有研究人员针包括加州大学伯克利分校、纽约大学、卡内基美隆大学、哥伦比亚大学在内的授予数据科学硕士学位（Master of Science in Data Science）的18所高校的课程设置进行了研究，针对其课程设置，可以将其分为四类：
①理论类,包括数学与统计学原理、数据科学概论、计算机科学概论等基础理论课程；
②技术类,包括系统构建、数据计算,以及数据采集、存储、组织、检索、应用等过程所需的技术；
例如机器学习、数据库、数据挖掘和数据建模,旨在帮助学生掌握Python/Java/Pig/Hive等编程语言,提高学生应用分布式文件系统工具的能力,提高学生的数据分析能力。
③应用类,指数据科学的跨领域应用研究课程；
因为数据科学可用于各个行业，因此方向类课程也是每个学校的特色，例如哥伦比亚大学的MSDS有开金融量化大数据分析、可持续发展智慧城市大数据分析、生物信息大数据；斯坦佛大学开的数据驱动医疗课程，视觉识别神经网络、地理统计信息等都非常有趣。
④实践类,包括课程实验、专题研讨与实用技能培养相关的课程。
调查的高校共开设必修课程202门,其中,理论类课程47门、技术类课程122门、应用类课程14门、实践类课程19门。可以看出美国数据科学硕士专业重视基础理论知识和学生技术能力的培养，其中，特别重视数学与统计学原理、机器学习、数据挖掘、数据分析、大数据相关课程。
而应用类及实践类课程在数据科学专业人才培养中具有重要作用。大多数高校要求学生在结业之前完成类似于国内的毕业设计、毕业实习的顶点项目(Capstone Project)，学生以小组或个人的形式直接参与项目,待项目完结后上交项目报告并进行项目汇报。
如纽约大学要求学生对工业、政府机构、非政府机构或学术界存在的真实问题进行研究,学生需要参与项目的整个流程,从数据采集、数据处理、数据分析到提供解决方案。同时,学校为每个团队配备1名项目咨询老师,并且大部分的原始数据由项目赞助人(企业、机构等)提供。
如果您想了解详细信息，请在线联系我们。
