题序：
又到了每年接受公众压力的时候了，但是--苟利CDer生死以，岂因被喷避趋之！今年新当了爸爸，整个生活也各种倒霉，但是所幸，最后的排名，我坚持下来了。只不过本来想给2019 Fall选校用的，现在成了给2019 Fall第二轮调整选校，以及给2020 Fall选校了……
第三年进行排名，最困难的一点就是很多BA项目都开始变得成熟了，很多数据不可以假设，必须进行实打实的Research，才能保证信息的精确性，规避排名者的主观臆断。所以此处特别鸣谢各位和老王一起完成这个过程的很多人：
感谢Lassie，Cherry，Rachel，Hanyu对50名BA/DS项目在读与校友进行访谈并记录；
接受CD排名小组采访的50名BA/DS校友，我们会在项目说明中一一鸣谢；
感谢绿头佬，Jeenray，陆记味精，柚子皮头佬，Godot的各大BA项目的Linkedin就业数据收集；
感谢Mickee和小梁完成DS项目信息收集；
感谢鲁大师，Gaspar，边神，浪神对各大BA DS项目的课程与师资进行评分；
感谢Harvin叔，一丹，绿子楚，大陆，骚猪， Vertigo，星源，DC，Yosin等Mentor为BA项目打分。
在大家帮助下，老王得以总编辑完成，所有权归于老王与ChaseDream，抄袭侵权必究！
26个Business Analytics项目排名各项指标分数与排名
26个Data Science/ Analytics项目排名各项指标分数与排名
52个项目Business Analytics/Data Science/ Analytics乱战大排名
26个Business Analytics项目信息及详细说明
26个Data Science项目信息及详细说明
参加BA、DS两种排名学校项目有何不同：
参加Business Analytics项目排名的项目：大致原则是，在商学院下的Business Analytics及其他名称，同样性质的项目，排除工程技术属性强的到达Data Science级别的项目。其中两个意外是MIT与哥大，MIT虽然下属于Sloan商学院，并在BA申请人中有极高人气，但是其录取candidates的stereotype，资源属性及强调的东西，都更偏向于DS的群体，并对BA群体有碾压性优势，所以本次综合考虑，将MIT MBAn放入DS/Analytics群体。相似原因，虽然哥大MSBA属于IEOR工学院，但是其招生的Stereotype以及课程更偏向BA，所以哥大MSBA被放在了BA排名中。这样很好的保证了所有商学院BA项目的平衡性。同时，今年刚开始招生的项目，如圣母 波士顿大学 华盛顿大学西雅图分校不加入排名，未获取到重组信息的项目，如亚利桑那州立 Fordham，也不加入排名。
参加Data Science/ Analytics项目排名的项目：包含在中国学生中有一定知名度与影响力的DS, Analytics, IS-BIDA track, Stats-DS track等，只要课程深度和中国申请人影响力同时到达，并信息充足，就会出现在技术向的Data Science/ Analytics项目
最后，为了满足大家的“恶趣味”，按照总分将两个排名合并，虽然有一定参考性，但并不如两个分开的排名严谨。毕竟两个排名的Methodology都不一样。一个高排名，主研究的DS项目，和一个多快好省追求就业的精品BA项目，谁好谁坏谁也说不清楚不是？
Business Analytics 排名Methodology：
| 本次排名按照 | ||
| 1 | 录取竞争力 Competitiveness | 17% |
| 2 | 录取全面性 Package Evaluation | 3% |
| 3 | 课程 Curriculum | 10% |
| 4 | 师资水平 Faculty | 5% |
| 5 | 地理位置 Location | 5% |
| 6 | 实践项目 Practicum Quality | 5% |
| 7 | 就业服务 Career Service | 5% |
| 8 | 就业率 Employment Rate | 15% |
| 9 | 学生提高系数 Improvement Index | 2% |
| 10 | 就业质量 Employment Quality | 3% |
| 11 | 项目成熟度 Program Maturity | 5% |
| 12 | 老王打分 Rating of Uncle Wang | 15% |
| 13 | CD Mentor打分 Rating of CD Mentors | 7% |
| 14 | 申请人人气打分 Popularity of Applicants | 3% |
14个系数加权加总得到。最大特色是对大家最关心的录取难度，就业服务，就业水平进行多指数考核，使结果更立体化。
录取竞争力Competitiveness（17%）：这个系数主要针对对中国学生的招生量/中国学生申请人数量，以及整个选拔难度与稀有度；
录取全面性Package Evaluation（3%）：学校在考量Candidates时标准的科学与多样性，以及录取的pace，分控校在此会减分；
课程Curriculum（15%）：技术课程 商业数据应用课程 创新型课程的配比，此处还是有点bias的，因为强技术课程加多点选课，这个系数就会提高；
地理位置Location（5%）：顾名思义 不多解释；
实践项目Practicum Quality（5%）：Practicum以及Capstone Project的技术质量 准备充分与项目的融合程度 以及是否有助于找实习与工作；
就业服务Career Service（5%）：项目就业资源及对找工作的辅助情况；
就业率Employment Rate（15%）：中国学生在美国就业以及回国big name就业率情况，对没有第一届就业的项目，给予6.5-7.5的预估分数；
学生提高系数Improvement Index（2%）：即考量项目在学生找工作的加持情况，如果一个学生pre-master就很强，后面找到很好的工作，这是项目加持情况就弱一些，反之，则强一些；
就业质量Employment Quality（3%）：毕业中国学生进入Big Name或者高薪职位的表现，是比就业率更高一层的要求，对没有第一届就业的项目，给予6.5-7.5的预估分数；
项目成熟度Program Maturity（5%）：Academic与Career两方面是否投入了足够的资源以及规划。这里老项目会多少占优， 毕竟是多个faculty之力开设的，而且积攒多年。当然项目新旧也不是一切，新项目emory的各种准备都很努力用心，所以在这里评分也不低。
老王评分 Rating of Uncle Wang（15%）：老王自己给予各个的评分
导师评分 Rating of Mentors（7%）：十位mentor投出自己心目中的1-10位（顺序有前后）的BA项目排名，最后第一名算1分，第二名算0.9分，依次类推。作为排名的最后附加指数。
申请人人气打分Popularity of Applicants（3%）：2019 Fall CD MSBA申请微信群中“人气世界杯活动—为自己喜爱的BA项目点赞”活动结果
Data Science / Analytics
排名Methodology：
| 1 | 录取标准 Admission Criteria | 20% |
| 2 | 课程 Curriculum | 15% |
| 3 | 师资力量 Strength of Faculty | 15% |
| 4 | 地理位置 location | 5% |
| 5 | 系里就业资源 Faculty Career Resources | 10% |
| 6 | 就业成绩 Employment Performance | 20% |
| 7 | CD评审团打分 Rating of CD committee | 15% |
比较明显就不多解释了。
"2018-2019美国商业分析/数据科学项目排名" 分为两个部分：
第一部分以Excel形式给出直观的排名结果，包含BA、DS及BA/DS综合，详情见下表。（点开图片放大查看）
BA最新排名:
BA项目未计入排名：
DS最新排名:
DS未计入排名:
BA/DS总排名：
第二部分为排名解释，会为大家详细介绍各个项目的信息，内容较多，感兴趣的亲可详细阅读。（因一些校友不方便透漏个人信息，这里统一不备注受访者信息，感谢50多名校友的无私分享！）
Tier1：德克萨斯大学奥斯汀分校，爱茉莉大学，南加州大学，明尼苏达大学，哥伦比亚大学，加州洛杉矶分校，杜克大学；
1. 德州大学奥斯汀分校University of Texas, Austin- Master of Science in Business Analytics
也是完美的项目之一--McCombs商学院在Hi-tech以及IT界的鼎鼎大名，Locate在Austin这种新科技中心。整个项目虽然只有十个月，但选修课里BA在每一个function的具体应用，以及各种practical capstone projects让整个项目异常充实。录取标准也是非常高，对STEM背景，International Experience，以及成绩都要求非常高，属于顶难项目。
2018 fall申请季，Class Profile总共63人，中国人一共16人，其中两个绿卡。一半美本一半陆本。陆本招生以名校和工作党为主。
商学院向BA项目里面学得最深的，machine learning工程学院有名气的老师教，业界大牛。database的课是CS的老师上课。
关于 capstone project。每年有固定的公司和新加入的公司，很多同学都是通过capstone project拿到公司offer。
Career Service学校有建resume book，把学生的简历放在里面，有公司有需求就会输送简历给他们；很多公司会来学校举办讲座，会从中挑选合适的人进行面试，面试机会多。就业率100%，主要在德州，2-3个在加州，有做data science，consulting的，有工作经验的会给senior的职位
2. 爱茉莉大学Emory University- Master of Science in Business Analytics
新开两届，但稳扎稳打的小而精的项目。总共class profile 44个/26个中国人（陆本12，9个有工作经验），印度人9个，平均GMAT：720，平均GPA：3.33，整个项目不是太分控，有一个印度人GPA是不到3的，TOEFL大概一百零几。
感觉录取的都是学霸、学习能力很强。录取的人，大陆这边有中财、同济、上海纽约、上财等学校，上财的学生会多一些。录取的金融会计背景的学生多一些。
录取时前两轮都还好，到第三轮申请的学生很多。前两轮还会安排到北京上海去面试，第三轮就有点忙不过来可能会叫一些ambassador来辅助面试。
第二轮是11月9日截止，12月初发完面试，1月初到北京上海面试。中国学生建议二轮之前，能够到北京上海见面，机会大一些，后面的轮次就不一定有这样的机会。
课程方面还是可以的，商学院里面属于技术比较强的了。R\Python\ Tableau\Data visualization \ML等都会学到，找工作完全够用，做BA绰绰有余。
第一个学期主要是打基础，第二学期开始有capstone。4个人一组一共有11个组，现有12个项目可以选，公司到学校来介绍一下，大家可以选，但最后还是会以分配为主。Capstone的承办公司以本土为主，学校会做一定筛选，基本都是大企业。
18 Fall入学就业率是100%，大部分都在亚特兰大，本土企业还是挺多的：Coca-Cola；home depot；Georgia pacific; Fedex。也有个别在LA，加拿大的。Emory合作的公司Industry比较多，学校也在计划联系更多的tech公司。就业岗位基本就是Business Analyst & Data Analyst。
career service还是挺用心的，不鼓励第一个学期就找工作，先把基础打好再找工作。Career Coach; Company visit; 改简历；找Industry的人面试模拟等都有。学校通过一些talk或者capstone来给大家推荐工作，（capstone 理论上不提供工作机会 但可能会给推荐其他公司的机会）亚特兰大当地还是资源很好的。
3. 南加州大学 University of Southern California- Master of Science in Business Analytics
无需动员即成热门的Top项目，从MSBA早期的“靠学校出名”，历练这么多年，USC Marshall MSBA也变成了一个真正成熟的MSBA项目。
