申请美国大学的数据科学硕士，常见的本科专业有 Computer Science/Technology; Engineering; Business Management; Finance; Math; Statistics, etc.
各大学对申请学生有较为明确而统一的要求，数学背景包括微积分、线性代数、概率论、统计学、数学建模等等；计算机背景包括计算机导论、SQL、Database和编程等。
大多数项目倾向录取数学、统计等计量学科背景的学生，同时希望申请人有软件编程基础、会写程序分析数据。仅仅上过高数、线性代数和概率统计这三门基础课是不够的。 如果没有非常强的数理基础，建议申请BA等要求没有这么强的专业。
除此之外，希望申请人有比较强的解决问题和交流沟通能力。如果有工作经验，申请时候会是加分项。文书中注意结合工作体现对这个专业的理解和看法。如果没有工作经验，建议文书中设计相关内容强调背景和能力可以胜任这个专业。
先修课要求
以Harvard的Master of Science in Data Science为例：
Prerequisites we expect from applicants include knowledge of calculus and linear algebra, familiarity with probability and statistical inference, fluency in at least one programming language such as python or R, and an understanding of basic computer science concepts.
Columbia的 Data Science要求：
Prior quantitative coursework (calculus, linear algebra, etc.)
Prior introductory computer programming coursework (Python, Java, R, C++, etc.)
美国大多数院校的数据科学硕士要求：
1、修过计算机基础
2、数学基础（比如微积分、线性代数）
3、熟悉概率论、或者统计
4、如果没有这些先修课程甚至会开始预科夏季课程给学生，不计入学分当中，比如布朗大学。
如果有转专业的同学可以尽可能的修习以上课程，提升自己的竞争力，通过二学位、辅修学位、暑期课程、网课等方式多修课程。或者多参与实践实习科研也对申请数据科学有很大帮助。 布朗大学提供的全面的数据科学基础知识，可以建议学生自学
[DS专业和BA 专业在课程设置上总体差别不大 ,都以整合大数据为导向，Business Analytics更偏Business, Data Science 更偏CS 方向。常见必修课和BA类似，包括数学统计，数据处理工具语言（Python, R, Excel）数据库和数据库语言（Sql），另外会学习更高深的数据挖掘和计算机算法]
[数学统计课：]
[Ÿ Calculus One — Coursera]
[Ÿ Linear Algebra - Foundations to Frontiers —Edx]
[Ÿ Introduction to Linear Models and Matrix Algebra —Edx]
[Ÿ Statistics with R Specialization — Coursera]
[Ÿ Introduction to Probability and Data – Coursera]
[工具及数据库语言：]
[Ÿ An Introduction to Interactive Programming in Python - Rice, Coursera]
[Ÿ Introduction to Computer Science and Programming Using Python - MIT, edX]
[Ÿ R Programming — Coursera]
[Ÿ Excel to MySQL: Analytic Techniques for Business Specialization— Coursera]
[Ÿ Managing Big Data with MySQL— Coursera]
[Ÿ Data Visualization — Coursera]
[数据挖掘及算法：]
[Ÿ Data Science Specialization - 10 courses —John Hopkins]
[Ÿ University of Michigan Applied Data Science with Python Specialization – 5 courses - University of Michigan]
[Ÿ Mining the Massive Datasets - Stanford, Coursera]
[Ÿ Data Mining Specialization — Coursera]
[Ÿ Machine Learning - Stanford, Coursera]
[Ÿ Statistical Learning - Stanford, Stanford Online]
[Ÿ Introduction to Computational Thinking and Data Science - MIT, edX]
