**哈佛大学数据科学硕士（M.S. in Data Science）** 哈佛大学数据科学硕士项目，由计算机科学和统计学院联合教授课程，并由应用计算科学研究所（IACS）管理，让学生可以在数据科学领域快速成长。项目主要关注数据分析、数据可视化和通信，以及数据科学中出现的安全和伦理问题。 网站链接为： https://www.seas.harvard.edu/applied-computation/graduate-programs/masters-data-science #### **专业要求：** 学生必须完成12门课程以完成课业，项目时长为3个学期，即一年半。学生也可以选择延长至4个学期，以选修额外的课程，或者完成研究项目。这要求学生在校学习至少三个学期(一年半学年)。有些学生会选择延长他们的学习到第四学期，以学习额外的课程或完成一个硕士论文研究项目。 项目需要完成的课程包括： ##### **四门技术核心课程：** |课程代码 |课程名称| |:---:|:---:| |AC 209a|Data Science 1: Introduction to Data Science 数据科学1：数据科学概论| |AC 209b|Data Science 2: Advanced Topics in Data Science 数据科学2：数据科学的高阶话题| |AM 207 |Advanced Scientific Computing: Stochastic Methods for Data Analysis, Inference, and Optimization 高级科学计算：用于数据分析、推理和优化的随机方法 | |AC 207 |Systems Development for Computational Science 计算机科学系统发展 | ##### **必修课程：** |课程代码 |课程名称| |:---:|:---:| |AC221 |Critical Thinking in Data Science 数据科学批判性思考 | ##### **研究经历：** 学生至少需要完成一次项目研究。可以通过上实践项目课程（AC 297r Capstone project course），或者完成硕士论文项目实现。学生可以在第二年的大部分时间完成数据科学项目，最终完成硕士论文的提交和答辩。所有的论文项目都必须与数据科学相关，但可以寻找与自身的背景和兴趣相匹配的研究领域。 考虑到花在论文研究上的时间，学生可以只选择上四门选修课其中的两门。 ##### **选修课：** 学生至少要上一门计算机科学方向的选修课，和一门统计学选修课。通常被选择的课程列表如下： |课程代码 |课程名称| |:---:|:---:| | CS 165 |Data Systems 数据系统| | CS 171 |Visualization 数据可视化| | CS 181 |Machine Learning 机器学习| | CS 182 |Artificial Intelligence 人工智能| | CS 281 |Advanced Machine Learning 高级机器学习| | CS 282r| Topics in Machine Learning 机器学习主题讨论| | STAT 131| Time Series & Prediction 时间序列与预测| | STAT 139| Linear Models 线性模型| | STAT 149| Generalized Linear Models 广义线性模型| | STAT 195| Statistical Machine Learning 统计机器学习| ##### **其他要求：** + 最多选择一门研讨会课程，如AC 298r，或者类似的课程 + 最多选择一门独立研究课程 + 最多选择四门额外的数据科学选修课，课程由哈佛其他学院，或者文理学院（FAS）其他系提供 + 在年度IACS项目展示会上，进行一个关于数据科学项目的展示 #### **课程选择建议：** + 该项目主要教授计算机和统计方向的课程，且比较重视项目实践 + 对数据科学应用、数据可视化展示等方面有兴趣的同学，可以考虑申请该项目