MS in Applied Data Science
所属信息
基本信息
项目时长
12-18 months学费估算
$62,556申请截止日期
-
秋季
-
常规
1/21(International); 7/23 -
早申请
3/4
-
其他
申请信息
托福/GRE Code
1832申请费
$90TOEFL要求
102.00
IELTS要求
7.00
成绩单寄送要求
网申上传
成绩单邮寄地址
申请时不需要正式，录取后需要
推荐信要求
2(Professors；Supervisors or Managers；Professional Mentors)
文书要求
Applicants are required to demonstrate their motivation, academic potential, and ability to undertake work at the University of Chicago by writing a candidate statement.
Please discuss your academic and career objectives, why you want to attend the University of Chicago Master of Science in Analytics program, and what you hope to do after completing the program. Your statement should not be more than 750 words.
文书思路建议
量化skill要写出来，注重数据分析的应用相关经历。
Motivation：
对于应届生，体现运用数据分析技能解决实际问题的能力。
对工作党，着重描述工作经历，以及遇到的需要通过分析解决的问题意识到当前社会背景下的重要性。
对文社科同学，可以抓研究过程中感觉到了提高自己数据分析能力的强烈需求，展现对社科和大数据结合的新兴领域感兴趣 math/applied math
Why School/Program可以考虑学校声望；设置在Physical Sciences Division下比起传统Analytics项目的优势；能够接触到实际数据；project为主的评价体系；实用导向，就业导向;Networking
Please discuss your academic and career objectives, why you want to attend the University of Chicago Master of Science in Analytics program, and what you hope to do after completing the program. Your statement should not be more than 750 words.
文书思路建议
量化skill要写出来，注重数据分析的应用相关经历。
Motivation：
对于应届生，体现运用数据分析技能解决实际问题的能力。
对工作党，着重描述工作经历，以及遇到的需要通过分析解决的问题意识到当前社会背景下的重要性。
对文社科同学，可以抓研究过程中感觉到了提高自己数据分析能力的强烈需求，展现对社科和大数据结合的新兴领域感兴趣 math/applied math
Why School/Program可以考虑学校声望；设置在Physical Sciences Division下比起传统Analytics项目的优势；能够接触到实际数据；project为主的评价体系；实用导向，就业导向;Networking
Prerequisite
Foundational Noncredit Analytics Courses
学生将有机会完成基础技能评估，并获得Advanced Linear Algebra for Machine Learning、Introduction to Statistical Concepts、R Foundational Course和 Python Foundational Course课程的豁免。80% 或更高的评估分数将免除相关基础课程。低于 80% 的评估分数将需要完成相应的基础课程。
The Introduction to Statistical Concepts and R Course are considered pre-quarter courses and therefore take place during the 5 weeks leading up to your first quarter with the program.
统计、数学或计算机相关背景，社科类也可，高GPA；非官方消息，偏爱美本 UIUC UC学生较多
量化课程方向：stats ds programming
学生将有机会完成基础技能评估，并获得Advanced Linear Algebra for Machine Learning、Introduction to Statistical Concepts、R Foundational Course和 Python Foundational Course课程的豁免。80% 或更高的评估分数将免除相关基础课程。低于 80% 的评估分数将需要完成相应的基础课程。
The Introduction to Statistical Concepts and R Course are considered pre-quarter courses and therefore take place during the 5 weeks leading up to your first quarter with the program.
统计、数学或计算机相关背景，社科类也可，高GPA；非官方消息，偏爱美本 UIUC UC学生较多
量化课程方向：stats ds programming
申请材料
Electronic unofficial transcripts
Two letters of recommendation
Candidate statement
Resume/CV
语言要求：102 on the TOEFL internet-based test/ 7 on IELTS(一年海外学习可waive HK SGP UK US CA AUS)
GRE OPTIONAL（Recommended)
$90 application fee
没有面试
Optional Programming Skills Supplement
Optionally, please include a PDF of no more than two pages demonstrating current programming language skills. Examples include a PDF submission of a Jupyter notebook, a GitHub page, or a similar image showcasing individual programming work.
Courses: math/applied math; Statistics/Econometrics/ML; Computing Courses
Two letters of recommendation
Candidate statement
Resume/CV
语言要求：102 on the TOEFL internet-based test/ 7 on IELTS(一年海外学习可waive HK SGP UK US CA AUS)
GRE OPTIONAL（Recommended)
$90 application fee
没有面试
Optional Programming Skills Supplement
Optionally, please include a PDF of no more than two pages demonstrating current programming language skills. Examples include a PDF submission of a Jupyter notebook, a GitHub page, or a similar image showcasing individual programming work.