录取方面，虽然有很多人在洗白USC并不是分控。但至少数据说明，USC的确是分控，而且分控之上，其他要求也不低。。。海本学生和工作党也占很大一部分。Class profile 共100人，中国学生60-70人。专业上的多元化，除了商科背景的，还有CS背景的同学，有些同学已经是投资人了，可以提供一定的人脉。
从理论上讲技术深度非常深，可以任意选修工学院和其他学院的课程，只要director审批就行，和data science相关的课程都可以修；新开的AI课程也是麻省理工毕业的教授讲课；R、Python、SQL课程设置比较好；软课程只有两门，都比较实用；
没有capstone project，但是有类似课程和企业合作进行项目汇报，可以拿到企业实际的数据按照企业要求进行可视化，编程，代码，分析等，公司高管也会过来参加最终展示。而且项目时长1年半，可以做summer intern。Career Service方面，MSBA项目单独有一个career coach，可以帮助你改简历，mock面试；USC除了商学院的career fair，BA这个项目有单独的round table 活动，不定期邀请公司的代表来分享BA这个项目在各个领域的应用。
就业率100%，基本上想找工作的都找到了；大部分在大洛杉矶区域，还有一些在湾区和德州，包括少数回国；职位从business analytics到data scientist的都有，有做比较偏咨询的或是比较偏business intelligence，也有做比较底层的数据分析岗。
4. 明尼苏达大学University of Minnesota- Master of Science in Business Analytics
BA四小龙之首。Class profile 共97人，中国学生20个(1个是MBA双学位的、美本3个、剩下都是陆本；应届生有5个)，美国学生20个，剩下基本是印度人。中国学生录取的多数都是商科背景的，来自复旦、上财、外经贸、中南财经政法、西安交大、北外、广外、浙江财经、北京科技大学等。老王爬了一下linkedIn的在读生数据，发现在读的中国学生不是有四大的经历，就是有尼尔森的经历（实习和全职都有）。对中国学生来说分数要求：GMAT：710-730，GRE320+吧（官网数据平均GMAT：703 GRE：321）。
特别提示：听说今年面试题目会换，项目也知道有“面经”这种东西。
课程方面特别tech，印度学CS的同学都说难，老师也说课程是见过的商学院里面最难的。技术课程非常难非常深，Python跟学CS的学的深入度差不多。其他BA课程也很全面，各种Sector各种行业的商业分析都涉及到了，看似商科的课程也教得很tech。课程体系扎实，很全面，每年都有变化，根据上一届找工作需要的反馈，会做更改，比如SQL就根据上一届的反馈做了更改，注重实用技巧，对找工所非常有帮助。
Faculty很好，两个中国老师都是清华的，还有Stanford出来的
Capstone项目方面，每学期都有live case, 都是公司的真实数据，夏季和春季是大家用一个公司的数据做分析，春季是五六个人一组，每个组都是不同的公司。工具应用到位，比如这学期会用到很高级的ML的东西了。此外，UMN项目有一个“Carlson consultant lab"相当于是一个咨询公司，我们项目的学生就是咨询师，做项目都是收费的。合作的公司大概有20个。期中至少5、6个是名气比较大的公司。
学校位置还是不错，有US bank \bestbuy\三安等大公司总部在这 。
就业率是100%，上一届我知道的中国学生有一个是去了新加坡（也拿到美国offer因为有新加坡绿卡且新加坡工资给更高所以去了），剩下的都留在美国了。
上一届中国学生只有2个留在明尼苏达，剩下的去各种地方的都有，去西海岸的尤其多。西海岸UMN的校友挺强的。而且都是去的Google FaceBook 沃尔沃 联合利华等名企，留在明尼苏达的其中一个是去的Best Buy做DS，Capital One（美国一家很好的银行）去年招了我们15个，中国学生大概去了5个。岗位大概就是BA/DA/DS这3个。做咨询的中国学生没有，有一个印度学生去麦肯锡的。
经常去各种公司参观，比如西海岸的goole之类，每周可以找coach改简历联系面试之类，还有往届毕业生的coach可以约聊，总之商学院很重视这个项目。据说春季时候会有各种公司一批一批来我们项目招生。Career center的coach大概有7、8个，人手挺足的，每周都可以约到。Career center也会帮忙提供Net working资源。
去年一半在毕业之前找到工作，剩下的在6、7、8月也都找到了。上一届做capstone时候有一个组的五六个人都被一家做赌场娱乐的合作公司招走了，工资有12W刀。
5. 哥伦比亚大学Columbia University- Master of Science in Business Analytics
录取人数大概在100人左右，开在IEOR(Industrial Engineering And Operations Research）下，和商学院合办，一般课程在商学院上，一半在工程学院上，中国学生占2/3，还有印度人，法国人，美国不太多。
中国学生T108+，GRE326+（V153+）。项目看重GPA，陆本GPA在3.7+，主要来自国内知名学校（清北复交）和国内出国多的财经类学校；海本在3.8+。学生背景还是挺多元的，有数学，统计，经济，经管，金融，并不是要求以前是STEM专业的学生。基本课程要求：微积分，线性代数，概率统计，至少一门编程。实习非中国学生录取亮点：印度学生工作经验比较多，也有法国人读双学位过去读书的，还有清华大学与哥伦比亚大学商务分析硕士双学位项目过去的学生。
申请流程是一次性申材料，一次性发录取。2月初截止，一个月左右发online 面试，没有真人面。感觉招生官是已经通过申请材料，成绩决定录取了，视频的作用没有那么大。录取风格像工学院，成绩对于录取决定因素大。
项目课程固定，有6门必修课，选4门商学院课，课程偏数学，不偏编程。
Capstone的话，若以前没有经验，还是可以让学生从0到1学起。
工程学院的career 依赖于工程学院这个大背景，做的没有商学院的career好。同时，系里面的career是服务于这个系的，所以BA学生还要和系里其他专业学生竞争，竞争压力挺大的
就业方面，在纽约 boston 的各占一半。实习的话，有去AMEX和wayfair的。大概1/3找到实习了，2/3还在找实习中，去金融相关公司多，去科技公司的少。
总的来说，哥大录取的学生成绩高，背景丰富。感觉刚进来的时候，学生们对于找工作的期待还是挺高的，想进大投行，知名公司。找工作的方向也是各种杂。经过了小半年的学习，和找工作的过程，学生们的心里预期落差比较大，也受到了一些打击。
6. 加州洛杉矶分校University of California, Los Angeles - Master of Science in Business Analytics
第一届总共招了41个学生，中国学生有25、26个（应届生不到10个，不到25%；陆本有10个左右；录取学校人大、北大、央财、南开等）
第二届总共招40个左右的学生，中国学生22、23个（应届生30%左右；陆本只有2-3个，其中一个是复旦的）
GT方面，
第一届：
GMAT：应届中国学生 平均G750
TOEFL: 大部分学生不需要考T，知道的有TOEFL的平均在106、107的样子
第二届：
GMAT：知道的基本都是750+，760、770、780的
TOEFL：平均110的样子（大部分没有T，参考意义不大）
录取学生的背景上：
1、三维很高，且第二届比第一届分更高，目测高于Duke, 哥大和Chicago录取的标准（第二届录取的人有美本GPA3.9，GMAT780的）
2、录取的有工作经验的占到75%以上
3、实习背景比较好：Morgan Stanley、中金、尼尔森等big name
4、有三维超高，多次拿国奖的
5、来的人90%都想去互联网公司
6、录取的人不然就是擅长business不然就是tech。
7、注重diversity：比如有一位巴基斯坦的40岁大叔，中年离异，读个书开始新阶段；有一位ABC，家庭背景很厉害，咨询公司已经做到manager；还有一位JP.Morgan做IT的CS背景的过来的。
录取进度上，分3轮申请，如果3轮没有录取到满意的可能会加一轮；
下一轮开始之前会把前一轮的结果放出来。
有Kira和一对一面试，面试官business背景多于Tech背景，面试过程有技术问题，但难度不会太大，建议做好准备的情况下第一轮申请比较好
课程难度上，跟商学院比很Tech，但跟CMU、MIT这种的比较深度低一些；
课程分3块：数据库管理、数据分析、数据可视化。去面试BA、DA完全没有问题，DS需要再多学一些内容，也差不多够用。
Capstone方面，
1、课程比较偏实战，基本每节课都会请企业里的人来给大家讲怎么做data，做过什么case之类
2、第一学期上课（第一届是远程、第二届是on-site），后面两个学期都有practical thunder，最后一个学期跟企业做一个大的project
3、个人读书一年多一点的时间做了20多个projects(一些是学校的少数是自己找的)
4、前3个学期不能选课，最后一个学期可以选一些自己感兴趣的方向去学
5、课程总共要求48学分
6、师资方面：对大部分老师还是比较满意的，老师都有自己的经验，不然学术方面不然实战方面。比如有一个是Ted演讲的常客，有一个研究time series，很专业
7、实习可选度方面不是太满意，因为第一届，先从一些local小企业开始，也有像under armour这种的大企业，当然后面来上学的学生，这种情况一定会好很多。
Career service方面，如果想找flag工作，帮助目前还不是很大
在就业上，现在这个时间基本90%手里已经有offer了，差不多10%的人选择继续读书，PhD或者继续读Master，排除继续读书的，剩下的90%留美。最多是在LA工作，2个去NYC，4-5个去三番，还有十几个手里有offer没确定最终去哪。
岗位上差不多90%是data相关，具体岗位主要看大家之前的工作经验，去做DS\DA的大概能有60%-70%（三番和LA还是有明显区别的，如果不考虑flag，来LA也是能找到很好的工作，如果比较考虑flag 企业，LA有一定的地理劣势）
7. 杜克大学 Duke University- Master of Quantitative Management- Business Analytics
四个track-Strategy，Finance，Forensic，Marketing四个track，我觉得Finance track录取最难，但Mentor Cloris觉得Strategy Track是最难的。交流后才发现我觉得Finance Track是中国学生标准认为的难，包括高分以及光鲜的实习，然而Cloris认为Strategy Track难是美国人认为的难，即对soft skills的要求。总class profile 150-160人，中国学生80-100人。美本GMAT平均700-720，陆本平均GMAT 750。美本学生居多，录取的陆本学生几乎都有国际交流背景；个人经历比较丰富。
关于该项目，民间一直有两大争议：
1） Duke这个项目是否足够tech oriented?我此处直接quote Cloris的回答：杜克有一门core class叫data science for business。这个课的教授就是所谓的在哈佛教书的一个印度籍的教授。虽然是DS for business,但是其实非常hard core,基本ML需要了解的概念上面的东西都会给你解释。这节课主要用R，但是上课并不会教你写R，只会告诉high level的concept然后上课的时候run r code，教你怎么interpret result。 但是DS的东西很深，不可能在6个星期，24个小时的课时之内给你教会成DS。所以杜克MQM在上万这节课的时候，就出现了三种人群
-愿意花时间下课好好在研究老师发的handout(部分内容可能上课的时候过的很快，想要彻底吃透必须下课花时间继续做research研读），一行一行的读老师写的R code 并且复制粘贴自己重新再写一遍。这样才能保证不光理论知识稳定，并且R的syntax 也懂。
-上课老师讲的东西大致了解，基本信息知道，R code的一些经常用的syntax会直接就可以上手。但是大部分做数据分析的时候就从老师发给的东西copy paste做minor update。
-很努力的去听课，但是并不能听懂的人。下课也努力找老师、仍然不知道讲的是个啥。但是因为MQM基本都是小组作业、所以可以靠第一种类型和第二种类型的人把code写好。这个人加business value,写report 里面的一些business understanding, deployment 之类的section.
