卡内基梅隆大学计算数据科学硕士（Master of Computational Data Science）
数据科学是统计学、计算科学和实际应用领域的交叉学科。项目教授统计建模、机器学习、如何管理和分析大数据，以及如何采集数据。课程也通过实践项目，锻炼学生团队协作能力。
网站链接为：https://mcds.cs.cmu.edu/
专业要求：
学生可以学习144学分的课程，其中包括8门12学分的课程，2门12学分的研讨课程，1门24学分的实践项目课程，此外12学分的课程可以选修课程编号在600以上的课程。
先修课程：
项目的所有学生都要在暑期学习6学分的11-637 计算数据科学基础，并且获得B-或更高的分数。若学生未能通过该课程，需要在秋季学期中重新学习该课程。
课程介绍：
第一、二学期：
课程代码 | 课程名称 |
15-619 | Cloud Computing 云计算 |
10-601 | Machine Learning 机器学习 |
05-839 | Interactive Data Science 交互式数据科学 |
11-631 | Data Science Seminar 数据科学研讨班 |
第一学期结束后，学生需要在系统（Systems）、分析（Analytics）、人本主义的数据科学（Human-Centered Data Science）之间选择一个方向，进行后续的学习。
系统（Systems）方向：
选择该方向的学生，需要在下列课程中选择3门：
课程代码 | 课程名称 |
15-605 | Operating Systems Implementation 操作系统实现 |
15-618 | Parallel Computer Architecture & Programming 并行体系结构及编程 |
15-640 | Distributed Systems 分布式系统 |
15-641 | Computer Networks 计算机网络 |
15-645 | Database Systems 数据库系统 |
15-712 | Advanced and Distributed Operating Systems 高级分布式操作系统 |
15-719 | Advanced Cloud Computing 高级云计算 |
15-721 | Advanced Databases 高级数据库 |
15-746 | Advanced Storage Systems 高级存储系统 |
15-821 | Mobile and Pervasive Computing 移动及普适计算 |
36-702 | Statistical Machine Learning 统计机器学习 |
36-705 | Intermediate Statistics 中级统计学 |
36-725 | Convex Optimization 凸优化 |
分析（Analytics）方向：
选择该方向的学生，需要在下列课程中选择3门，包括一门机器学习或统计方向的课程，一门软件系统的课程，以及一门大数据课程：
机器学习或统计方向：
课程代码 | 课程名称 |
10-608 | Conversational Machine Learning 会话机器学习 |
10-701 | Introduction to Machine Learning (PhD) 机器学习导论(博士) |
10-703 | Deep Reinforcement Learning & Control 深度强化学习和控制 |
10-708 | Probabilistic Graphical Models 概率图模型 |
10-715 | Advanced Intro to Machine Learning 机器学习高级入门 |
10-725 | Convex Optimization 凸优化 |
10-805 | Machine Learning with Big Data Sets 大数据机器学习 |
11-641 | Machine Learning for Text Mining 文本挖掘及机器学习 |
11-661 | Language and Statistics 语言和统计 |
11-727 | Computational Semantics for NLP NLP语义计算 |
11-741 | Machine Learning for Text Mining 文本挖掘及机器学习 |
11-747 | Neural Networks for NLP 神经网络及NLP |
11-755 | Machine Learning for Signal Processing 信号处理及机器学习 |
11-761 | Language and Statistics 语言和统计 |
11-763 | Structured Prediction 结构化预测 |
11-777 | Advanced Multimedia Machine Learning 高级多媒体机器学习 |
11-785 | Intro to Deep Learning 深度学习入门 |
软件系统方向：
课程代码 | 课程名称 |
11-642 | Search Engines 搜索引擎 |
11-747 | Neural Networks for NLP NLP及神经网络 |
11-775 | Large-Scale Multimedia Analysis 大规模多媒体分析 |
11-777 | Advanced Multimedia Machine Learning 高级多媒体机器学习 |
11-791 | Design & Engineering of Intelligent Information Systems 智能信息系统设计与工程 |
11-792 | Intelligent Systems Project 智能系统项目 |
11-797 | Question Answering 答疑 |
大数据方向：
课程代码 | 课程名称 |
10-605 | Machine Learning with Big Data Sets 大数据机器学习 |
10-805 | Machine Learning with Big Data Sets 大数据机器学习 |
11-775 | Large-Scale Multimedia Analysis 大规模多媒体分析 |
人本主义的数据科学（Human-Centered Data Science）方向：
选择该方向的学生，需要在下列课程中选择3门，包括1门行为研究方法方向的课程，2门人机交互方法方向的课程：
行为研究方向：
课程代码 | 课程名称 |
05-816 | Applied Research Methods 研究方法应用 |
94-834 | Applied Econometrics I & II 应用计量经济学I、II |
人机交互方法方向：
课程代码 | 课程名称 |
05-821 | Social Web 社交网络 |
05-823 | E-Learning Design Principles and Methods 数字化学习设计原则和方法 |
05-833 | Applied Gadgets, Sensors & Activity Recognition 应用工具，传感器和活动识别 |
05-836 | Usable Privacy and Security 隐私和安全 |
05-840 | Tools for On-Line Learning 在线学习工具 |
05-872 | Rapid Prototyping of Computer Systems 计算机系统的原型设计 |
05-891 | Designing Human Centered Systems 以人为本的系统设计 |
05-899 | Crowd Programming 集群编程 |
05-899 | Learning Analytics & Educational Data Science 学习分析和教育数据科学 |
05-899 | Special Topics in HCI: Sensemaking 人机交互主题:感知 |
05-899 | Design of Large-Scale Peer Learning Systems 大规模同伴学习系统设计 |
05-899 | Learning With Peers at Massive Scale 大规模学习 |
05-899 | Mobile Health 移动健康 |
选修课程：
学生可以选择3门选修课。选修课为计算机科学学院12学分的研究生水平课程。
实践项目：
每个学生都必须完成一个将课堂经验与实践研究相结合的实践项目。学生可以选择组队或者单人完成，可以选择与卡内基梅隆大学或者业界合作解决问题。
实习：
每个学生都必须完成一份实习，或进行合适的实践训练。一般选择在秋季和春季学期之间的暑假完成。
教授合作研究：
学生可以与学院负责人员联系，选择一门独立学习课程，与教授共同进行学术研究。要求学生的学术背景与教授的研究方向一致。
课程选择建议：
- 该项目主要教授机器学习、大数据分析、计算机编程方向的课程，在这一方向有兴趣深入研究的同学，可以考虑申请
- 申请该项目的学生应该考虑提升编程、统计方向的能力