Courses: math/applied math; Statistics/Econometrics/ML; Computing Courses
适宜学生
获得应用最先进的数据工程和软件技能的高级熟练程度，以支持各种分析应用程序
学习数据收集和准备方法，包括识别相关数据源、准备分析数据以及自动化数据准备过程
深入了解既定的和最先进的统计建模、机器学习和人工智能技术
通过使用与战略业务问题相关的分析工具并使用我们的行业合作伙伴提供的真实数据集来设计和实施应用研究
培养有效的领导能力和沟通技巧，例如开发有影响力、实用的解决方案以及理解业务与分析战略之间的关系
芝加哥大学分析科学硕士 (MScA) 的课程向未来的数据科学领导者传授高级编程和数据工程架构技能，以应对自动化机器学习、大数据和云计算平台以及随之而来的大规模工程挑战具有并行处理和实时 AI 解决方案,并鼓励学生无论在任何行业深入分析领域，发现使用分析来探索复杂问题的新方法，成为该领域的领导者。
学习数据收集和准备方法，包括识别相关数据源、准备分析数据以及自动化数据准备过程
深入了解既定的和最先进的统计建模、机器学习和人工智能技术
通过使用与战略业务问题相关的分析工具并使用我们的行业合作伙伴提供的真实数据集来设计和实施应用研究
培养有效的领导能力和沟通技巧，例如开发有影响力、实用的解决方案以及理解业务与分析战略之间的关系
芝加哥大学分析科学硕士 (MScA) 的课程向未来的数据科学领导者传授高级编程和数据工程架构技能，以应对自动化机器学习、大数据和云计算平台以及随之而来的大规模工程挑战具有并行处理和实时 AI 解决方案,并鼓励学生无论在任何行业深入分析领域，发现使用分析来探索复杂问题的新方法，成为该领域的领导者。
特点
在芝加哥市中心NBC Tower授课 不在主校区；一年四个学期，workload较大；part-time的当地学生占比较多
Typical MScA students have two or more years of work experience.
专为有技术领域背景、想成为数据科学家的职业人士设计。适合有社会或生物科学背景的人，以及想要提高分析技能的MBA。希望成为分析专业人士的物理或社会科学领域的应届生也可以申请。
这个项目比一般的工程院下的数据科学项目要偏注重实际运用一些，但是因为芝大重视理论的传统，又比一般商学院下的商业分析项目更扎实一点，所以这是一个很适合就业的项目。
注重实战，大多数课的期末都是project-base而不是考试based，基本上每一节课都要做presentation，要求学校自己组队，找topic，找数据，并且不但要做数据分析，还要做presentation，是很好的锻炼soft skills的机会，而且因为大多数课上完后都可以往简历上加一个project experience，对于没什么data基础的同学而言，是个非常难得的润色简历的机会。
课程设置：
https://professional.uchicago.edu/find-your-fit/masters/master-science-analytics/curriculum
twelve credit courses + a final capstone project
Core Courses
build their theoretical analytics knowledge and practice applying this theory to examine business problems.
Time Series Analysis and Forecasting
Statistical Analysis
Data Mining Principles
Machine Learning and Predictive Analytics
Linear and Nonlinear Models for Business Application
Data Engineering： Data Engineering Platforms for Analytics or Big Data Platforms
Leadership：Leadership Skills: Teams, Strategies, and Communications or Data Science for Consulting
Elective
Big Data Platforms
Financial Analytics
Marketing Analytics
Credit and Insurance Risk Analytics
Data Visualization Techniques
Health Analytics
Optimization and Simulation Methods for Analytics
Bayesian Methods
Digital Marketing Analytics in Theory and Practice
Advanced Machine Learning and Artificial Intelligence
Natural Language Processing and Cognitive
Real Time Intelligent Systems
Reinforcement Learning
相对较少，没有那么灵活。每门课都是小班教学，最多20-30人，不仅仅是Analytics项目的学生，也有机会与其他专业甚至PhD、或有多年工作经验的学生一起上课，可以互相分享经验和心得。 此外，还有不计学分的workshops和短期课程，如Hadoop Workshop、Linux Workshop、R Workshop、Deep Learning and Image Recognition等，可以帮助学生更好地学习学分课程。
Capstone
completed over two quarters and covers research design, implementation, and writing. 通常毕业前两个学期开始，全日制学生一般在第三个学期开始。
给学生提供了开发和实施数据科学解决方案的机会，以解决组织试图解决的问题，增强他们的分析能力，并探索潜在的就业关系。
目前提供的capstone项目包含：COPD Readmission and Cost Reduction Assessment；An NFL Ticket Pricing Study: Optimizing Revenue Using Variable And Dynamic Pricing Methods；Using Image Recognition To Identify Yoga Poses；Using Image Recognition to Measure the Speed of a Pitch；Real-Time Credit Card Fraud Detection
Info sheets【class size】
据非官方数据，入读full-time的学生有40-50人，绝大部分是国际生；part-time的较多，有100人左右，绝大多数是当地学生。在专业背景方面，除了为了保持多元化，录取了少数经济、会计、business背景的外，绝大多数学生都是统计、数学或计算机相关背景。
职业发展方向
因为项目多数学生是有过相关工作经验的，所以整体就业情况非常乐观，项目调查的就业数据如下：
- 30% 的雇主提供学费资助。
- 75% 的学生在毕业时找到了新工作。
- 学生工资增加了 33%。
- 毕业生工资增长了 52%。
每年一共有两次专门为理工科学生开办的大型校园招聘会，芝加哥大学所有advanced degree 项目统一使用一个求职网站，GRAD Gargoyle，全年有职位放出，也有一些公司来访校和校园打工的信息，全校每年有两次career fair，秋冬季各有一次，项目也有自己的career fair，比较偏向于数据分析，数据科学方向的。全年都有很多info session，各种公司都会来，包括金融，咨询，科技，传统行业比如零售和医疗行业。每个学院本身也配有career advisor，提供简历修改，模拟面试等服务。而项目本身的各种club（如sports analytics或者consulting club）会定期组织活动，比如networking，mock，case interview等。
偏科技的有亚马逊，Facebook，Groupon等；偏商的有麦肯锡，BCG，德勤等；还有其他零零散散各个行业（AA，麦当劳，Discover等）
Typical MScA students have two or more years of work experience.