然后至于没有很tech这个说法是这样的。基本上每6个星期一个term里面4节课中，有两门属于hard core technical的课，有两门属于完全business,甚至连business都不一定相关的，一些让你了解很多其他方便的东西、读很多case,一起brainstorm做critical thinking并且discussion。也有可能只有一门是讲technical的，剩下三门都是其他。这完全取决于这个人本身的水平。可能一些technical的课对于没有任何data analytics的背景的人非常tech,我很多时候上课听不懂。但是对于一些有相关背景，甚至数学好，统计好，编程好的人来说，就过于简单了。所以只能说你看到的两个feedback的人在读MQM之前tech水平肯定不一样。到底是否tech都是根据自己的需求、以自己当benchmark来去做评判标准的。
2） 听说杜克就业并不是100%，而且一部分学生回国就业了
首先，从项目人数上，杜克属于一个大项目，100出头的人数，即使对Fuqua这种全美顶级在就业服务上的照顾难度上就很大，相对应的，几十个人的boutique项目就好照顾很多。所以WUSTL一下子扩招那么多的时候，老王的第一反应是negative的，一个商学院，一个项目，就业资源是有限的，不会随着学校名气无限大化，杜克也是一样。Fuqua MQM能保证一次发出10多份WayFair的Offer，这绝对是顶级的就业服务资源了，但是毕竟100多号人嗷嗷待哺。另外，因为杜克生源整体素质较高，所以很多学生就业期望过高，俗称“作”。对这群人来说，回国进big name投行，比留美做技术强得多。总而言之，杜克的就业服务，不是能那么轻易可以被challenge的。
Tier1.5：威廉玛丽学院，伦斯理工学院，维克森林大学，迈阿密大学；
1. 威廉玛丽学院William Mary- Master of Science in Business Analytics
BA四小龙之一，在2017 fall招收国际生的第一届，所有中国印度学生即95%就业，就业公司包括American Express，Applied Optoelctron，Denominator Inc.，KPMG，RiskSpan，TeamRise Group，Verisk Analytics，Verizon等。
因为WM每年要接受DC周边企业sponsor来读书的当地在职群体，中国美国学生的比例一直在BA项目中非常美丽。即使在2018 Fall扩招，比例依旧很好。program大概80个人，中国人有30个左右 分成两个班上课。录取背景陆本美本一半一半，而且陆本感觉不是很看重国内排名～有CS本科的同学也有我这种一点tech背景都没有的纯商科。
来校招的企业很多DC来的，离DC近是优势，但是也有不好的地方就是来的大多数都是federal 的，不招国际生。
18 fall刚入学这届，这个学期已经有俩中国人拿offer了目前，一个陆本一个美本。
整个课程也是非常的硬核，基本都是数据分析技术课，鲜有Business方面的，是技术控的一个不错的选择。半年来就没学过什么Business的课，非常推荐想学深和做data scientist的同学来申请。
2. 伦斯理工学院Lens institute of technology -Master of Science in Business Analytics
BA四小龙之一。2016届入学的班级人数：BA共30人，10人中国，10印度，10来自其他国家。Director一直带着学生，可以和他约时间做咨询，帮忙找项目。今年换了一个director,是教SOL一门课的男老师，听说要扩招。
2016届GMAT在700+，T100左右，GPA不了解（现在的GT要求应该更高）。学生和招生官聊过，招生官更看重未来能不能找到工作的potential。录取的中国学生普遍有不错的工作经历或实习经历，且面试能力强（口语表达能力和逻辑能力好）
2016的申请流程：按照轮次进行。没有Kira面，有真人面，看到的面经都是有帮助的。面试官有Director还有教课的老师，学生选择时间后，随机分配的人进行面试的。
课程的flexbility很高，刚进去的时候有entry level的课供学生入门，覆盖面很广，会涉及到很多当下流行的tool或者technique，但是不是很深入。RPI的理工科比较好学生可以选CS，IT，数学等一些专业的课，算学分，这样就会学的比较深。另外，BA，甚至Management项目，还有机会转别的专业，例如转IT，只要修了data structure 修B，至少读2年，才能把转专业或者双学位读下来。
Capstone有和IBM合作项目，瑞士信贷，还有local初创小公司。
Career service 最有用的是 job share，提供了面对面交流的机会，能更准确的做networking。
就业方面，1个回国了（好像是去德勤）；1个找工作面试不顺利，因OPT过期回国了；1个男生在佛州工作了一段时间，和女友回国了；1女生找到西雅图工作，不过不是非常满意，之后也回国了；剩下的人目前都在美国工作，地理位置有3人包括在西海岸，1个在科技公司，1个在金融公司，1人在佛州做business anlytics.还有1人去强生 anlytics；
3. 维克森林Wake Forest University- Master of Science in Business Analytics
和UCD组成“申请季排位赛二人组”，即在申请初期，先到先得，背景和成绩差不多就可以被录取。然后到第二轮各大名项目纷纷发录取时，“当初求录像条狗，要交订金嫌人丑”的申请人们纷纷弃坑WFU和UCD，导致两个项目排位赛阶段盆满钵满，正式赛跑了个倒数。说实话，WFU今年已经是比往年注意pace很多了。
Class profile 90人，中国人53人，多数都有2-3份的实习，GPA比较高； 按轮次，先提交先审核，先kira面再真人面 不tech，大部分都是商科背景的同学，这个项目也是比较适合商科背景，对data只了解皮毛的同学；项目本身只针对做business analytics，不能做data scientist大部分capstone project比较好，都是项目合作的公司，比较专业，能提供的帮助也很多，公司都是比较知名；例如：沃尔沃等。就业率100%，大部分在北卡，其他的有在纽约，波士顿，费城，去年30个中国学生只有4个回国，有做business analytics或者data analytics，也有做risk analytics的。
4. 迈阿密大学University of Miami - Master of Science in Business Analytics
BA四小龙之一。这届总共招了95人，其中49人是中国人。平均GMAT在693左右，中国学生会相对高一点，GRE的话大概320+。录取的国内学生基本上都是有四大和券商的实习（基本都是有实习经历的）。美本的学生偏多，有工作经验的学生也比较多，多样性比较丰富，很多美本的学生都是双学位；三维都比较高。
申请流程上，这一届是rolling的形式，先提交资料先审核，kira和真人面试都有。
课程内容比较tech，常用的统计分析软件都有学到，热门的data mining，machine learning也都有，同时比较偏business的课程例如critical thinking也有涉及。同时，课程选择的自由度非常大；没有水的课程，课业压力也非常大。
Capstone方面，非常好，和我们项目合作的公司有30多家，都是比较大的公司，例如VISA,FPL等，一个学生可以选择5个意向企业，然后企业和学生双向选择，最终每个学生都会有一个capstone project；不同的公司要求不一样，有的公司会要求学生实地去公司，但是大部分公司会安排一个人跟进项目，给学生指导。项目保证每个学生都有一个capstone project，公司会给到自己真实的案例让学生进行分析。
学校的career service非常好。首先，不需要自己出去联系公司networking，学校career service联系了很多公司，每周至少会有3家企业过来做宣讲，只要表现好基本上都能拿到interview，自己不需要再额外去networking；其次学校改简历很用心；另外公司有新的职位的话，career service的人会发邮件通知。
就业率100%，有在迈阿密本地就业的，也有去加州，纽约，D.C等地区的，基本都是business analyst，还有一些是data scientist，去到华为的有做算法工程师，产品开发。
Tier2：乔治华盛顿大学，加州大学戴维斯分校，圣路易斯华盛顿大学，密歇根州立大学，南卫理公会大学，本特利大学，布兰迪斯大学，罗切斯特大学，加州大学圣迭戈分校；
1.乔治华盛顿大学
正在整理中……
2. 加州大学戴维斯分校 University of California, Davis- Master of Science in Business Analytics
开创三届以来，风评过山车的一个项目。第一届刚招生的时候，在cd论坛组成安利矩阵“我放弃了xxx名校，选择了UCD MSBA”，并且项目在SF开设校区，颇有全村的希望之相。但第一届入读后，项目成熟度问题就变成了一个大问题，技术课程体系，职业发展服务都不成熟，第一届整体下来感觉有点翻车。第二届虽然有些在读一般的评价，但依然保持着非常有逼格的录取，成为了高录取，项目质量一般的反向代表。到了第三届，2019 fall招生，完全变了个样子，放弃了录取的逼格，和WFU一样玩开了抢跑，在申请开始初期疯狂收割学生，只要BG差不多的都会收入囊中。
抛开这些妖鬼神蛇的操作，UCD MSBA平心而论，如果把它当做一个普通的湾区local级项目，那么这是一个qualified的项目。刚开始过高建立的期望，反而适得其反。29个中国学生中不少是有工作经验，或者一个master or MBA holder，communication能力很强。就业去向在旧金山本地也是start up 去的比较多。 与大家传统印象不符，UCD的Practicum多数是marketing oriented，并非tech oriented。技术课程虽算不上出彩，但是循序渐进的还不错。
3. 圣路易斯华盛顿大学St. luce university of Washington - Master of Science in Business Analytics
这一届一共110~120人，分了4个Track： Customer Analytics（最大的track，70人，10男生）、Financial Technoloy （30人，男女生各一半）、Healthcare Analytics和Supply Chain Analytics（10人）。90%中国学生，陆本美本大约各一半。有工作经验的学生，工作经验约在2年以下。T/GRE不太清楚，GMAT都在710,720，最高有770。
成绩高的学生，其它方面会弱一些；成绩略低的学生，其它方面就很强。整体上感觉就是会看一个人平均的状态，每个人都会有长处，厉害的地方不一样。例如有考了很多门精算师的，有创过业的，读了2个本科的。自我感觉被录取的原因，一是分数还不错，另外有相关经历的实习。另外，录取的非中国学生没有中国学生成绩背景好，感觉学校为了diversity做了妥协。
录取严格按照轮次来，有Kira面，无真人面。（据说今年申请有真人面了）陆本学生们拿录取比较早，都是一轮/二轮拿到Offer的，美本录取拿得晚。
课程方面，第一学期，R SQL Python，机器学习，prescriptive analytics ，还有一门商学院的课big data for computing, 学生感觉技术深度非常够。如果之前没有编程基础，第一学期是非常吃力的。Big Data那门课是工学院的老师教的，虽然已经针对商学院学生进行了优化，不过还是感觉intensive，老师也不会心慈手软。技术课之间有交叉，例如data science 是Python教的，在这门课上教的又会在prescriptive analytics课上用到，R是和machine learning 一起教的，不偏重算法层面，偏重应用层面。课程设计还是有深度的。学校在暑假会开几门基础课程，2天集中训练，例如有 R，SPSS，你可以选，打一个薄弱的基础。录取的所有学生基本都有一个语言基础，没有是零的学生。
Project/大作业都在一个Center下统一管理，每个学期都会开放申请，有20%-30%的人参加了大作业。到毕业前，每位学生都会有一个。申请成功后，会把Master和MBA打乱，按照背景不同分组完成大作业，作业大的有6人，作业小的4-5人。
学期最开始的2个月，都是接触的career service的人。学生们也很积极预约时间沟通。会开各种lecture，让学生做提成。
之前只有一个track，就业是非常非常好的。今年扩招了，找工作和实习还是挺有挑战性的，目前只有几个人找到实习了，有个人找到了一份联合国的。感觉要突出差异化的个人特点，去准备竞争。上一届的就业数据还没有出来。
补充说明：学生经过这半年的学习，对于留美的强烈程度有所降低。对于种族问题等敏感问题，以及学生们的安全问题，学校是十分关心的，并力所能及为学生提供保障。例如圣路易斯城发生了2起抢劫案，之后学校为了保障学生安全，让学生每天可以打2次uber, 学校掏钱。
4. 密歇根州立大学Michigan State University - Master of Science in Business Analytics
