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