专为有技术领域背景、想成为数据科学家的职业人士设计。适合有社会或生物科学背景的人，以及想要提高分析技能的MBA。希望成为分析专业人士的物理或社会科学领域的应届生也可以申请。
这个项目比一般的工程院下的数据科学项目要偏注重实际运用一些，但是因为芝大重视理论的传统，又比一般商学院下的商业分析项目更扎实一点，所以这是一个很适合就业的项目。
注重实战，大多数课的期末都是project-base而不是考试based，基本上每一节课都要做presentation，要求学校自己组队，找topic，找数据，并且不但要做数据分析，还要做presentation，是很好的锻炼soft skills的机会，而且因为大多数课上完后都可以往简历上加一个project experience，对于没什么data基础的同学而言，是个非常难得的润色简历的机会。
课程设置：
https://professional.uchicago.edu/find-your-fit/masters/master-science-analytics/curriculum
twelve credit courses + a final capstone project
Core Courses
build their theoretical analytics knowledge and practice applying this theory to examine business problems.
Time Series Analysis and Forecasting
Statistical Analysis
Data Mining Principles
Machine Learning and Predictive Analytics
Linear and Nonlinear Models for Business Application
Data Engineering： Data Engineering Platforms for Analytics or Big Data Platforms
Leadership：Leadership Skills: Teams, Strategies, and Communications or Data Science for Consulting
Elective
Big Data Platforms
Financial Analytics
Marketing Analytics
Credit and Insurance Risk Analytics
Data Visualization Techniques
Health Analytics
Optimization and Simulation Methods for Analytics
Bayesian Methods
Digital Marketing Analytics in Theory and Practice
Advanced Machine Learning and Artificial Intelligence
Natural Language Processing and Cognitive
Real Time Intelligent Systems
Reinforcement Learning
相对较少，没有那么灵活。每门课都是小班教学，最多20-30人，不仅仅是Analytics项目的学生，也有机会与其他专业甚至PhD、或有多年工作经验的学生一起上课，可以互相分享经验和心得。 此外，还有不计学分的workshops和短期课程，如Hadoop Workshop、Linux Workshop、R Workshop、Deep Learning and Image Recognition等，可以帮助学生更好地学习学分课程。
Capstone
completed over two quarters and covers research design, implementation, and writing. 通常毕业前两个学期开始，全日制学生一般在第三个学期开始。
给学生提供了开发和实施数据科学解决方案的机会，以解决组织试图解决的问题，增强他们的分析能力，并探索潜在的就业关系。
目前提供的capstone项目包含：COPD Readmission and Cost Reduction Assessment；An NFL Ticket Pricing Study: Optimizing Revenue Using Variable And Dynamic Pricing Methods；Using Image Recognition To Identify Yoga Poses；Using Image Recognition to Measure the Speed of a Pitch；Real-Time Credit Card Fraud Detection
Info sheets【class size】
据非官方数据，入读full-time的学生有40-50人，绝大部分是国际生；part-time的较多，有100人左右，绝大多数是当地学生。在专业背景方面，除了为了保持多元化，录取了少数经济、会计、business背景的外，绝大多数学生都是统计、数学或计算机相关背景。
职业发展方向
因为项目多数学生是有过相关工作经验的，所以整体就业情况非常乐观，项目调查的就业数据如下：
- 30% 的雇主提供学费资助。
- 75% 的学生在毕业时找到了新工作。
- 学生工资增加了 33%。
- 毕业生工资增长了 52%。
每年一共有两次专门为理工科学生开办的大型校园招聘会，芝加哥大学所有advanced degree 项目统一使用一个求职网站，GRAD Gargoyle，全年有职位放出，也有一些公司来访校和校园打工的信息，全校每年有两次career fair，秋冬季各有一次，项目也有自己的career fair，比较偏向于数据分析，数据科学方向的。全年都有很多info session，各种公司都会来，包括金融，咨询，科技，传统行业比如零售和医疗行业。每个学院本身也配有career advisor，提供简历修改，模拟面试等服务。而项目本身的各种club（如sports analytics或者consulting club）会定期组织活动，比如networking，mock，case interview等。
偏科技的有亚马逊，Facebook，Groupon等；偏商的有麦肯锡，BCG，德勤等；还有其他零零散散各个行业（AA，麦当劳，Discover等）