这一届一共30人，其中中国学生5个，3个是MSU本校、1个是陆本（工作好几年）、1个是台湾的。印度学生4-5个，剩下的是美国学生。上一届貌似只录取1个中国人，之前也都很少。
录取的中国学生首先都是有相关工作经验的，有硬件比我好很多（本人是MSU本科，GMAT680）但没有工作经验就没有拿到录取；同时，中国学生口语都非常好；也有经济学博士和在美国有很好工作的来读。
申请时间大概在5-12月，分3轮申请；申请后一个月左右给面试，之后大概半个月给录取。
课程上，第二学期有不少计算机方面课程，也有商科的课程，有很多课程跟会计博士一起学的。第一个学期的project有点entry level，之后的还是不错的。后面会有一个实习，然后再有一个project。都是跟公司合作的实操训练，大概有十几个合作的企业，比如MGM。
大家还是有点担心Career service，项目今年换了负责人，是从其他专业转过来的。不过之前的校友资源还是挺不错，career fair来的很多都是之前的学长学姐。
就业表现上，认识的学长学姐都找到工作了。一个学姐在底特律的industry，另一个学长在MGM，整体挺多去福特的。
5. 南卫理工会大学Southern Methodist university- Master of Science in Business Analytics
根据官网的数据，2018共计109人入学，53%为女生，国际生占比49% （大部分中国学生）。平均GMAT 671，平均GPA 3.45。本人美本，没有关注大陆生T成绩；考的GRE，没有关注大陆生GMAT成绩。一般来讲，美本GRE320+，就够了。
有rolling面试，交了材料后约2天就收到了面试通知，面试后很快就有结果了。
Hettie面试经验：首先硬件要过关；其次注重人的交流和沟通能力，会录取看起来找得到工作的人。英语不好，可以练，但是如果逻辑不好，表达不清楚，就很难被录取。
我的面试过程完全和别人的不一样，可能与个人经历有关，我本科毕业就工作了。Hettie介绍了学校和项目，接着就当时的工作情况进行了交流，没有follow网上的问题。
SMU课程和UTD比偏商业，注重技术怎么能解决business problem，培养的不是Data Scientist 而是 Analyst。
实操方面，有2个实习。一个是Hettie的课：data analytcs会和正式的公司合作的实习；praticum:5个月的项目，需要申请，大部分申请者都被录取了。筛人看成绩，看组员（老师给分group project 小组，约4-5人一组）对你的评价。若GPA不是很高，但是组员对他的评价高，Hettie也会考虑的。因自己本科有实习和工作经验，所以SMU的实习本身给我带来的价值没有特别大，只能作为一个Project写在简历中；对于陆本学生，或者本身没有在国外有实习经验的学生来讲，更有价值。
由于学生找工作都会找Hettie面谈，显得career service的服务就没有那么凸显。每周有一节Hettie 的课：manage your career, 每周会邀请一个公司人士做演讲，学生每周了解一个公司，有交流机会，价值很大。
就业来说，学校官网的就业率，那只是一个大环境的情况，每个学生是否能找到工作，还是取决于个人的努力程度。据了解，项目的中国学生，只要是想在美国找工作的，都找到了。学生认为找工作的时候一定要说服公司，录取你是正确的，要会介绍自己！学生自己找工作会更看重公司老板状态，对待员工的态度，公司企业文化，对于工资是其次考虑的。
地点在达拉斯较多，硅谷也有一些；职位: business analyst，data analyst，consultant，revenue analyst, senior data analyst。
补充说明：特别强调陆本的沟通能力，不是指英语流利性，是指学生，尤其是陆本学生在中文翻译英文的过程中丢失了逻辑性，说话没有条理，翻来覆去，经常让人不知所云。
6. 本特利大学Bentley University
正在整理中……
7. 布兰迪斯大学Brandeis University-Master of Science in Business Analytics
这届总共招了45个左右的学生，其中中国学生有35个左右。中国学生的GRE普遍325+，GMAT700分以上。学生背景方面，大家实习和经历比较多样，项目没有统一的偏好，没有技术背景很强的，但是氛围特别好。
申请流程上，项目会按轮次统一审核，并进行kira面试。
学校课程方面，workload比较重，学的东西和国内要用的编程和Data science相关的技能还是很匹配的。课程有R，Python，SQL，也有machine learning，但都是比较浅的，没有很深入的东西。不过目前只上了一学期的课，其他的还没有了解到。
虽然项目没有capstone project， 但是可以在夏天选个学校给你联系的公司然后做field project（暑期实习和学校安排的project只能二选一）
Career service上，career coach会督促改简历，定期举办info sessio；也会跟进你找工作的情况，给你提供资源，挑出和analytics相关的讲座，发邮件通知大家去听，比较有针对性；也有教授会请一些业界的人来课堂分享。
就业方面，第一届的项目没有参考资料。
8. 罗切斯特Rochester University - Master of Science in Business Analytics
这一届一共95个学生，其中中国学生80个左右，海本比例更高，之后可能还会扩招。
TOEFL：平均105 GRE：平均323。录取注重背景多样化，商科的，quant的都有，海本陆本都有，海本比例更高。不过大部分有工作经验，比如有在安永工作3年的。
录取方面，一共3轮，有面试，跟面经上差不多，分批给offer。
课程由浅入深，深度还可以，会学到machine learning的一些内容。项目培养方向集中在finance、consulting、MKT。同时，capstone都是跟当地的企业合作，各行各业都有一些。大作业质量目前没上不太好评价，现在知道的他们上Python的会有比较难的team work，大家觉得学到的还挺多的。
Career service的话，如果留美工作帮助还挺大，对于回国的帮助不大，校友联系紧密。
就业方面，官方数据是毕业后3个月94%就业率。就业比较集中的有NYC，也有去西海岸的，或者去大城市比如芝加哥。公司大部分是做金融和分析，比如EY、 JPMogen、尼尔森等，还有一些小公司。职位大部分集中在DA，10-20%是finance，也有做市场做咨询的。
（整体来讲：对项目和career都还满意，对地理位置不太满意，增加net working 难度）
9. 加州大学圣迭戈分校University of California, San Diego – Master of Science in Business Analytics
总共73 人，退学1人士72人，印度人5-6，美国人约10人，中国学生（陆本，美本，台湾）约有50人。其余就是一个国家1-2人的。男女比例基本一半一半，女生约为55%，
GT方面，GMAT不清楚，美本GRE320+，陆本325+， T基本在100~110之间
学生背景多元化，有商科背景，如金融，会计，国贸，也有计算机，日语。
项目申请流程严格按照轮次来，从2月初到4,5月份都有拿到录取的，有Kira面，无真人面。没有一个特别集中发录取的时间。
课程内容上，主要语言是用R和老师写的统计类的软件。Python是在暑假期间有一周，每天任务量特别大，集中训练了一下。Fall学期有3门课，2门必修，1门选修（有约一半多的学生选了CSE）。
Capstone上每周有1-2个project （书上的case）,分组（4人一组）完成。
Career service：在最开学的时候参与度高，在每隔几天就会有lecture 或者互动活动，每个人会分配到一个具体的人，可以约谈咨询，改简历。Career service系统，每天会更新。
一个月后，参与度没有那么高了，会每周办一个行业讲座，邀请校友回来，学生自愿参加。感觉很多内容还是面向MBA资源更多。系统上还是信息聚合的作用，自己如果主动一些，还是可以自己能找得到的。
就业方面，国际生目前不能做实习。Full-time的话，上一届学生大部分都选择延期半年。再往前一届,有一半学生回国了，有比较多的去SE找工作，有比较少的去湾区了。大部分学生还是做business analysts。
总的来说，项目压力不是特别大，课程不是特别紧，每学期就三门课程，一周一节，一次三小时，所以大部分时间都是不在上课状态的。作业也不是特别多（除CSE课，CSE作业多），有的人小组作业再划划水，那基本上就挺闲的。感觉项目学习过程中还是要靠自己的自制力。
Tier3：加州大学尔湾分校，圣克拉拉大学，凯斯西储大学，马里兰大学，康乃狄格大学，斯蒂文理工学院；
1. 加州大学尔湾分校University of California, irvine - Master of Science in Business Analytics
录取人数上，学校官方介绍是78人（第一届约40人，基本都是中国人），平均年龄 25.13，平均工作经验3.38年；中国学生27，US21，印度11，台湾8，韩2；固定5人小组（2中国，2US，1 乌克兰，有学金融，语言，CS的）
录取者平均GMAT672，陆本大约都在700。录取背景方面，外国中有工作久的，有一位50多岁的人士，本科斯坦福工程，工作30多年，再来读书。大家专业比较杂，商科，语言，CS都有。中国学生有一些工作经验不错的人（迪士尼，互联网公司）；还有做研究比较好的人；印度学生编程特别好。中国学生相对工作经验薄弱。
申请流程上第一轮有Kira和真人面，到2月份有结果，时间比较久。之后申请的学生，offer录取就快了，没有Kira面。
课程内容上，Sumer主要学的统计，R，属于入门课，难度不高。Fall学了机器学习（概括介绍一些常用算法）和R进阶，感觉难度依旧不高。下学期会有python,不过具体讲的方式不清楚。项目的大作业project还是有难度的，不过好好挖掘还是很有收获的。Project 有教授找的project，例如 yelp。
capstone下学期开始做，一直做到毕业，一共有14个项目，5~6人一个小组，有consulting方面，迪士尼，征信方面，health care,保险，医疗方面，饮料公司，科技公司等。
Career service方面比较用心。每学期有一门关于career service的课，会涉及所有关于找工作的方面。本学期有4次招聘会或者Network活动，感觉学校还是在创造机会，不过觉得没有专门BA专业。有邀请过3~4次不同行业的speaker 分享，还是觉得挺有收获的。也有公司的info session，还组织参观2次公司，例如暴雪。
在就业上，有的人冬季就找到的，有的人是在4-5月份找到，当然也有回国。留在美国留在加州多，工作也是也 analytics居多。
2. 圣克拉拉大学Santa Clara university
正在整理中……
3. 凯斯西储Case Western Reserve University- Master of Science in Business Analytics
这届一共招生55人，其中中国人有40人。标化成绩的话Gmat650到700+都有，GRE320左右。学生背景多样化，有的学生三维比较突出，有的学生经历比较突出。商科类的学生比较少，理工科居多，大部分都是有工作经验的，有的甚至有很多年工作经验了。
申请进度上，项目会按照轮次统一出结果，第一轮kira面试，第二轮可能会有skype面（不算正式的面试，也不是所有的人都有）。
课程深度上，第一个学期的课程感觉技术不是很深，都是比较基础，课程有R，Python,SAS以及tableau等。后面的课程因为还没有接触所以不太清楚。
capstone project目前没有接触到，只有课堂上有类似的课程，不知道之后会不会有。
Career service比较用心，学校会根据学生的背景分配1-2位业界的mentor，学生可以和mentor自主约时间聊；学校会举办大型的interview的活动和workshop的活动，也会不断地帮忙改简历，督促你参加mock interview；有新的公司招聘的话学校会邮件通知大家。今年有新增一位专门负责帮助学生找工作的director。
就业方面，前几届人比较少，基本上都找到工作了，一半以上有留在美国；一半的人在俄亥俄州，其他有在加州，还有回国的；有做data analyst，marketing analyst，sales analyst等。
4. 马里兰大学University of Maryland- Master of Science in Business Analytics
基于强大的MIS faculty开设的项目，core courses也体现出了其强大的技术含量。Elective courses除了各个business function的数据分析应用。Google Online Challenge Analytics和Capstone Project in Operations Analytics两个实践项目也是令人眼前一亮。录取的Bar不算太高，官网上的单项分也不是严格执行的
5. 康涅狄格University of Connecticut- Master of Science in Business Analytics
