相比越来越“卷”的软件工程师（尤其是初级岗位），许多人把职业目标转向了需求增长更大的数据分析师岗位，美国数据科学硕士学位也成为越来越多学生的申请目标。藤校等许多美国知名院校，也纷纷开设了数据科学类研究生项目。  

一、 藤校康奈尔25Fall新设数据科学类硕士！

今年，康奈尔大学科技学院（Cornell Tech）正式宣布，将于2025年秋季首次推出数据科学与决策分析硕士项目（Master of Engineering in Data Science & Decision Analytics，简称DSDA）。  

康奈尔DSDA项目是一个跨学科项目，将在纽约开展为期一年的学习。该项目以创业为导向，课程结构分为技术性课程与实践课程（Studio）两大模块。技术性课程课程交叉融合了机器学习、AI优化、数据科学统计、概率分析和不确定性建模等相关领域知识。实践性课程中，学生将以项目驱动的学习模式，与来自计算机科学、电子工程、商业及法律等多个学科的学生组成跨学科团队，解决科技公司中现实的商业挑战，从而为未来的创业或职业生涯奠定坚实基础。  

作为一个跨专业的新项目，康奈尔欢迎不同本科背景的申请者，但要求申请前已经完成了一门线性代数课程、一门中级概率和统计课程、一门微积分课程和一门编程课程的知识基础。  

二、 典型藤校数据科学类项目，偏爱哪些申请者？

📍哈佛大学项目名称: 数据科学硕士 Master’s in Data Science

项目简介：由计算机科学系和统计系提供的跨学科项目，学习时长3-4个学期。

申请要求：无硬性申请背景要求，但需要有足够的微积分，线性代数和微分方程的基础知识，熟悉概率和统计推断，并熟练掌握至少一种程序设计语言（如Python或R）。

录取案例：W同学，录取哈佛大学统计与数据科学硕士本科背景：国内TOP2高校 计算机科学与技术专业，TOEFL 105+，GPA 3.7+/4.0，GRE325+海外导师：加州大学洛杉矶分校计算机博士   

📍耶鲁大学项目名称: 统计与数据科学硕士/统计学硕士 M.S. in Statistics & Data Science / MA in Statisic 两个track（ 可入学后申请transfer）

项目简介：属于统计与数据科学系下，项目时长为1.5年。

申请要求：该项目录取难度较高，1000+份申请中仅有40人被录取，录取率约4%。

申请者需要修习过规定的概率、统计、数据科学、计算机类相关课程，还需要有相关科研项目经历。  

录取案例： H同学，录取耶鲁大学统计与数据科学硕士本科背景：美国TOP60大学 应用统计+数学双专业，GPA 3.9+/4.0 ，GRE 330+，海外导师：约翰霍普金斯大学生物统计硕士

📍普林斯顿大学项目名称: 统计与机器学习硕士 Master in Statistics and Machine Learning

项目简介：结合统计学和机器学习的跨学科项目。

申请要求：虽然普林斯顿大学没有公开提供非常具体的录取标准，但通常申请者需要具备扎实的数学、统计学和编程能力。有相关科研经历、论文发表或项目经验的申请者将更具竞争力。 

📍哥伦比亚大学项目名称: 数据科学硕士 M.S. in Data Science

项目简介：该项目课程横跨计算机科学、工程和统计三类学科。

申请要求：需要量化和编程课程背景（ e.g. calculus, linear algebra, intro to programming etc.)，专业各种背景的都有，不太卡专业，甚至有环境科学、心理学等背景，但GPA比较卷，建议3.7+比较有竞争力，美本陆本都有。