近几年来，随着计算机计算能力的强化和算法的改善，用大数据来解决问题逐渐渗入我们工作和生活的各个领域和行业，从数理化生医等学术科学研究，到产品研发和改造，再到投资和股票，甚至是体育人才管理等等。

受到需求刺激，数据科学人才的市场被快速打开，所以越来越多的有理工科背景的同学将数据科学作为留学申请的目标（之一）专业。

无论是谷歌还是百度，随便一搜，数据科学的文章铺天盖地，主题包括：什么是数据科学、为什么数据科学那么重要、数据科学专业工作前景、哪些大学开设了数据科学硕士项目。。。

今天，我们就不再赘述以上问题，而是想跟大家分享在我们帮助学生申请Data Science过程中（主要是文书和择校上的服务）总结的常见问题。

申请数据科学硕士，需要什么样的专业背景？

并不是所有学校的要求都一样，但大部分学校对申请者有数学、统计先修课要求和编程能力要求，比如哈佛大学和东北大学。同时东北大学还在入学后有基础计算机科学和统计学的水平测试，考不过的同学需要补课。

当然也有学校为那些本科专业非计算机科学的同学们专门设计的数据科学硕士项目，比如南加州大学的应用数据科学（Applied Data Science）硕士项目。

敲黑板！
南加州大学同时也为有CS专业背景的同学开设的另一个数据科学硕士的项目。

但无论学校如何要求，我还是会建议大家要尽自己所能，积累相关的知识和技能。因为数据科学相当于是计算机科学和统计学（数学）的结合，一开学大家上的课就会用到相关的知识。如果在这两方面中的任何一个没有基础，这个学位读起来会非常吃力。如果本科专业是数学、计算机科学等相关度高的专业，在申请数据科学硕士时大家要好好在自己的动机、相关课程、研究或实习经历、职业规划上做功课，来表现自己的计算、分析、编程和学习技能。如果本科专业相关度低，比如化学、生物等，在申请数据科学硕士时，相关经历上，你就需要通过非学校经历，比如网络课程、编程竞赛、个人项目等来证明你的能力。

明确自己的学术背景和职业规划来选择合适的项目

来找我们写文书的同学在选校时经常遗漏一点就是仔细阅读项目的具体课程内容。虽然学位名称都几乎一样，但课程侧重点却不尽相同。有些学校的课程内容停留在更基础的数据科学知识和技能，有的学校则会有一些便应用的课程，有的项目偏计算机科学，有的项目偏重统计，等等。比如：东北大学的选修课中涉及了数据科学在多个不同的学科领域中的应用，比如社会学、商科、公共健康、游戏设计等;南加州大学的数据科学硕士项目测更侧重计算机科学，例如算法、数据库、机器学习等;罗格斯大学的数据科学项目则有两个分支：CS学院和统计学院。同学们可以根据自己的学术背景和职业规划来选择。

同学们在选择这些项目时，要看清自己的专业背景，并明确自己的职业目标。比如我们去年的一位学生客户，本科专业是数学，未来想从事的是市场产品数据分析员，我们给的建议是选择更偏统计和应用的项目，比如Rutgers的统计学院的Master in Data Science、Georgetown的Master of Science in Analytics, concentration in DS等等。而另一位学生的本科专业是CS，第二专业数学，未来想从事的职业更偏算法和人工智能，我们的建议则是申请南加大和东北大学等学校的数据科学硕士。

敲黑板！
在选校时，经常有同学觉得只要名字对了，学校排名符合自己的要求，就可以选了。但如果细读申请要求、项目课程等内容，你会发现有的学校项目更适合你的职业规划，有的学校项目更符合你已有的专业背景，录取几率更高。所以大家在选校时，一定一定要好好对备选的每所学校做好功课，并把你所学到的关于这所学校的优点表现到文书里，这才是对你以后入学、上课、毕业和工作的真正负责。