这届总共招了200多人，其中70多人是中国人。大家的GMAT 600多至700多的都有，招收的学生各种专业的学生都有，多样性丰富，基本都是有实习经历的。
录取pace，材料审核应该是先交了会先审核，没有面试。
课程深度上，因为项目面向entry level的学生，因此对于没有任何数据基础的学生来说挺好的，但是对于本科就是CS等专业的学生来说就比较水。
项目每年都会有一个合作的企业，给到公司真实的数据进行分析，自己感觉还不错
Career service方面这一届感觉挺一般的，后面几届把就业指导作为了一门必修课，感觉应该比自己这一届好很多
愿意留美的都找到工作了，回国的也都找到工作；大部分都是在纽约，波士顿，加州，德州等地区，有做business analyst，data scientist
6. 斯蒂文理工学院Steven institute of technology- Master of Science in Business Analytics
这一届招了100人左右，其中有50左右的中国学生。学生的GMAT都是650以上，商科背景的学生居多，差距也特别大，大部分都是有工作经验的。
申请流程上项目是rolling的形式，先提交的先审核，没有面试
学校课程下限很低，上限很高；课程选择比较灵活，有的学生会选一些比较水的课程，例如：MIS等，基本不用写代码；必修的课程都是比较浅的
项目没有capstone project，只有跟着教授做一个学期的项目，100多个人，能做项目的人也就十几个
career service比较尽心尽力，但是学校资源不太行，所以没感觉到有太大的帮助
就业方面，10多个中国学生在美国找到了工作，回国的学生都找到了工作，在美国的大部分都是在新泽西，也有在纽约的，回国的都在北上广。有做business analyst，data scientist，也有做data engineer。
神的领域：纽约大学，西北大学，哈佛大学，麻省理工学院，卡耐基梅隆大学
1.纽约大学 New York University- Master of Science in Data Science
NYU DS是数据科学类项目的标杆。NYU是最早开设DS项目的学校，有非常强大的数学资源，courant克朗所享誉全球，是全世界应用数学研究的前沿，NYU著名的金融数学项目也是由其开设。DS项目本身开设在Center for Data Science，教学和就业资源都非常丰富，项目设置比较成熟，就业前景也非常好。
NYU DS的class size不算小，每年也有100左右，但是学生的diversity程度非常高，来自全世界各个国家，这在DS类项目中比较少见（STEM类项目中国学生比例普遍非常高，尤其是在数学/统计/数据科学的领域，中国学生和教授比例都非常非常之高），录取难度也是非常大的。据了解往届学生中大都是理工科背景为主，没有纯商科背景，这也是因为NYU的课程难度较大且重视理论，如果数理和编程基础薄弱，很难跟上课程进度。项目对GPA要求没有其他DS项目那么高，所知有同学GPA3.3+但是GT和其他背景都不错被NYU录取的先例，可见学校审材料时是比较注重学生的整体package，而非大部分理工科项目录取时主要根据专业+GPA一刀切的录取模式。
NYU DS就业也堪称数据科学类项目的标杆，官方没有给出就业数据但是据传学生毕业平均起薪高达110k左右。NYU本身在金融，咨询等领域有非常强的校友资源和声誉，据学长学姐说很多有CS背景的学生会选择Data engineer甚至SE这样的工作，数学统计背景的学生也有很多毕业去向是data scientist，这也是项目设置的初衷。
NYU DS的课程设置非常灵活且有挑战性，难度还是相当大的。哪怕是第一学期最基础的statistics也颇有难度，因为很多人虽然数理背景很好，仍然没有选择waive而是打好基础。NYU在Deep Learning方向有非常好的教授，尤其是NLP领域处于非常领先的学术地位，因此其DS项目开设的DL，NLP课程质量非常之好，绝大多数DS项目都不具备开设这种高级课程的条件和意愿。
2.西北大学Northwest University - Master of Science in Analytics
作为老牌强数据分析项目，西北MSiA项目课程与就业资源都非常过硬。选课比较固定，并不是十分自由，基本就是data mining和predictive analytics两大部分，但每一部分的课程深度都非常可观。15个月项目中间要求三个月暑期实习。毕业平均年薪10-11w，job title也以各色Data Scientist为主，西北官方的就业报告也非常详尽：
https://www.mccormick.northwestern.edu/analytics/our-students-alumni/career-internship-report.html
录取方面，整个class profile 40人，中国学生的数量也在逐年增高，在2018 fall录取10个中国学生（至少名字是中国学生）。随着Data应用普适性的发展，录取的学生可能不再是表面上的强数据科班出身，而是各种top美本 各种光鲜背景。
https://www.mccormick.northwestern.edu/analytics/our-students-alumni/
3. 哈佛大学Harvard University, MSc in Data Science &
宾夕法尼亚大学University of Pennsylvania-MSE Data Science
这两个项目历史都不是很悠久，除了宾大在正式全面开放招生前，宾大工学院内部的转学毕业生，剩下尚无第一届毕业生，所以在哈佛和宾大的各种打分，尤其是就业方面，都比较保守的稍微低分了一点。
此外两者相同的一点：这个项目本身不重要，含着金钥匙出生注定是神项目，我评不评论都不是那么重要。
哈佛DS项目在国内本科几乎只录清北，神级faculty，选课也很自由，CS SDE啊，Machine Learning啊，甚至quant finance啊都有涉足。就业方向也比较广泛。宾大因为工学院本身实力问题与对DS的定位问题，整体在哈佛之下，但不影响其神项目的定位。
4. 麻省理工学院 Massachusetts Institute of Technology-Master of Business Analytics
Top of the top 的BA项目，甚至把Data Science项目一并加入讨论的话，MIT Sloan MBAn项目都是录取标准奇高的项目，基本是MFE典型背景的申请人才可以去尝试的项目
2018 fall整个Class Profile 30人，中国学生大约6-7人，其中只有一名清北复交级本科出身，其余全部为美本，而且是top美本 数学 工程相关系出身。
Accordingly, 整个项目的体系也不能用常规的思路来评判，什么数据技术知识体系和保姆式Career Service之类。对于这个candidate pool来说，这些都不需要。课表上来说，技术上除了一门machine learning，其他都是self-pace和practical的课程，如Analytics Lab, Analytics Edge以及横贯整个项目的Analytics Capstone。来自MIT Operation Research Center和Sloan商学院充足的职业资源，也保证了11-12w美金的平均起薪
5.卡耐基梅隆大学Carnegie Mellon University - Computational Data Science
CMU的DS开设在自己的Computer Science下面。它是一个及其难算是DS王冠上面的一个项目。如果你没有非常强的数学和计算机能力基本没有人能申请到。它的项目设置非常好以及workload是非常大的。我有同学在那边，他们经常加班到凌晨赶代码。它一开始入学要求你有基层的代码，就是你一上手就能做项目的那种，但是很多人都做不到的，所以这个也是很多人没有申请的原因。很多人申请都是有paper的，也就是他们本身对DS是非常了解了。CMU的computational data science很多是立志要读博，也就是他们会通过data science来跳博士，跳UC-Berkeley，MIT，Stanford这些计算机的博士。所以这算是个传统型学术型项目。CMU的就业服务基本没有的，因为CMU不care自己的就业服务，他们的学生不愁就业。
半神的领域：乔治亚理工学院，北卡州立大学，旧金山大学，哥伦比亚大学，卡耐基梅隆大学，华盛顿大学西雅图分校；
1. 乔治亚理工学院Georgia institute of technology- Master of Science in Analytics
在老牌分析项目中，属于比较亲民与自由的项目。在录取过程中并不像前面几个非常追求技术背景，对data项目经验充足或者工作经验充足的申请人也会有一定quota。无论是亚特兰大的location还是硅谷基因，都给该项目candidates进big name企业加码不少。课程中的Analytical Tools, Business Analytics, Computational Data Analytics兼具深度和广度，而且在读期间可以转换tracks，延迟毕业等多种调整自己workload的方式。录取方面和隔壁Emory有一定共通之处，背景不一定很tech，但是要有对professional data project的认识，也就是作为business data scientist的修养。各种Business背景的，research背景的都有，只不过录取人数少，竞争激烈，中国学生20+。
总的class profile链接如下
https://www.analytics.gatech.edu/career-services/student-profile
就业数据也毫不心虚，各项维度非常详尽
https://www.analytics.gatech.edu/career-services/placement
只不过再次和隔壁Emory一样，非常依赖Atlanta的本地的就业资源，小富即安。
另外，此项目还有online版，号称10000刀成本拿学位，无法辞职的在职人士可以选择，当然是没有f1 visa的。
2. 北卡州立大学North Carolina state university
BA/DS/Analytics三大热门专业的“老祖宗”项目，2007年就开设Advanced Analytics Institute与Master项目，并与业界紧密相连，100%就业率，人手两个offer，拒掉麦肯锡和BCG，中国学生只有3-4个。。。。。各种神数据早已经让NCSU M.S. Analytics出现各大论坛评论与报道上，关于这个项目的评论已经很多了。
另，NCSU还大公无私的统计了全美的BA/DS/Analytics的项目，一副“我从不在乎什么牛校开了Analytics，反正都不如我牛”的全美老大的姿态，顺便给大家提供了很完善的school research的材料。
链接：http://www2.analytics.ncsu.edu/?page_id=4184
3. 旧金山大学University of San Francisco-Master of Science in Data Science
项目人数上，入学总共90人，前两个学期成绩不达标被退学一部分，现在是80人。其中有40个中国人（包括有绿卡的），应届生不超过10个。
在录取背景上，USF比较相信学生的潜力。大陆学生背景比较杂，分别来自：清华、华东师大、北京林大、西南交大、北京交大、浙大、华南理工等
平均GT也很有竞争力。
录取进度上，过了申请DDL一个星期会有面试，面完一个星期出结果，时间差不多在圣诞节前2天，个别学生是拖了很久的，其他都很快。没有Kira面试，只有faculty面试，面试内容就是线性代数、python和统计基础之类。
建议有一定的技术基础来申请：Python, R ,SQL一定至少熟练两个。
学校的老师也建议早申请，第一轮12月份截止，第二轮到3月就太晚了。
课程设置非常合理，每一年课程都在调整与更新，把重要的东西提前。
因为每年9、10月份会开始面实习，因此项目会在这些面试之前就把里面会涉及到的技术背景的知识都上完。春季找工作，项目会在找工作之前就把核心课程教完（比如机器学习、高级统计等），春季以后就上面试技巧和产品之类的课程了。
2019-2020改了课表，第一个学期非常难，一门用Python，一门用R，一门用SQL
Capstone方面，项目第1、2个学期只学习，第3个学期开始每周2天上班3天上课，有40多个合作的公司，可以填志愿选择去哪个（每次只能选一个）。
学校的老师通过帮助学生投简历给相应的公司，学生跟公司之间没有直接接触（这点不太灵活）。公司主要以当地的为主，很多走路就能到，外地的公司也都是非常好的，比如保洁、UHC等，还有一些大学的实验室（海洋信息图片处理 机器人相关的实验室之类），很多大神都想去实验室，因为可以做核心技术。
在career service上，practicum是很好的机会了（据老师讲，之前实习的同学有四分之一表示可能能拿到后续的工作机会）同时，每周都有校友lunch,运用中午一个小时的时间和10位同学吃饭，学生可以自己报名参加任意一位校友的lunch，有的时候校友所在的公司有岗位需要，也可以直接networking。
