数据分析硕士哪个好？
作为一个在四大做了两年（非数据岗），后跳到某外资投行做三年IBD，再回到四大做一年咨询的人，对于这个问题还是有一定发言权的。 先放结论 在可承受的预算内，首选UCLA，其次是Yale， CMU， UCB， 最后是哥大和NYU TANDEM （注：由于哥大CS已经扩招成一个“学派”了，所以慎重选择！） 再放分析 一、学校层面 在我看来，学校可以分成三类，一类是顶级名校，比如哈佛、斯坦福、芝加哥等，这类学校的优势在于学生质量高，同学之间互相认识的机会多，适合想要深耕学术的同学；另一类是偏就业导向的学校，比如CMU、哥大、杜克大学，这一类学校的优势在于就业资源多，对将来希望从事金融行业工作的同学来说无疑是最佳选择；最后是一类是介于两者之间的学校，如UCLA，BU，WUSTL等等，这些学校的优点在于地处湾区，实习找工作方便。
哥大的数据科学是一个跨学科的院系，它隶属于工程学院，因此跟工学院的学生属于同一个学院。
二、项目本身 这个项目的核心课程大概有12门左右，包括R语言、python、统计分析、数据结构与算法、数据库等领域。每个学期要上4-5门课，课程量很大。除了核心课程以外，学生还需要选两个方向的分支，一个分为分析方向（Analytics）和一个为金融方向（Finances），我在analytics分支下学习了随机数学，在finances分支下学了公司理财。
每个学期会有一次midterm考试和最后一次final考试，所有的考试都是笔试加论文的形式。这个项目一共需要完成30个unit的学习，通过所有考试就可以拿到学位。 另外这个项目还有两个重要的加分项，一个是哥大本身的校友资源，另一个就是这个项目与Citadel有合作，可以有机会去投行实习。当然这个项目也有它的劣势，最大的问题在于学习时间太短，只有1年，要在这么短的时间内学完这么多课程并达到拿学位的unit数确实压力非常大，很多课程需要自学完成，学业压力很大。
三、个人感受 我认为这个项目的定位是一个非常偏quant的项目，因此比较适合将来希望做一名Quant trader或者quant researcher同学，如果像题主一样想走data science的路子建议慎重考虑。