斯坦福大学统计-数据科学硕士（M.S. in Statistics: Data Science）
数据分析在实际应用领域越发重要，这一项目教授学生数学、统计、计算和编程技能，帮助学生在数据科学领域就业，或继续攻读博士学位。
网站链接为：https://dats.seas.upenn.edu/
专业要求：
学生需进行5个季度的学习，完成45个学分，必须选择课程代码在200以上的课程进行学习，并保持绩点（GPA）在3.0以上。课程包含五个领域：数理统计基础（15学分）、实验课程（3学分）、计算科学（软件开发和大数据计算）（至少6学分）、机器学习方法及应用（至少6学分）、实践课程（3学分）、数据科学选修课（6-9学分）
课程介绍
数理统计基础：
课程代码 | 课程名称 | 学分 | 学期 |
STATS 200 | Introduction to Statistical Inference 统计推断介绍 | 3 | 秋、冬 |
300A | Theory of Statistics I 统计学原理I | 3 | 秋 |
STATS 203 | Introduction to Regression Models and Analysis of Variance 回归模型和方差分析 | 3 | 冬 |
STATS 305A | Applied Statistics I 应用统计学I | 3 | 秋 |
STATS 315A | Modern Applied Statistics: Learning 现代应用统计学 | 3 | 冬 |
CME 302 | Numerical Linear Algebra 数值线性代数 | 3 | 秋 |
CME 308 | Stochastic Methods in Engineering 随机方法 | 3 | 春 |
实验课程：
课程代码 | 课程名称 | 学分 | 学期 |
STATS 263 | Design of Experiments 实验设计 | 3 | 冬 |
ECON 271 | Intermediate Econometrics II 中级计量经济学II | 3 | 冬 |
MS&E 327 | Topics in Causal Inference 因果推论 | 3 | 秋 |
计算科学（软件开发和大数据计算）：
课程代码 | 课程名称 | 学分 | 学期 |
CME 212 | Advanced Software Development for Scientists and Engineers (prerequisite: CME 211* ) 高级软件开发（先修课 CME 211） | 3 | 冬 |
CME 213 | Introduction to parallel computing using MPI, openMP, and CUDA MPI, openMP和CUDA并行计算 | 3 | 冬 |
CME 305 | Discrete Mathematics and Algorithms 离散数学与算法 | 3 | 冬 |
CME 307 | Optimization 最优化算法 | 3 | 冬 |
CME 323 | Distributed Algorithms and Optimization 分布式算法与优化 | 3 | 春 |
CME 364A | Convex Optimization I 凸优化I | 3 | 冬/夏 |
CS 246 | Mining Massive Data Sets 数据挖掘 | 3-4 | 冬 |
机器学习方法及应用：
课程代码 | 课程名称 | 学分 | 学期 |
STATS 231 | Statistical Learning Theory 统计学理论 | 3 | |
STATS 315B | Modern Applied Statistics: Data Mining 现代应用统计学:数据挖掘 | 3 | 春 |
CS 221 | Artificial Intelligence: Principles and Techniques 人工智能:原理和技术 | 3 | 秋, 春 |
CS 224N | Natural Language Processing with Deep Learning 深度学习和自然语言处理 | 3-4 | 冬 |
CS 230 | Deep Learning 深度学习 | 3-4 | 秋, 冬, 春 |
CS 231N | Convolutional Neural Networks for Visual Recognition 视觉识别及卷积神经网络 | 3-4 | 春 |
CS 234 | Reinforcement Learning 强化学习 | 3 | 冬 |
CS 236 | Deep Generative Models 深度生成模型 | 3-4 | 秋 |
实践课程：
课程代码 | 课程名称 |
STATS 299 | Independent Study 独立研究 |
BIODS 232 | Consulting Workshop on Biomedical Data Science 生物医学数据科学研讨 |
ENGR 350 | Data Impact Lab 实验室 |
其他课程（如：STATS 390） | 动手实践课程 |
学生也可以选择参与实践项目：实践项目应该与编程计算相关，需通过指导教师批准、由教授指导。至少在项目开始前一季度，学生应提交一份一页的项目计划，且得到指导教授批准，并交由数据科学专业指导教师审批。
数据科学选修课：
第一年：
学期 | 课程代码 |
秋 | CME211, CME 302, STATS200 |
冬 | CME212, STATS203, STATS315A |
春 | CME308, STATS204, STATS315B, STATS390 (practicum) |
第二年：
学期 | 课程代码 |
秋 | CS221, CS230, STATS231 |
冬 | CME213, CS224N, STATS299 (实习) |
课程选择建议：
- 项目偏重于编程和数学课程，建议申请的学生先修相关领域的知识
- 该项目重视实践能力的培养，提供实践机会
- 项目提供较多深度学习、大数据处理相关的课程，对此方向感兴趣的同学可以考虑申请