就业方面，因为中国学生之前招的比较少，所以中国学生在找工作上还比较受欢迎，就业大部分都在旧金山，有一两个去LA的，去其他地区的也都是大公司，职位以Data scientist为主。但是大家找工作节奏比较慢，因为大部分人还是想找DS的工作，不想做BA（毕竟读下来实在太辛苦了，不想迁就）。很多学生7月份毕业，10月份才入职。
总的来说，USF风格比较现实，不会夸大就业前景。整体课程比较严格，pracuticum也很严格，公司随时可以辞退学生
4. 哥伦比亚大学Columbia University- Master of Data Science
哥大数据科学从14年开设，已经有几届学生毕业。项目开设在Engineering School的Data Science Institution下，要求30学分即十门课毕业，17~18学年每学分价格1937刀。一共有七门必修课+Capstone+两门Electives。
哥大DS的申请难度还是比较大的。考虑到学校热度和DS的热门程度，申请难度很难降下去。项目的Class size大概在100左右，中国学生比例在60%+。总体来说哥大理工科项目普遍偏大，即使是王牌项目MFE也有一百左右，DS在其中完全算不上水项目。哥大工程学院的教授曾在中国宣讲会中提及过，工程学院的录取风格是：GRE和托福仅仅是filter而不作为录取的参考条件，GRE达到320+托福100+即可，其他材料的重要程度为：GPA>recommendation letter>CV>PS。从身边录取同学案例也能印证这一说法，GRE分布从320到330+都有，托福成绩都在100+，工程学院对陆本学校非常了解，比较明显偏好名校本科背景，DS项目中录取的陆本学生绝大部分来自中等985（武大）以上院校的数学，统计，计算机，信息等专业，海本学生则分布在各个学校，很多人都有double major。
哥大的整体就业严重偏向金融相关行业，DS也概莫能外。金融行业有大量与数据分析/机器学习相关的工作岗位，从传统的quant，risk到新兴的fintech，以及金融公司中的各种data scientist/analyst岗位，岗位体量还是相当客观的。哥大比较严重的共同问题还是内耗严重，而工学院CS系最为热门，人数最多的也是machine learning track，相关专业之间竞争还是比较激烈，如果是大神很容易在这样的环境中收割offer，而普通人的简历则很容易被埋没。之前网上广为流传的帖子提及哥大DS就业不佳，但需要注意作者也说到如有相同档次的CS项目请务必选择计算机专业。事实上CS仍然是最容易就业的方向，其他专业的确难以企及，但个人观察哥大DS在各种DS项目中就业绝对算不上差。
DS项目的课程中有四门STAT开头的必修课，三门COMS开头的必修课，如果统计/数学基础较好，可申请waive其中的Probability和Statistical Inference两门课，这就涉及到哥大DS第二个比较严重的缺陷。DSI作为工程学院下的一个系，基本没有自己的faculty，大都是从Stat，CS，IEOR三个系的教授兼任，因此自己基本开不出选修课。如果希望选Database/deep learning/NLP这种比较深入的课程，仍然需要到CS系选课，而哥大CS本身就僧多粥少，没有给DSI开放优先选课的权限，加之机器学习类课程普遍火爆，导致DS项目选课非常局限。这也对项目质量造成负面影响。
5. 卡耐基梅隆大学Carnegie Mellon University-Master of Information Systems Management
招生人数上，官网上说过去三年平均是308人，MISM大概有110、120的样子；中国学生大概占到30%-40%（也就是说中国人大概能有90-120人）。BIDA年年扩招，大家申请也喜欢申请这个项目，进来的感觉Global更受欢迎。
GT方面，了解到的中国学生TOEFL差不多106+，GRE325+，平均GT以官网为准（中段GMAT700 中段GPA3.6）
录取背景方面，陆本有浙大，中山，上财，央财，外经贸等学校的学生，商科背景的挺多的；
录取的人大部分不爱说话，很有想法，很执着那种；也有话多的，比如之前是做产品经理的来读这个项目的；还有一些文商背景的，对原来的工作或者学科不满意，不喜欢跟人交流，来读这个项目，CMU就喜欢这样的人。
录取进度方面，1月10日截止，有video, 没有face to face的面试，3月份发录取。
课程很有技术深度，考试类型多样化：比如某课程期末考试不做卷子，限时让你现场黑掉一个网站；比如SQL不是教给你怎么用，而是一张白纸让你自己写一个库出来；别的学院就更深，比如课程结束小组出一篇专业论文，发表后小组就被车拉走了；还有一些实践性的课程，比如云计算；
课程选择上，研究生的本科的PhD的课程都可以选；BIDA要求的学分比较多，基本上没太有机会选别的课程，MISM自由度大一些，可以多选一些外院的课程；
MISM课程设置偏向于做product manager或者project manager,如果不按照课表自己选课完全可以成为一个软件开发工程师；BIDA课程偏向于做Data Scientist
感觉学院的师资和其他学院比稍差，但因为可以选其他学院的课程，所以还算满意。自己学院老师有那种年龄大一些的，也有混资历的，学不到东西。其他学院比如做金工的做DS的做机器人的艺术MBA（写代码的MBA）的学院会好一些。
Capstone方面比较regular,没什么与众不同的。capstone都是最后一个学期做，有做游戏的、调查类的、数据相关的，大大小小公司都有。
Career service方面，学长学姐推荐回来的岗位比较多，而且投递成功率比较高。Career coach的帮助感觉不算大，还是内推效果更好。
关于找工作的节奏：一般入学过15、 20天基本就开始找实习，之后如果拿到return offer 就不着急，我们是12月份毕业，没拿到的9月份之前就要忙活着开始找工作了。
就业方面，基本上每个人都有好几个offer，想留下都是能留的，就业率不说满100%也有99%；去湾区的最多，其次是纽约; 就业岗位主要是传统的三种：software developer；数据科学家；产品经理。MISM BIDA就业有交叉，主要还是看个人情况
6. 卡耐基梅隆大学Carnegie Mellon University- Master in Practical Statistics: Professional Training in Data Science
CMU统计系比较奇特，开在College of humanity& society science下，项目的class size非常小，25左右，每年录取的中国学生有十几个，美本占大多数，本科背景多为stat/math专业，或者非常强的quantitative background（17fall在上财录过两个，一个是数理统计一个是数理经济）。项目录取风格不固定，其中很多高三围学生，录取背景很强。
项目时间只有一年且不可延期，课程偏应用，理论内容比较少所以完全不适合继续读博，录取学生背景普遍非常强，因此workload不算很重但就业率非常高（90%+），去向基本都是data scientist/analyst为主。行业主要还是在传统行业为主（consulting和marketing），可能因为该项目课程比较固定不能任选CS课程，且项目时间非常短的缘故，去往tech行业的比例不算高，这与CMU的画风不完全吻合。项目有连续两个学期的Data science以及Data mining课程，career service做的非常好，还会有单独的professional skill课程以及最后的practical project，所有可选practical project项目均列在项目官网。CMU在计算机相关领域声誉极好，编程异常氛围浓厚，这对寻找DS类工作也是一个非常大的帮助。
以及，CMU大多数项目学费都非常非常贵，普遍都在60k~80k以上，但这一项目学费非常低，一年读完学费只需要40k左右，且提供很多TA机会，一年时间可能拿到大约10k的减免补助，加上匹兹堡物价房租都很低，项目读完预算只相当于很多项目的一半，非常有吸引力。项目申请费30刀，也是非常便宜。
7. 华盛顿大学西雅图分校University of Washington, Seattle-Master of Science in Data Science
17fall当UW新开DS项目时非常兴奋，因为知道UW优越的地理位置和强大的faculty非常适合开设DS类项目。果然其interdisciplinary program in data science有Stat，Biostat，Mathematics，CS和IS等六个院系合办，可谓异常豪华。要求一共完成45 credits也就是九门课可以满足毕业要求。
UW DS录取难度不明，因其虽然在17fall已经开始招生，但整个申请季完全没有看到任何录取的案例，包括一些背景条件非常好，最终去往top DS项目的同学都在3.20这天准时收到了UW的拒信。该项目的课程全部是在晚上开课，且所有九门课程都是固定的，项目要求严格按照先后顺序上课，且DS项目的课程一概不对外开放选课。官网并说明该项目时常为2~3年，而一般来说DS项目极少有2年以上，如果三年毕业的话每学期的workload普遍只有不到2门课。从这些角度推断，UW的data science项目更像是给在职或者有工作经验的人士准备的program，而对新毕业的本科生不甚友好。当然因为完全没有接触到UW DS的录取案例，以上信息大都是推测。
UW有非常好的资源，Stat/Biostat排名全美第四，CS也位居全美前十，这些无疑给DS项目极其强有力的资源。项目申请要求prerequisite也比较强，至少有相当于数据结构和算法层面的计算机课程，且在申请系统中有专门表格，要求详细列出修读过的所有数学统计计算机类课程的信息，学分，成绩，主要内容等关键信息，可见项目非常重视学生的专业背景。西雅图的地理优势毋庸置疑，科技行业高度发达，有微软和亚马逊等大企业坐镇；也不像东北部名校林立，UW几乎一家独大，就业资源有着得天独厚的巨大优势。
学术牛的领域：明尼苏达大学，罗切斯特大学，哥伦比亚大学，杜克大学，宾夕法尼亚大学，北卡罗来纳大学教堂山分校
1. 明尼苏达大学University of Minnesota-Master of Data Science
明尼苏达非常冷，跟罗村差不多冷吧。跟同校的BA项目相比，UMN的DS也很低调，已知的信息不多。项目由Engineering，Art and Science，Public Health三个学院共同开设，有三个不同的track：Statistics，Infrastructure，Algorithms。一般都需要四个学期完成，选课自由度较高，总共有31个学分。
项目的size具体不明，应该不大，相关信息也很少。录取学生普遍有非常扎实的数学背景，该项目也提供一些学术和科研的资源，如果有读Phd打算的话，UMN的学术氛围非常强，在很多领域都有很大的影响力。加之气候恶劣，常年在室内，除了心无旁骛学习与科研，确实很少有其他选择。项目有一个比较大的capstone project贯穿整个学年，据了解这个项目对后来的实习就业帮助非常大。项目本身的课程设置也很强大，从各个track名称就可以看出：很少有DS项目这么强调infrastructure这个方面的学习，而就业市场现状则是Data engineer类工作相比Data scientist多很多，要求也比较偏重计算机，可以认为是跟数据库打交道的码农，这方面的就业资源和机会其实是非常丰富的。如果想走hard core engineer的路线，那么UMN这个项目还是非常适合的。明尼苏达本地就业资源不多，实习和就业经常需要relocation，这点与罗切斯特是有共同性的。如果选择了这种项目，可以专心深入学习一下CS相关的技术，因为软件工程师和数据工程师这种岗位受location影响非常小，大型高科技公司基本都会在全美范围内招聘，主要靠技术实力说话。而Business Analytics类岗位，因为散布在各行各业，且小公司岗位非常多，因此受地理位置影响还是比较大的。
2. 罗切斯特大学 Rochester University-Master of Science in Data Science
罗村的DS开设刚刚两年，第一届学生已经毕业，但是还没有非常完整的就业数据。该项目开设在工程学院下，与罗切斯特计算机系关系非常密切，大部分课程以CSC开头，能选到非常多计算机相关项目。项目录取难度一般，录取学生本科背景非常多样，从数学，理工到经济，商科都有，虽然最终很多人有更好的offer而选择不去，但个人认为其仍然是性价比非常高的项目。
罗切斯特曾是东北部的工业城市，城市命运也与柯达密切相关。随着数码时代柯达破产，整个城市和大学也有些许寥落。加之气候恶劣，非常寒冷，罗村在申请中非常努力尝试通过各种方式吸引学生。首先是申请过程中可以waive掉项目申请费，其次是在工程学院内部可以同时申请两个项目，但需要分开提交推荐信等。罗村的Data Science Institution刚刚获得了一亿美元的经费，修了新的大楼，看上去非常有潜力。DSI与计算机系关系非常密切，有非常多的研究项目提供给MS学生，因此科研资源非常丰富。DS项目本身学费也不贵，且一般提供30%~50%的tuition waive，大部分人拿到30%的减免后，加上罗村非常低的房租和生活成本，只需要大约60k USD就能完成项目毕业，这一点还是比较有吸引力的。项目的中国学生只有十几个，class size也不大，同学之间关系非常密切，完全不像某些名校工业流水线式的项目风格。
