作者：AdmitWrite留学中心链接：https://www.zhihu.com/question/379963069/answer/1221525439来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。哥伦比亚大学和纽约大学如今都有DS项目，而且两所高校都位于纽约，所以在地理位置上并没有太大的差别，而这两个项目开设的时间又不是很长，在选择的时候也会觉得迷茫，所及今天我在这里先对比一下这两个项目，希望能够帮助题主做出适合的选择。Data science虽然是一个最近才兴起的概念，但是这个概念其实并不是多么新奇，这个方向的项目主要就是学习统计、算法、机器学习、分布式系统、数据库、NLP以及可视化等方面的知识，从而更好地应对如今的数据分析处理相关的工作。我们也可以看出DS是一个十分综合的项目，因此大部分的DS项目基本上都没有培养PhD的计划，项目主要目的是为了培养出同时具有统计、金融、CS能力的专业人才，NYU和哥大的DS项目也都是如此的，下面我就分别和同学们介绍一下两所高校的DS项目。
哥大DS项目哥伦比亚大学的DS项目是结合了统计、CS等专业资源开设了的一个项目，项目的时长为一年半，一共需要修30个学分，同学们在毕业之前不需要写论文，这些基础的要求在哥大项目的官网上都是可以很轻松地查到的，所以在这里我就不赘述了，同学们如果感兴趣的话可以自己到官网上查找相关的信息。必修课程哥大项目的核心课程主要是CS和统计两个部分，其中CS部分主要学习的是算法以及并行计算系统方面的知识，统计方面的教学则以机器学习和统计推断两部分为主。项目要求的必修课一共有6门，下面我也和大家主要介绍其中的几门课。首先是algorithms for data science这门课，算法课的内容主要就是算法和数据结果，教学内容还是很丰富的，课上写代码使用的都是python。这门课的上课进度在项目众多课程中算是很慢的，这也是因为项目中同学本身的专业背景不同，这样也是照顾那些算法基础比较差的同学，让他们也可以跟上进度，所以在我看来这门课对于那些编程、算法基础薄弱的同学来说是绝佳的入门机会，也很适合他们去选择。
下一门课是统计推断和建模，这节课的内容相较之下就要高阶很多了，课程主要也是分为两个部分，一般重点是数理统计、假设检验等内容，剩余的部分主要讲的是机器学习的入门知识。这门课的作业有理论题，同时也会要求同学们用r去写基本机器学习的算法。而且这门课需要同学们拥有一定的概率论及线性代数基础，同学们在国内上过数学系的相关专业课或是工科专业的数学基本就满足学习的需要了。另外还有machine learning for data science的课程，所以说必修课程的学习足以帮助同学们在机器学习方面打下很好的基础，至于概率论这门课国内大部分的同学在本科就学过相关的知识，所以很多同学都会选择waive掉这门课。选修课程说完了必修课接下来是选修课，哥大的DS项目在选修课方面还是很自由的，同学们可以自由选择全校所有的课程。不过需要注意的是哥大很多热门的课程申请的人数是很多的，一些课程的waitlist长度让人叹为观止，所以大家在选课之前一定要做好规划，同时和advisor沟通好。总之哥大的DS项目课程整体来说核心课程的学习量比较适中，不是很难，所以很适合那些没有什么CS基础但是数理背景很好的同学来选择。另外同学们可以结合自己的需要去选择硬核的课程或是一些水课，因此无论同学们有怎样的需要项目都是可以满足的。
NYU DS项目接下来我再和同学们介绍一下NYU DS项目，这个项目是隶属于courant的，courant的应用数学专业排名第一，所以项目的师资力量和学术资源是很强大，另外因为courant的影响，项目的名声和受认可程度还是很不错的。课程设计接下来说课程设计，该项目一般是两年毕业，同学需要修满36个学分，其中有6门必修课和6门选修课。NYU的DS项目课程设计十分的成熟，其并不是简单地让同学们学习统计、CS等领域的知识，而是在按部就班地培养一个data scientist，所以同学们在平时的学习中可以很明显地体会到自己的成长，更为重要的是在这里学习之后我们对于data science的了解会更加的深刻，这对于同学们毕业之后的发展是很有帮助的。NYU的DS项目必修课质量都是比较高的，第一年同学们需要学习intro ds、stats、machine learning、big data等课程，第一年的课程并不是很难，如果同学们有相关的专业背景的话，学起来还是会比较轻松的。stats和machine learning教授的都是比较基础的内容，但是这些内容更偏理论一些，而machine learning是所有同学公认的神课，所有上过这门课的同学都对其赞不绝口，在里面每个人都能有很多的收获。不过big data这门课的风评就不是很好了，很多同学都觉得这门课有些坑。而第二年要学习stats inference，还要完成final project，stats inference这门课还是很难的，学起来会吃力一些，不过学完之后的收获也是很多的。
