數(shù)據(jù)科學專業(yè)應該去NYU還是哥大？

摘要:數(shù)據(jù)科學專業(yè)是僅次于計算機科學的熱門留學學科，在美國開設數(shù)據(jù)科學專業(yè)的學校也很多，但是數(shù)據(jù)科學專業(yè)應該去NYU還是哥大呢？這里Hanna老師就給您好好分析下吧！

數(shù)據(jù)科學專業(yè)應該去NYU還是哥大？

數(shù)據(jù)科學專業(yè)人才在當今社會需求量大，具備留學背景的學生也成為行業(yè)高需人才，美國的數(shù)據(jù)科學專業(yè)算是比較頂尖的，其中NYU和哥大以數(shù)據(jù)科學專業(yè)見長，但是排名而言，哥大往往要勝過NYU，那么數(shù)據(jù)科學專業(yè)應該去NYU還是哥大呢？

1、NYU數(shù)據(jù)科學專業(yè)學制及學分與哥大的對比：哥大時長及學分短于NYU

哥倫比亞大學：哥倫比亞大學時長為一年半，一共需要修30個學分，同學們在畢業(yè)之前不需要寫論文，這些基礎的要求在哥大項目的官網(wǎng)上都是可以很輕松地查到的，所以在這里我就不贅述了，同學們?nèi)绻信d趣的話可以自己到官網(wǎng)上查找相關的信息。

NYU：這個項目是隸屬于courant的，courant的應用數(shù)學專業(yè)排名第一，所以項目的師資力量和學術資源是很強大，另外因為courant的影響，項目的名聲和受認可程度還是很不錯的。

該項目一般是兩年畢業(yè)，同學需要修滿36個學分，其中有6門必修課和6門選修課。NYU的數(shù)據(jù)科學項目課程設計十分的成熟，其并不是簡單地讓同學們學習統(tǒng)計、CS等領域的知識，而是在按部就班地培養(yǎng)一個data scientist，所以同學們在平時的學習中可以很明顯地體會到自己的成長，更為重要的是在這里學習之后我們對于data science的了解會更加的深刻，這對于同學們畢業(yè)之后的發(fā)展是很有幫助的。

另外NYU的數(shù)據(jù)科學項目雖然正常是兩年畢業(yè)，但是如果同學們每個學期多選擇一些課程的話也是可以提前畢業(yè)的，只是這樣平時的學業(yè)壓力會很大，大家這樣做之前一定要做好準備。

2、NYU數(shù)據(jù)科學專業(yè)課程與哥大的對比：兩者必修和選修課程在讀難度不大

NYU：在第一年需要學習intro ds、stats、machine learning、big data等課程，這些都是一些基礎課程，課程的難度不是很大，可以幫助那些轉專業(yè)申請的同學完成入門，那些有相關專業(yè)背景的同學學習這些課程的時候會非常輕松。其中雖然stats和machine learning內(nèi)容很基礎，不過課程中學習的知識更加偏向理論一些，同學們在學習的過程中還是會有很多收獲的。

在第二年同學們還要學習stats inference這門課，在除此之外還要完成final project。Stats inference這門課的難度比較高，學習起來對很多同學來說會有些吃力，不過大家同樣可以收獲很多。

此外，NYU數(shù)據(jù)科學的必修課質量都是很高的，像machine learning更是大家公認的神課，不過big data稍微有些坑，不過無傷大雅。

NYU的選修課在自由度上和哥倫比亞大學幾乎沒有什么差別，同學們也可以選擇所有的課程，像stern和CS的課程都是可以選擇的，每個同學都可以結合自己的需要去進行課程的設計，非常靈活。而且較之于哥倫比亞大學，NYU在進行選修課選擇的時候競爭沒有那么激烈，同學們基本都可以選到自己心儀的課程，這也是很好的。

選修課建議選擇deep learning和NLP都是很不錯的選擇，這些課程內(nèi)容很硬核，80%的內(nèi)容都是需要同學們?nèi)プ约簩W習的，因此挑戰(zhàn)性很大，不過學起來也的確很有意思。另外還有一些選修像advance programming和text mining相比之下就有些水了，不過同學們也可以結合自己的需要去選擇。

另外NYU數(shù)科學項目中的同學是可以申請PhD的，有這個想法的同學只要平時多和教授交流和溝通就有機會繼續(xù)讀PhD了。因為項目的課程設計包含的內(nèi)容很多，因此在平時的學習過程中我們?nèi)绻l(fā)現(xiàn)自己對某個研究領域比較感興趣，申請讀PhD還是很好的，因為現(xiàn)在企業(yè)對DS相關人才的要求愈發(fā)嚴苛，PhD在求職時也會更有競爭力一些，在我看來這也是NYU項目的優(yōu)勢之一。