项目的课程设置也非常tech，如果没有计算机方向的基础，开学前的summer需要提前去上一门data structure and algorithms补充基础。如果选择computational track则有非常多ML，NLP，CV甚至AI方向的选修课。小米曾在邮件中提供数据表示项目就业起薪有100k，并表示去向包括Google，Amazon等tech行业，由此可见这一项目毕业后有相当比例学生选择了转SDE，因此明显拉高了就业数据。因此个人认为该项目设置非常hard core，性价比还是挺不错的。
3. 哥伦比亚大学Columbia University- Master of Science in Operations Research, Business Analytics track
Faculty很好，如果是说OR方向基本全美第三，仅次于MIT ORC和Stanford MSE，应该是整个哥大工程学院专排最靠前的系。大牛老师很多，尤其是在金工方向是最出名的。IEOR开出来的课巨多，有一两百门吧，系内选课priority是最高的，基本不存在抢不到课的情况。商学院的BA大都是开在operation management下的项目，哥大CBS也有个Decision，Risk and Operation Management Division，跟IEOR交集很多，合作也多，DROM开头的课基本都能选。
OR下有个BA方向，每年有25个是跟清华经管合作的项目，其他录的大都有跟金融金工相关的背景。。。录取时候不分track，选课也挺自由，一共十门30学分，其中四个必修，概率统计可以waive掉，基本的DS/BA方向的课都能开出来，高级点的肯定还是得去CS系选。。CSOR和COMS有几个课会优先开放给IEOR系，其中最重要的就是COMS W4111 database。选课挺自由的，很多想上的课选不过来吧。
录取人数比较多，总体难度不太大吧。哥大看本科背景，系里教授聊过，对国内本科学校了如指掌，每年都来中国走好几遭。GRE320+ T100+就够了，看重GPA，尤其是核心课程的GPA，申请系统里需要填表让所有quantitative courses和成绩列出来。
就业去向比较杂，官网有详细统计，至少一半都有金融相关吧。现在选finance和BA两个track的人数基本一半一半，感觉总的来说data类会比fin好就业一些。
Career service有最基础的，肯定比GASA强，但是总得来说OR在系内就业资源优先级不如MFE和MSE高吧。那两个都是well-designed program但是OR比较像放养。
哥大问题都是通用的，人多内耗严重，简历不行做的project不行的话淹没在茫茫人堆里没出头之日了。
4. 杜克大学Duke University- MS in Interdisciplinary Data Science
录取人数极少在15-30人中间，今年应该是28人。开办学院不是由专门的Data Science开办的，是由原先的两个学院，一个是社会科学一个是神经学院各抽出一部分师资合办的。就业非常良性是因为在于它的duration是两年，包括实习，就是你不需要自己找实习，学校会给你直接安排到公司实习。而且项目的就业范围非常大。所谓的就业就是谈你在哪个领域实习。如果你在金融领域实习，你很大概率就是在金融行业就业。第一份实习很大概率会决定你将会去哪个方向工作。在Duke University能够安排实习的这种氛围下对于找工作是一个捷径的选择。这也是大家17年对这个项目蜂拥而上的原因。我们都知道杜克大学地处偏远，所以它以学术见长。杜克大学的学术能力在全美里面算是数一数二的。也就是说它非常欢迎那些没有基础的，因为去年杜克大学录取非常谜，一点编程和数学能力都没有的纯文科的语言学的人被录取了。它非常欢迎这种diversity，也希望能从这些diversity里面找出success的一些point，就是像我上次讲座的在自然语言处理领域很多做的好的语言学都学的好。所以它希望招到各种背景的人一起来构建这个项目最大的原因他希望自己的项目在各个领域都能开放。这也是给很多人一个希望就是它不那么看重你的背景。它录取的时候是有一个online interview，和真人讲话，而且问的问题都非常的behavior。就是问你对DS有什么想法，你为什么要做DS，你的背景不是和DS相关那之前有没有做相关的了解。其实他最想了解的是如果你对DS有兴趣的话他是会比较欢迎的。而且这个项目好就好在可以做到每个人就业的保障。
它的capstone project也就是我们刚才说的它会内推实习。内推实习我目前知道的其实是他们在第一学期其实就有联系一些公司了。其实说实话在北卡那边大公司不是特别多，所以很多大公司会选择远程实习。所谓的远程实习就是说我会把这个问题给你们，然后每周我们会有个skype，会由公司的senior manager和你聊聊你的近况以及需要什么样的协助。我不否认远程实习的一些坏处，它不能像布朗大学一样实习完全浸入到公司里面，了解公司文化什么的。但是远程实习给你最大的好处是如果你第一份实习是拿到Coca Cola或者Walmart这些大公司DS的一些实习，其实对你之后找全职是非常大的优势。而杜克大学能给你的也就是这样一种优势。我不知道它今年的录取人数是不是跟去年一样25-30人。这个项目谜就谜在对GPA,GRE,TOEFL没有明确的要求，而录取的背景也是各种diversity。
5. 宾夕法尼亚大学University of Pennsylvania-MSE Data Science
这两个项目历史都不是很悠久，除了宾大在正式全面开放招生前，宾大工学院内部的转学毕业生，剩下尚无第一届毕业生，所以在哈佛和宾大的各种打分，尤其是就业方面，都比较保守的稍微低分了一点。
此外两者相同的一点：这个项目本身不重要，含着金钥匙出生注定是神项目，我评不评论都不是那么重要。
哈佛DS项目在国内本科几乎只录清北，神级faculty，选课也很自由，CS SDE啊，Machine Learning啊，甚至quant finance啊都有涉足。就业方向也比较广泛。宾大因为工学院本身实力问题与对DS的定位问题，整体在哈佛之下，但不影响其神项目的定位。
6. 北卡罗来纳大学教堂山分校University of north Carolina -- chapel hill- INSTORE: Machine Learning track
北卡教堂山的项目，开在Statistics& Operation Research下，项目的class size很小，录取风格比较诡异，有时候每年就在陆本录两三个，有的年份好像也蛮多。UNC的统计水平还是不错的，项目下面有个Machine Learning Track，但是总体还是更像传统的stat+or项目。一般录取背景数学统计巨多，经济国贸也见过，总得来说属于稍微冷门的项目吧。项目要求托福102，GRE AW3.5,具体情况未知，样本量太小难以统计。
课程难度挺大的，很多课都比较理论，上下来不太容易。UNC地处北卡三角，研究和就业实力都不错。学校的篮球挺出名，所以认识的学长有一个去做sport analytics这种比较小众的方向。也有一些relocate去湾区的学生，甚至有进Uber这种热门startup的，学生实力普遍挺强的。
建议申请程度一般，因为这种小项目，不管就业好坏其实申请难度都巨大，尤其UNC录取风格很随机。。申得上是实力过硬吧，申不到的话其实也只是运气不好而已。
商科狗能企及到的领域：芝加哥大学，康奈尔大学，乔治城大学，布朗大学，弗吉尼亚大学，南加州大学，哥伦比亚大学，东北大学
1. 芝加哥大学University of Chicago- MS Analytics
项目已经很多年了，但是之前有H1B才能申请，目前总共招过60-70个中国学生。项目有扩招趋势，这一届共100人（50full-time+50part-time）。整个项目男生比例70%以上，美国人平均年龄30岁以上，最年轻的是中国人。
这届中国学生15个，10个full-time，5个part-time，基本都是海本，其中有3个是应届生本科分别是Ohio\Miami\USC，都是Double major， GPA都很高。（本人3.99 实习挺多GMAT710）
因为都是海本，不用托福成绩；GMAT都在700以上，大部分730左右；GRE大概325；GPA都很高：3.7以上。
中国学生大部分是工作过1年以上的；不少是研究生学历。比如：一个是美国文理学院本科以及UIUC统计研究生毕业，回国做了4年DS；一个UW本科，回国干了3年；一个WUSTL本科，美国工作4年，西北大学MBA；一个康奈尔本科，纽约投行3年；美国本科+会计研究生，芝加哥德勤工作经验3年的senior；一个uiuc本科，数学&精算双学位，有国内2年金融工作经验；一个中国的本科，工作过2年；密歇根大学MBA，在美国工作一年，CFA level2，有工作，part-time student；一个Iowa大学本科统计，美国工作一年；一个威斯康辛麦迪逊，美国IRI干data scientist一年，part-time student；一个deloitte的hr部门，人力data analyst（基本上我们10个人的背景都有了）
同时，中国学生的offer都不错，去年有duke emory wustl offer，芝加哥wl转offer，mit ucla被拒；同学大部分有duke emory的一个offer，少部分有ucla，没有人有mit。
这一届是3月份申请截止，5月份发offer；今年是1月份截止，估计3月份发offer。只有一轮。没有面试没有Kira，直接发录取，会有很多WL，这届的3个应届生都是WL转正的，我是7月份拿到录取。
课程方面，比较注重实操，第一学期有商业统计、线性代数、Python、R、database；下学期都是machine learning、data mining等，没有商科课程。考核方面，大部分课程没有期末考，60%平时作业，40%final project。课业压力有弹性，可以选择晚上上课，很多课程给分算是比较松。
师资有professional，也有industry的人。比如这学期的Database是两个企业的VP；商业统计是芝加哥统计毕业的PhD；教Python的老师是个PhD,同时在教哥大的FE课程、芝加哥的金数和NYU的金工。项目还是挺用心的，比如跟Booth商学院有合作，在downtown有一栋楼，有些课程跟Booth一起上。
最后一个学期capstone，可以做自己实习公司的项目，可以做学校提供的合作公司的。
Career service感觉一般，项目本身50%的人是有工作的, 内部就可以networking。学长学姐推荐很少，找工作主要靠自由发挥，不过在芝加哥当地投简历，面试率很高。
就业还不错。之前中国学生基本都找到工作了，有不少去大公司 capital one/oracle/Uber/Facebook 等，岗位基本都是DS，起薪10W+。留美的大概80%，芝加哥、加州、纽约等，芝加哥当地比例大一些，（芝加哥是金融中心，金融行业很多，有不少去银行、保险的，做信用卡诈骗分析，保险诈骗分析的挺多）。回国的大部分在北京上海香港，也都是投行等很好的工作。我们这一届10个中国人目前也有4个拿到实习offer。
2. 康奈尔大学Cornell University- Master of Professional Studies (MPS) in Statistics, Data Science Track
Cornell MPS项目早年与哥大统计齐名，录取难度相仿，一度被当做水项目，近年来录取难度越来越大，与哥大统计分道扬镳。项目开设在Department of Statistics下，在美东众多项目中，就业算是比较好的统计项目，在官网有详细的就业报告不再赘述。
康奈尔MPS录取的的特点在于非常偏好美本学生。美本申请明显容易录取，本科专业不限于Math/Stat，从工程，经济背景到心理学，社会学专业都有录取，diversity程度很高。对于国内本科同学的录取要求则非常之苛刻，录取要求非常明显高于美本，且偏好国内名校同学。项目录取硬卡托福口语22。如果该成绩没有达标则不能在网申系统中提交申请，也是独树一帜。
MPS项目长度为一年，可延长到一年半。在此期间可以利用cpt进行实习，对于之后找full time工作非常有帮助。项目的Data science track要求额外修读python programming，database和big data三门课程，选修课中也有数据挖掘/机器学习课程，总得来说覆盖范围还算比较完整。Cornell的项目此前争议较大的主要原因在于其课程难度较低，核心课程与undergraduate level统计专业要求相仿，如果有较强的统计和编程基础，很多课程学起来略为鸡肋。该项目的career service据说还是不错的，因此虽然康村地理位置不佳，但仍有不错的就业率。
3. 乔治城大学Georgetown University- MS in Analytics
乔治城的Analytics项目，第一届刚刚毕业，总共二十多个学生，中国学生有十个，大部分海本。几个转CS了，剩下的大部分也找到工作了，就业还算是不错的。近两年招生规模明显扩大了，录取难度一直也不高。项目开在GU的数学系下，因为乔治城没有单独的工程学院。。。
