新兴的数据科学对于当今世界的决策、理解观察和解决问题已经变得至关重要。无论我们是想把人工智能技术应用到一个问题上，还是建立一个真实世界现象的计算模型，统计检验一个假设，还是分析结构化的、文本的或图像的数据，数据科学和数据分析技术都正在成为每个科学家、研究人员、工程师和政策制定者的工具箱中必不可少的一部分。
一、课程介绍
宾夕法尼亚大学的数据科学是工程学学位，计划通常需要1.5年-2年的时间完成。获得数据科学学位需要学习10门课程，包括基础课、核心课、技术和深度领域选修课。其中
基础课有2门，分别是：
1.编程语言和技术（pl）：cit590 编程技语言和技术﹙或者cit591-软件开发简介﹚。
2.算法：cit596算法与计算。
核心课有3门，分别是：
1.数学：数学统计﹙ stat 512） 或 线性代数/优化﹙cis 515﹚或 数据科学stat﹙ese 542）。
2.大数据分析：大数据分析﹙cis 545﹚。
3.挖掘和学习：机器学习入门﹙cis 519﹚ 或机器学习﹙cis 520﹚ 或现代数据挖掘﹙stat 571 ﹚或 数据驱动的建模和概率科学计算（enm 531）或数据挖掘：从海量数据集（ese）中学习545）。
深度领域在数据科学应用领域中提供预备课程和论文或实践。
a 专题论文/实习
需要注册ats 597-硕士论文﹙2学分﹚或ats 599-硕士独立学习﹙2学分﹚。项目建议将提供给学生。学生可以从这些建议的项目中进行选择，或者也可以提出他们自己的项目/顾问的想法。学生将由项目主任和项目领域的顾问共同指导，并必须获得教务主任的批准。
b 生物医学
- 脑机接口（be 521）
- 网络神经科学（be 566）
- 建立生物系统的数学计算方法（be 567）
- 计算生物学和生物学建模简介（cis 536）
- 生物医学图像分析（cis 537）
- 理论与计算神经科学（phys 585）
- 生物信息学（stat 953）
c 社会/网络科学
- 计量经济学i-基础知识（econ 705）
- 计量经济学iii：截面计量经济学的高级技术（econ 721）
- 计量经济学iv：时间序列计量经济学的高级技术（econ 722）
- 市场营销中的应用概率模型（mktg 776）
以数据为中心的编程
- 软件系统 （cis 505）
- 数据库（cis 550）
- 高级编程（cis 552）
- 互联网和web系统（cis 555）
- 编程和问题解决（cis 559）
- 软件工程（cis 573）
- 计算机系统编程（cit 595
e 调查和统计方法
- 预测和时间序列分析（stat 910）
- 抽样调查方法（stat 920）
- 观察性研究（stat 921）
- 社会，行为和生物科学的现代回归（stat 974）
- 加速回归分析（stat 621）
f 数据分析和人工智能
- 人工智能（cis 521）
- 数据科学深度学习（cis 522）
- 计算语言学（cis 530）
- 机器感知（cis 580）
- 计算机视觉（cis 581）
- ml中的高级主题（cis 620）
- 计算机视觉高级主题（cis 680）
- 机器人技术学习（ese 650）
- 现代数据挖掘（stat 57 1）
g 自然科学/工程学的仿真方法
- 分子建模与仿真（cbe 525）
- 能量和化学转化计算科学（cbe 544
- 有限元分析（meam 527）
- 计算力学（meam 646）
- 材料科学中的原子建模（mse 561）
- 生物系统的多尺度建模（be 599）
- 建立生物系统的数学计算方法（be 567）
由课程也可以看出宾大的数据科学硕士为学生提供了一系列以数据为中心的职业培训，无论是技术和工程，咨询，科学，政策制定还是文学，艺术或通信模式。
二、招生要求
前提课
数据科学硕士面向强大数学和统计能力以及一定的编程经验的学生。
申请清单
- 入学前要获得学士学位，学制不得少于3年
- 在线申请系统
- 简历
- 个人陈述（不超过2页；主题有您为什么对该程序感兴趣？/您做了什么使您成为出色的候选人/您将如何从该计划中受益/当您在这里时，您打算如何为seas的学生社区做出贡献？/您为什么会成功参加该计划？/完成程序后，您将做什么/完成什么）
- 推荐信（2封）
- 非官方成绩单（英文、不需要认证）
- 申请费（$80）
- gre研究生入学考试
- 托福100与雅思7.5
注意：所有的材料在提交后只能更新一次，也不能保证将对更新的材料进行审核。所以提醒申请者在申请前把资料要确认好。另外正式成绩单在录取后再提供给学校。
如有问题，请点击咨询哦。
