目的国际生只有一半左右，录取的大部分学生有一定的工作经历，有不少微软和亚马逊的员工在读，后续的就业报告也十分亮眼，平均年薪达到了12.4W美元。然而，这个项目的课程设置几乎没有任何灵活性，45学分的毕业要求里有40学分的必修课，因此对于想往特定领域（医疗，金融等）发展的同学并不友好，仅适合以后想往科技领域求职的同学就读。

• 学校综合排名：B

人工智能和计算机领域的强校，但综合排名并不出色，对于回国发展不算有竞争优势。

• 项目成熟度：A

项目开设时间较久，积累了不错的校友网络，同时项目自己筹办了career fair，是数据科学领域的老牌项目。

• 就业情况：A-

根据官网上的就业报告显示，本项目毕业生去向几乎全部为科技公司，尤其以start up和各类非一线公司为主，包括eBay, Zillow, Expedia等等，也有少部分毕业生选择进入波音和Allstate等西雅图本地企业发展。

• 地理位置：A

西雅图地理位置优越，生活舒适的同时有大量的就业机会，尤其适合想往科技行业发展的同学。

• 课程设置及class size：B

课程安排非常固定，数据科学的几个重要的内容，包括数据可视化，编程，数据库等都有涉及，同时也包括一个capstone project，比较适合有其他工作经历，想通过硕士转入数据科学行业的同学申请。

• 录取难度：B

由于项目人数不多，国际生只有一半左右，偏好有工作经验的人，基本录取率也在个位数，难度不小。

• 整体打分：B

10

Duke

MIDS

相比去年排名：下降1位 (9→10)

杜克大学的Master of Interdisciplinary Data Science (MIDS)项目于2017年开设。该项目十分注重申请者的多元（interdisciplinary）背景，许多申请者都来自商科、医药、文科等非数理专业。因此在课程安排上，杜克的MIDS项目安排了许多理论知识之外的内容，包括Data Science Ethics和Communication等。由于地处较为偏僻的北卡，本项目求职知名企业的难度会有提高，从官网的就业去向来看，毕业加入中小企业的居多。40人左右的小规模，自由的选课政策，加上capstone project和Career Service对于找实习/全职工作的支持，杜克这个项目小而精且录取难度不低，由于地理位置和课程设置宽泛而排在了哥大和NYU之后的第十名。

• 学校综合排名：A-

杜克的工程学院知名度在美国相当不错，加上这个项目属于跨院系开设，基本上集合了所有杜克数据科学方面的资源，整体质量有保证。

• 项目成熟度：A-

与宾大一样于2017年开办，至今已经运行了四年了，在数据科学硕士中属于中生代选手，但Capstone等项目并没有吸引来知名企业参与，且没有保证找到实习等福利，因此在流程上还有待加强。

• 就业情况：B

由于这个项目录取了许多非对口专业的同学，因此大部分学生的背景并不是为了传统意义上的数据科学方向准备的，这也导致了本项目的学生对于求职热门的科技公司等职位并不是那么热衷，更多选择加入原本的专业领域尝试用数据科学解决问题。

• 地理位置：B

北卡的地理位置不能说好，由于地势偏僻，跟前面的几所学校相比求职知名企业的难度会有所提高。

• 课程设置及class size ：B

十分小的class size（40人左右），加上自由的选课和两期capstone project的支持，这个项目的设计看起来十分理想。然而仔细阅读curriculum就发现，本项目的目的并不是单纯的培养技术人才，相反，有许多必修的关于communication和ethics有关的课程，因此对于留学生来说留美求职科技金融等公司不算友好。

• 录取难度：A-

项目招生人数不多，目前规模控制在40人，整体难度是比较大的，因为项目对于申请者的背景没有太多限制，所以更注重diversity，没有一个标准的分数要求，但从以往的录取情况看，3.8 的GPA加上个性化的背景录取的概率更大，值得注意的是，60%的录取者有全职工作经验，如果有比较好的工作经历也是可以增加不少竞争力的。

• 整体打分：B

11

荣誉提名

除了以上10个项目之外，PH留学的导师们也提到了几个暂未纳入榜单却值得关注的项目，包括：

1、Stanford Education Data Science

2022年开始招生，与哈佛Health DS项目的定位类似，都以data science domain knowledge为卖点，通过斯坦福丰富的学术资源培养能将教育学和数据分析结合的综合性人才，同时这个项目的选课和工程学院的项目互相开放，因此完全可以自主安排学习内容，为以后往其他领域发展做准备。

2、Stanford Stats-Data Science

全美排名第一的斯坦福统计系在几年前也顺应潮流开设了数据科学方向，作为最顶尖的科研型项目，比较偏好学术能力过硬（GPA 3.95 ，GRE330 ），科研经验丰富，且推荐信出彩（斯坦福校友或教授）的申请人。值得一提的是，前面我们介绍的ICME的DS项目是由ICME和STATS系共同合办的，所以ICME下的DS track和STATS下的DS track课程安排是一样的，只是分属于不同departments，略微不同的可能是，ICME有更为方便的转PhD路径，对于不确定毕业后直接industry还是PhD的同学来说flexible一点。

3、Brown MSDS

也是最近几年刚刚开设的项目，由于布朗本身不是一个工程类强校，因此本项目的定位略微尴尬，录取标准不低，项目本身能提供的学术和求职资源确比较有限，毕业生去向也以传统行业或中小型科技公司为主，比较适合注重学校知名度的申请者。

4、University of Michigan Ann Arbor MSDS

作为美国公立大U中和伯克利比肩的工程强校，本项目有硬核的课程设置和工学院强大的校友网络，非常适合转码或求职MLE/DE等技术岗位的同学。然而，由于地处密歇根苦寒之地，如果自身数据科学背景一般或者实习经历欠缺，将来找工作或实习难度会很高，因此不太适合跨专业申请者。

5、Yale MSDS

定位就业和科研皆可兼顾，耶鲁大学统计系的旗下MSDS项目刚刚开始运营两年就交出了一份不错的答卷。本项目的课程安排相当理论，必修课以数学和统计的高阶内容为主，选修课则包括不少机器学习的相关内容，属于重理论、轻应用的典范。就业方面，毕业生基本都找到了如麦肯锡，Meta等名企的工作，PhD申请也见到了如耶鲁本校，斯坦福，和密歇根大学的offer，因此是一个相当有潜力的好项目。

6、Johns Hopkins University MSE in Data Science

2019年开始招生，JHU的DS项目创立之初就对标哥大DS. JHU本校有浓厚的学术氛围，也安排了硬核的课程和thesis要求，比较适合想继续读博的申请者。巴尔的摩的地理位置对找工并不是非常友好，因为疫情原因，大部分中国学生还是选择回国发展。本项目的主要优势在于整体成本较低，对陆本和想走科研路线留美的同学来说值得考虑。

请关注微信公众号【PH留学】

获取更多留学干货信息