另外NYU的选修课同样是十分自由的，在这里同学们也是可以随意选择自己想要学习的课程，像stern和cs的课程都是可以选的，而且很容易选上，并不会出现几百人进入waitlist的场面，这也是其一个优势。在这里我和大家介绍几个项目的选修课，deep learning和NLP都是很不错的选择，这些课程内容很硬核，80%的内容都是需要同学们去自己学习的，因此挑战性很大，不过学起来也的确很有意思。另外还有一些选修像advance programming和text mining相比之下就有些水了，不过同学们也可以结合自己的需要去选择。另外就是现在各个企业对于data science相关人才的要求越来越高，很多岗位也更倾向于招收PhD的学生，NYU的DS项目是可以申请继续读PhD的，只要我们在学习的过程中和教授进行沟通就可以。而且因为项目的课程涵盖面比较广泛，所以大家在学习的时候如果发现自己对某个研究方向比较感兴趣的话，也是可以继续深入学习，读一个相关的PhD，所以说项目的发展方向也是很多样的。另外NYU的DS项目虽然正常是两年毕业，但是如果同学们每个学期多选择一些课程的话也是可以提前毕业的，只是这样平时的学业压力会很大，大家这样做之前一定要做好准备。
就业情况说完了课程的设计，接下来就是大家十分关心的就业情况了，首先是哥大的项目。哥大的项目cpt是在9个月之后才能使用的，之前只能做一些校内的工作，不过同学们也不用着急，因为在纽约是不愁没有实习和就业机会的，另外学校和学院也会为同学们提供很多的资源，同学们可以在学校的网站上看到很多招聘的信息，同时advisor也会经常推送招聘相关的邮件给同学，这方面还是很让人满意的。同学们需要做的就是将专业中的核心课程都学好，提升自己的专业能力，这样未来在找工作的时候基本不会遇到什么困难。项目毕业生找工作的时候，更多的同学都是在小的startup做data scientist，不过也会有有些同学进入投行领域的big name工作，但是那样的工作对于machine learning的要求是很高的，所以我建议同学们在就业之前一定要打好machine learning方面的基础，这可以大大提升我们在就业过程中的竞争力。而NYU在就业方面也是很用心的，学院基本每个星期都会请企业来做info session，另外系里也经常会有career fair，虽然来到这里的企业规模参差不齐，不过至少可以为同学们提供更多的就业机会。另外career center在平时也会为同学们提供很多求职方面的服务，老师会帮助同学们修改自己的简历，同时也会有模拟的求职面试，这些对于求职的帮助都很大。另外NYU的校友资源也是很丰富的，同学们利用networking也是可以找到很多不错的工作机会的。
以上就是我对两个项目的对比了，总体来说两个项目都是很不错的，不过相对来说哥大的统计和CS都要比NYU强一些，特备在machine learning和NLP方面哥大更是有很多的牛人，同时哥大的校友资源和学习氛围也更好。另外哥大在国内的受认可程度还是要强上很多的，不过在美国当地，人们普遍认为纽约大学是和哥伦比亚大学一样优秀的，所以说对于想要在美国就业的同学来说，这方面的影响倒不是很大。总之这两个项目对于同学们来说都是不错的选择，大家也要结合自己的需要来决定自己究竟要申请哪一所高校，最后我也祝愿同学们都可以申请到自己心仪的项目。
AdmitWrite，基于共享经济模式建立的知名互联网留学平台，留学届Uber。迄今为止，平台入驻世界顶级名校导师已超过1000名，实现美国TOP30，英国G5，澳洲八大等多个地区名校全覆盖。学术大牛？名校学霸？外籍名校导师？牛人汇集地，你想要的都在这里。人文社科/商科/工科？理科/艺术/法学？不管什么方向，我们都能为你匹配同专业名校学霸，申请so easy！中介价格不划算？线上模式，拒绝无谓成本，打造极致专业度，极具性价比服务，让每一分钱都花到实处。大牛谈留学之申请硬知识可以关注专栏：学霸谈美国申请：哥大学姐带你冲藤校大牛谈英国留学：剑桥学姐带你申海外名校海量名校实战申请经验：海外名校申请经验
