密歇根大学安娜堡分校数据科学硕士（M.S. in Data Science）该项目由计算机科学与工程、统计系、信息学院和生物统计学系联合开办。项目教授学生统计和编程的知识，培养学生在生物学、计算机科学等领域应用数据分析的能力。
网站链接为：https://lsa.umich.edu/stats/masters_students/mastersprograms/data-science-masters-program.html
专业要求：
学生必须至少完成25个学分，包括18学分的高级课程（LSA/UMSI/CoE方向，课程代码在500上，SPH方向课程代码在600上）。
具体课程为：
必修课程：
课程代码 | 课程名称 |
MATH 403 | Introduction to Discrete Mathematics 离散数学导论 |
EECS 402 | Programming for Scientists and Engineers 数学和工程编程 |
EECS 403 | Data Structures for Scientists and Engineers 数据结构 |
EECS 409 | Data Science Colloquium 数据科学研讨 |
下列三门中选择一门：
课程代码 | 课程名称 |
BIOSTATS 601 | Probability and Distribution 概率分布 |
STATS 425 | Introduction to Probability 概率导论 |
STATS 510 | Probability and Distribution 概率分布 |
下列三门中选择一门：
课程代码 | 课程名称 |
BIOSTATS 602 | Biostatistical Inference 生物统计学推论 |
STATS 426 | Introduction to Theoretical Statistics 理论统计学导论 |
STATS 511 | Statistical Inference 统计推断 |
数据管理和操作：
下列两门中选择一门：
课程代码 | 课程名称 |
EECS 484 | Database Management Systems 数据库管理系统 |
EECS 584 | Advanced Database Systems 高级数据库系统 |
下列五门中选择一门：
课程代码 | 课程名称 |
EECS 485 | Web Systems 网络系统 |
EECS 486 | Information Retrieval and Web Search 信息检索与网页搜索 |
EECS 549/SI 650 | Information Retrieval 信息检索 |
SI 618 | Data Manipulation Analysis 数据分析 |
STATS 507 | Data Science Analytics using Python 数据科学分析(Python) |
数据科学技术：
下列三门中选择一门：
课程代码 | 课程名称 |
BIOSTAT 650 | Applied Statistics I: Linear Regression 应用统计学I:线性回归 |
STATS 500 | Statistical Learning I: Linear Regression 统计学习I:线性回归 |
STATS 513 | Regression and Data Analysis 回归与数据分析 |
下列课程中选择一门：
课程代码 | 课程名称 |
STATS 415 | Data Mining and Statistical Learning 数据挖掘和统计学习 |
STATS 503 | Statistical Learning II: Multivariate Analysis 统计学习II:多元分析 |
EECS 545 | Machine Learning 机器学习 |
EECS 576 | Advanced Data Mining 高级数据挖掘 |
SI 670 | Applied Machine Learning 应用机器学习 |
SI 671 | Data Mining: Methods and Applications 数据挖掘:方法和应用 |
BIOSTAT 626 | Machine Learning for Health Sciences 健康领域的机器学习 |
实践课程：
课程代码 | 课程名称 |
STATS 504 | Principles and Practices in Effective Statistical Consulting 统计咨询的原理和实践 |
STATS 750 | Directed Reading 定向阅读 |
EECS 599 | Directed Study 定向研究 |
SI 599-00X | Computational Social Science 计算社会科学 |
SI 691 | Independent Study 独立研究 |
SI 699-004 | Big Data Analytics 大数据分析 |
BIOSTAT 610 | Reading in Biostatistics 生物统计阅读 |
BIOSTAT 629 | Case Studies for Health Big Data 健康领域大数据案例研究 |
BIOSTAT 698 | Modern Statistical Methods in Epidemiologic Studies 流行病学研究中的现代统计方法 |
BIOSTAT 699 | Analysis of Biostatistical Investigations 生物统计调查研究 |
选修课程：
数据科学原理方向：
概率分布理论、随机过程、贝叶斯分析、计算数据科学和机器学习、数据压缩的理论与实践、信号处理、数据分析和机器学习的矩阵方法等
数据分析方向：
时间序列、广义线性模型、空间数据、非参数统计、多元分析等
计算方向：
软件工程、信息检索、统计计算、大数据计算、算法设计与分析等
课程选择建议：
- 该项目要求先修2门代数课程、1门线性或高等代数课程、1门计算机编程入门课程
- 课程设置涵盖了很多方向的内容，可以选择不同学院下的课程，选课十分灵活
- 重视算法和编程的学生，可以选择机器学习、统计计算等课程；重视生物统计方向的学生，可以选择生物统计学推论、生物统计调查等课程