哥大：主要由CS與統(tǒng)計兩部分內(nèi)容組成，CS的部分同學們主要需要學習算法和并行計算系統(tǒng)相關的知識，在統(tǒng)計部分同學們主要學習的則是機器學習以及統(tǒng)計推斷的知識。在30個學分的課程中，必修課有六門。

首先是algorithms for data science這門課，這門課的主要內(nèi)容是算法，課程中寫代碼用到的是python。這門課中包含了很多的內(nèi)容，但是上課的節(jié)奏是很慢的，這主要是因為哥大的數(shù)據(jù)科學項目在招生時對于專業(yè)背景的要求并不是很嚴格，其中很多同學算法的基礎比較差，減緩課程進度可以讓所有的同學都能完成項目的學習。因此這門課對那些算法、編程基礎薄弱的同學來說是一個入門的好選擇。

下一門課是統(tǒng)計推斷和建模，這節(jié)課的內(nèi)容相較之下就要高階很多了，課程主要也是分為兩個部分，一般重點是數(shù)理統(tǒng)計、假設檢驗等內(nèi)容，剩余的部分主要講的是機器學習的入門知識。這門課的作業(yè)有理論題，同時也會要求同學們用r去寫基本機器學習的算法。而且這門課需要同學們擁有一定的概率論及線性代數(shù)基礎，同學們在國內(nèi)上過數(shù)學系的相關專業(yè)課或是工科專業(yè)的數(shù)學基本就滿足學習的需要了。

Machine learning這門課的內(nèi)容同樣非常的基礎，主要就是為同學們后續(xù)學習機器學習方面的課程做好鋪墊，也是一門入門性質的課程。還有概率論這門必修課的內(nèi)容設計同樣很基礎，因為國內(nèi)很多同學在本科期間會學習很多概率論相關的知識，不少同學會選擇waive掉這門課。

因為在選修課部分同學們選課是沒有限制的，大家可以結合自己的需要去選擇哥大中的所有課程，這樣的話同學們可以充分利用哥大的教育資源來滿足自己未來發(fā)展的需要。不過需要注意的是哥大很多熱門的課程申請的人數(shù)是很多的，一些課程的waitlist長度讓人嘆為觀止，所以大家在選課之前一定要做好規(guī)劃，同時和advisor溝通好。

整體來看哥大數(shù)據(jù)科學項目中的核心課程難度不是很大，學習的量比較適中，這個項目適合那些基礎比較薄弱但是數(shù)理背景比較好的同學來選擇。不過不要因此覺得這個項目水，因為項目中選修課是很自由的，同學們完全可以選擇一些很硬核的課程來完成專業(yè)知識的學習，所以這個項目可以滿足不同同學的學習需要。

3、NYU數(shù)據(jù)科學專業(yè)就業(yè)與哥大就業(yè)對比：兩者都有充足的實習培訓資源

NYU：數(shù)據(jù)科學項目的就業(yè)情況，也是很用心的，學院基本每個星期都會請企業(yè)來做info session，另外系里也經(jīng)常會有career fair，雖然來到這里的企業(yè)規(guī)模參差不齊，不過至少可以為同學們提供更多的就業(yè)機會。另外career center在平時也會為同學們提供很多求職方面的服務，老師會幫助同學們修改自己的簡歷，同時也會有模擬的求職面試，這些對于求職的幫助都很大。另外NYU的校友資源也是很豐富的，同學們利用networking也是可以找到很多不錯的工作機會的。

哥大：是有CPT的，不過同學只有在入學9個月之后才能使用，之前同學們只能做一些校內(nèi)的工作。過同學們也不用著急，因為在紐約是不愁沒有實習和就業(yè)機會的，另外學校和學院也會為同學們提供很多的資源，同學們可以在學校的網(wǎng)站上看到很多招聘的信息，同時advisor也會經(jīng)常推送招聘相關的郵件給同學，這方面還是很讓人滿意的。

所以最首要的任務就是學好項目中的核心專業(yè)課程，并提升自己的能力。因為高校和項目在求職的時候只是為我們提供一個平臺，讓我們可以通過簡歷的篩選，要想要最終找到心儀的工作，自身的實力才是關鍵，當我們本身實力過硬之后，找工作就水到渠成了。

項目中大多的同學都是在小的startup做data scientist，不過也會有有些同學進入投行領域的big name工作，但是那樣的工作對于machine learning的要求是很高的，所以建議同學們在就業(yè)之前一定要打好machine learning方面的基礎，這可以大大提升在就業(yè)過程中的競爭力。

以上是關于數(shù)據(jù)科學專業(yè)應該去NYU還是哥大完整解答，要是您對美國留學感興趣，歡迎您在線咨詢老師，專注美國前30高校申請，獨創(chuàng)5V1服務模式，嚴格限制招生數(shù)量，提升學生綜合實力，及早助力國內(nèi)學子順利入讀美國藤校。