Class size在50上下，项目的director还是挺用心的，会对学生提一些有用的小建议，根据入学成绩好坏有1~6学分的tuition waive，要求一共30学分毕业，时间是两年。申请的时候需要WES成绩，有的理工科背景的同学没弄过这个，就放弃这个项目了。最后录取的大部分还是数学统计经济精算这样背景的学生。申请时候需要专门填一个表格并上传，里面有重要的数学课及成绩，重要的编程课及成绩，还有其他quantitative background的经历都要填，以前要求上过至少一门proof based mathematics，最新的要求已经变成推荐选修data structure和algorithms analysis，如果读过这俩的话应该帮助巨大。
课程设置中规中矩吧，需要的课也都有，但是也没特别大亮点。总体来说还是挺平衡的。就读期间有很多去做TA/RA的机会，GU的商学院还是有很多项目能做的，拿了TA/RA之后能cover除了房租以外的生活费。每学分2000刀算不上便宜，加上在DC生活费还是挺高的。
就业去向也中规中矩，大部分还是去consulting等传统行业做analyst/scientist, 毕竟乔治城的优势也是在商科法律这块，去高科技行业其实基本没什么影响力，连单独的工程学院都没有。。最新的信息其实在读的硕士找实习状况一般，DC岗位不多，很多就去北弗吉尼亚那边找实习找工作，但是问题是VA也不见得机会多太多。。总得来说项目一般，感觉跟Uva挺像的，要是有更好的录取还是去别的吧。
4. 布朗大学Brown University- MS in Data Science
项目时长是9个月，它的整个课程构置是由predict based。Predict based是会要求你要选多少分的数学的课，多少分的计算机的课，选多少分运筹学的课。它不会强制的把你划入你要怎么选，但是会有学分限制，好就好在这个课程非常的flexible。像NYU可选的范围不是特别大，但是Brown是和各个学院有合作，所以你选课的时候可以看整个学校，只要是在它认定的学分范围之内都是可以接受的。这对于学生的多样化发展非常重要。有很多同学走DS是想走金融领域，有的人是想走互联网领域，有的人想走传统的咨询领域，大家都不同，所以需要的技能也不同。那这个时候Brown University它的duration其实是9个月，其实是非常大的劣势的，就是9个月的项目注定你一进学校就得找工作，而且是明年6月份毕业，如果明年6月份之前你都没有找到summer inter你就面临一个过渡的问题。而且对于一些基础不是特别扎实的人选这个项目其实会有点赶，它的课程非常intensive，它会默认你知道一些基础的知识，那这九个月就不要浪费时间讨论基础的东西了，这对于一些之前对DS没有任何了解的人其实是一个非常大的劣势，。但是它的好处在于为了补足这种劣势加了很多了pre elective course，比如你数学不行，那你就可以选数学方面的选修课来补足你这方面的背景。总而言之在这九个月只要你够努力，时间分配得好，你是可以从一个小白到一个进阶的过程，你是可以达到的，虽然中间会掺杂着找工作。
Brown University从第二个semester开始就有capstone project，这是很多学校不管是在BA还是DS都会拥有的一个项目。这个项目直接是跟着你的公司走比如说Brown University会跟很多公司产生collection，你最后会实地去某个公司，而不是像很多学校只是抛出一个project让你自己做。也就是说你在Brown University DS专业，你碰到的是真正公司遇到的困难，以及你会真正的深入公司去帮他们解决困难，这是非常exciting的。
然后谈到了布朗大学的career service。Brown University的career service其实也不是特别特别好，它并没有达到一个全心全力的程度，因为学生找工作的一个态度吧，所以大家主要的还是自己在找工作，但是首先布朗大学背靠着常春藤名校以及在业界广大的校友，找工作还是比较理想的。所以即便career service差一点，它的名气和校友还是会补足这个缺点。
最后讲一下GRE,GPA和TOEFL。从今年录取的人来看，GRE普遍都在325，GPA在3.6，TOEFL在100.为什么现在水涨船高GRE不再是之前320的线，因为现在GRE考到325的确不是那么难。Brown University好在GRE是可以补交的，所以它不是那么看重GRE，这对于那些一直考不出来GRE的人是一个非常好的选择。
5. 弗吉尼亚大学University of Virginia-MS in Data Science
弗吉尼亚大学的DS项目开设已经是第三个年头，开设于其新成立的Data Science Institution。项目长度为一年，可延长至一年半，但大部分学生都选择一年毕业并成功找到工作。Uva历史悠久，在公立大学中声誉极好。官网显示项目就业率高，平均起薪在85k+，就业状况还是非常不错的。Uva申请时要求托福口语22+，需要注意这个小分。
Uva的录取与Cornell MPS类似，非常偏好美本同学。项目在过去两年每年只在陆本学生中录取1~2人，背景都很好。因此对美本学生来说，如果条件一般，Uva DS算是性价比还不错的选择，但对于陆本学生来说明显申请难度过大，被录取的背景明显强于其应有的水平，因此总体来说性价比不高。项目的Class size不大，大约在50左右，且项目中非常多Uva本科学生，因此留给陆本的名额确实不多。
项目课程设置比较偏统计，原因在于DS项目原本是作为Uva Stat的一个方向，今年才随着DSI独立于统计系而单独招生，教授也大多来自STAT相关领域。但Uva作为传统文商科强校，其Engineering和Stat都是比较弱势的专业，统计排名其实也不高，总体感觉faculty和课程设置都比较平庸。项目近年来已经做出了一部分改进。但从其STAT 6021 Linear Model和STAT 6430 Statistical Computing看来，还是有非常浓厚的统计味道，因为线性回归这种课程基本都是Stat项目最核心的课程之一，而对Machine learning来说只是最基础的一个章节而已，单独开设一门课程略有摸不着重点的感觉。
Uva的就业报告还是不错的，可能也与其本土学生+美本学生比例极高有关，毕竟这样的背景在就业时是有相当的语言文化优势的。VA本身就业资源比较有限，在北弗吉尼亚有一些相关的岗位，最近的大城市是DC，但作为政治中心其提供给国际学生就业的岗位是非常有限的。
6. 南加州大学University of Southern California- MS in Applied Data Science
USC开项目实在有点多。。Data Science相关在工学院就八九个项目了，还是今年integrate了一些你敢信？商学院下面还有个Business Analytics。。当然其实商学院录取的bar高不少，但是就业都差不多吧。。毕竟工程学院还有就业不行就转CS这个绝招。。
Analytics就是以前的Industrial and System Engineering改了改名字加了两门统计和信息的课。。换汤不换药学的还是偏IEOR那些optimization，simulation之类的内容，也有data analytics的课程但是总体略微有点跑偏。。
项目的class size真不算大。。尤其是跟USC CS十个track相比的话。。USC录取一向比较简单粗暴，可以选择waive掉推荐信和PS，我申过的所有学校里面独此一家。因为每年申请实在太多了，教授大概是看不过来吧，录取时候也简单粗暴，主要看本科专业和GPA，从高往低录取就行了。CS 37分有点热门门槛还稍微高点，GPA88以上才有希望，相比之下Analytics和Informatics就低多了。。
不过USC对转专业友好，门槛不高主要是指的对理工科来说的。小米邮件回复直接就说了我们收engineering，physics这样的hard science major student。考虑到USC审核录取都简单粗暴，不是理工科背景的话可能直接就被rej了。
顺便说下USC的Data Informatics，相比Analytics可能更接近DS吧，毕业去向也蛮多去当码农的，其他方面俩项目基本差不多。就业也差不多，各种data analyst加software engineer。
7. 哥伦比亚大学Columbia University- MA in Statistics，Data Science Track
哥大统计名声远扬，项目的class size非常巨大，因此常被冠以水项目的名声，近年来统计的声誉有所改善，大部分火力转向了sps学院开设的项目。开在GSAS学院之下，哥大的金融数学MAFN和QMSS也开设在该研究生院下。项目特点如下：
Class Size非常巨大。估计每年fall和spring入学有400左右，远远高于其他美国学校的统计项目，因此录取难度偏低。据说录取平均三围在3.6/105/323左右，个人观察基本上3.5/100+/320+都有希望录取，对学校背景也没有明显偏好。此外与传统统计项目不同，这一项目录取了大量非Math/Stat甚至数理背景比较弱的商科学生（传统统计项目主要以math/stat为主，其他少部分engineering/econ/纯理科），被诟病为水项目。项目规模大的另一个后果在于学生水平鱼龙混杂，方差非常大，背景很强和水学历的学生都大有人在，平均就业水平确实不甚理想。其实如果合理安排选课，哥大统计的课程可以与金融数学相仿，但最终两个项目的就业情况却存在较大差距，一方面可以认识金数是很多金融公司的target，另一方面也是缘于这两个项目录取学生的背景还是存在一定差距的。
课程设置不甚合理。针对不同背景的学生都要求三门必修课：probability，statistics inference和linear model。对于很多弱背景的candidate来说上一下基础课程还有些许必要，对于stat/math major或数理背景强的学生来说这种必修课还不能waive，必须在第一学期上完，相当浪费学分和时间。哥大统计系开设的课程相当之全，很多课程对找工作也非常有帮助，但是普遍都是大课，项目资源平摊下来并不算理想。DS track是统计新开的方向，要求连续完成statistical computing，machine learning和advanced machine learning三门课程，其实个人以为这个课程设置不能完全契合DS的要求，很多重要的计算机类课程该项目难以开设，而哥大的CS开设在工程学院，如果想上需要cross registration非常麻烦且优先级不高，选课存在相当大障碍。
哥大统计就业资源。纽约地理位置优越，数据分析相关工作岗位多如牛毛，如果有心，找到实习和工作并不算难事。哥大统计最终的在美就业也以各种小公司的数据分析为主，一方面是因为Data类岗位大公司竞争异常激烈，另一方面也是因为在哥大相关项目叠床架屋，内耗非常严重——如果想找quant fin类工作需要面临金工，金数，运筹等项目的竞争，如果找DS类工作也需要面对哥大data science和OR的竞争，虽然纽约机会众多，但美国东北部传统强校云集，就业时纷纷前往NYC寻找机会，竞争也异常激烈。哥大统计的career service不好，基本等于不存在，而该项目存在一个巨大缺陷是没有CPT，也就意味着即使找到summer intern也要开始pre OPT，不仅让人非常不爽，而且相比CPT程序繁琐。
8. 东北大学Northeastern University-Mater of Data Science
NEU是个神奇的学校，排名也很神奇，项目也很神奇。17年新开的项目，开设在计算机与信息科学学院下。这个学院有个非常著名的Align项目，在转CS领域几乎是人尽皆知。
DS录取难度不大，包括NEU Align的录取难度其实都不大，基本只有硬卡托福100+，满足这个条件的话都可以尝试。尤其是NEU丧心病狂在西雅图和硅谷都开了校区（大楼），越来越向码农职业培训的方向发展。依靠地理位置和Coop的资源，NEU的CS虽然很一般，但是学生出路普遍还不错，这也是神奇之处。DS一共要求28学分，只有七门课的内容（把课程从3学分变成4学分是很多学校扩招收学费的绝招），课程非常偏CS，有各种unsupervised/supervised learning甚至algorithms这样的算法课，也有Database这样的数据库课，还有NLP/AI这样的课程。开学时候要求考基础的programming和概率统计，考不过需要去加上基础课。
说实话虽然不喜欢这样的学校，但是就业去向应该还是不错的。更可能的趋势是：以后NEU DS会变成转CS的另一条path，因为课程的属性加上CS专业就业的压倒性优势，会让这条路走起来容易不少。至今DS还没有毕业的学生， 就业无从考证。申请时候NEU也可以拿一份申请费申两个项目，很多人都是在申CS时候顺手申个DS这样的操作。
如果想接触到同样在申美国BA/DS的战友，获取到美国BA/DS最时鲜的信息，与老王及其他数据Mentor论道解惑，欢迎加入CD2020Fall 微信申请群。
添加方式：加老王为好友，备注“2020Fall MSBA申请群”。
加老王进群
十年积淀，精于商科！
小助手微信：CDmasterxzl2
电话: +86+10 56733079 +86+10 56733087
公司地址：
北京市西城区西直门外大街1号西环广场T1座24层
上海市徐汇区漕溪北路331号中金国际广场A座12层
小助手二维码
