一、基本情况

哈佛大学数据科学硕士项目关注可重现的数据分析、协作解决问题、可视化和交流，以及数据科学中出现的安全和道德问题。

要获得数据科学理学硕士学位，学生必须完成 12 门课程。这要求学生至少在校学习三个学期(一个半学年)。有些学生会选择延长第四个学期的学习时间，以选修更多课程或完成硕士论文研究项目。

二、培养目标

建立统计模型并了解其威力和局限性

设计实验

使用机器学习和优化进行决策

获取、清理和管理数据

可视化数据以进行探索、分析和交流

团队内部协作

提供可重复的数据分析

管理和分析海量数据集

利用广泛可用的工具组装计算管道以支持数据科学

根据政策、隐私、安全和道德考虑开展数据科学活动

将解决问题的策略应用于开放式问题

三、课程设置

1.核心课程

AC 209a Data Science 1: Introduction to Data Science

AC 209b Data Science 2: Advanced Topics in Data Science

AM 207 Advanced Scientific Computing: Stochastic Methods for Data Analysis, Inference, and Optimization

AC 207 Systems Development for Computational Science

AC 221 Critical Thinking in Data Science

2.研究课程

AC 297 Data Science Capstone Research Project Course

AC 299 Independent Study in Applied Computation

3.热门选修课

CS 165 Data Systems

CS 171 Visualization

CS 181 Machine Learning

CS 182 Artificial Intelligence

CS 281 Advanced Machine Learning]

CS 282 Topics in Machine Learning

STAT 131 Time Series & Prediction

STAT 139 Linear Models

STAT 149 Generalized Linear Models

STAT 195 Statistical Machine Learning

四、学位要求

至少三个学期共需修12门课程。

每个学生的SM学位学习计划将包括：

四门技术核心课程

AC 221“数据科学中的批判性思维”

至少一次研究经验(顶尖课程或硕士论文项目)

至少一门计算机科学选修课和一门统计学选修课

AC 298研讨会课程最多四个学分(两个学期)

最多一门独立研究课程

最多四门其他“免费”数据科学选修课(可能来自其他FAS系或哈佛其他学校)

学生最多可以计算2门非技术课程