项目推荐丨南加州大学分析学，编程、统计、机器学习都会涉及

入学时间：春季/秋季

项目时长：3-4学期项目

学费：2148美元/学分

申请要求：GPA至少达到3.0

语言要求

项目解析

在当今的大数据时代，分析学（MS in Analytics）硕士项目旨在培养拥有扎实定量分析技能的工程和管理人才。

分析学是一门交叉学科，使用工程方法来分析数据，从而分析、管理工程与企业经营过程。严格的数学模型与计算机工具训练是项目的重中之重。分析学与数据科学内容相近，但比数据科学更为专门和集中。

课程设置

MS in Analytics是3-4学期可完成的研究生项目，学生通过此专业收获的技能与知识可以帮助他们在分析和数据科学领域展开职业生涯。

MS in Analytics适合那些有Data Science、统计和数学相关背景并且希望在这些领域或者其他工程学科领域深入研究的同学。

在MS in Analytics专业的课程设置里完美涵盖了编程的基础知识，因为这些是学生们进入到深度统计学或机器学习的基础。

这个专业，学生们将学习成为数据分析师和数据科学家所需的所有技能。包括总结和呈现复杂数据的能力，运用机器学习方法预测不同复杂场景的结果，以及将数据转化为可执行的建议。

MS in Analytics结合了统计和机器学习建模，以解决当今数据驱动世界的实际问题。学生们会学习如何为决策者提供全面的分析报告，从而帮助他们做出明智的决策，为企业赋能。

在学习期间，他们会熟练掌握一些常用的数据分析处理的最新软件和编程工具，包括用于机器学习的Python、R和SAS可视化分析。当学生完成了必修课程，他们就可以选择他们感兴趣的选修课来进一步提高在细分领域中的数据分析能力。

南加大选课

USC在选课上的灵活度还是很高的，学生需要修满10门课程，其中有6门是必修课，有4门是选修课。

选修课的选课范围也比较广，包括：INF（也就是Informatics方向的课程）、CSCI（也就是CS方向的课程）、DSO（也就是隶属于商学院的数据科学方向的课程）。知识设计的深度和广度都还算比较不错，比如说，必修课程中会涉及到Optimization、SQL还有Python等相关领域的内容。

完全可以依据自己的兴趣方向进行选课，数据挖掘、数据可视化、R语言、Machine Learning、Deep Learning等相关的内容都可以学习得到。

选课其实还是看你自己的想去所在，本身南加大在选课上是没有什么限制。想轻松一些就选点水课，比如说写作课之类的课程，多下来的课余时间也去自学或者做一些自己喜欢的事情。

想多学点知识，就选神课，不过load肯定也会重一些，要有心理准备，拿A肯定是不容易的。就算你是没有基础的转码小白，也不用担心课程设置的难度。

个人感觉这个项目的必修课难度并不是特别高，基本上都是一些基础核心知识。不过有些选修课还是有一定难度的，授课老师基本上默认你具备一定的Python编程能力。

在上选修课之前，如果没接触过Python，最好还是自学一下，这样在上课的时候会更轻松一点。选课的时候，也要根据自己的实力进行选择。

比如说Machine Learning这种难度偏高的神课，对零基础转码选手并不是特别友好，课上理解也好，课下做作业和project也好，都并不简单。而且有些课程的作业也有一定的难度，但如果是非神课，一般在网上都能找到思路，虽然会耗费一定的时间和精力，但不至于做不出来。

有一个小细节这里提一下，Analytics项目的同学本身是不需要修Engineering Economy这门课的。不过如果是从General ISE转项目转过来的，Engineering Economy这门课程是需要先修的，比正常申请项目的同学要多修一门课，也就是多交一点学费。

就业方面

如果你没有CS基础，但想从事CS这个行业的话，完全可以申请这个项目。Analytics这个项目是个不错的转码项目，因为这个项目并不要求申请者是CS科班出身，对转码选手比较友好，而且申请门槛偏低，选课灵活度较高。

这个社会对Analytics and Data Science的需求正在急剧增长，越来越多的企业需要这样的专业人员。

USC Viterbi的毕业生在各个领域的数据驱动型企业中工作，其中包括：零售、银行、娱乐、医疗健康、制造业、政府、交通等等。

毕业生们在各行业中担任金融分析师、分析顾问、分析经理和医疗保健分析师等职位。