綜合各方面來看，紐約大學和哥倫比亞大學相比，哪一個學校的Data Science 碩士項目更好？

01-01

個人希望接受的data science的教育訓練並不是專門為某個特定的方向比如business這樣的領域設計的，而是希望同時可以接觸較多較廣領域的知識，例如金融、生物、地球科學等等，並能將data science運用於其中，從而尋找自己感興趣的方向，並在北美就業或是繼續在相關領域攻讀Phd。

加拿大本科數學統計背景學渣,15年入學NYU DS

課程設置

4學期選項 1，2，3 學期2門必修 1們選修 4 學期3選修

3學期選項1，2，3 學期2必修2選修，

課程整體算是比較合理必修第一年 intro ds, stats, machine learning, big data, 第二年 stats inference, final project 。第一年的課如果有統計背景應該很輕鬆 stats 和 ML 都是從基礎講起，挺偏理論. ML 神課不解釋，我第二次學ML了感覺還是學到了很多新東西。big data 神坑sb課。第二年 inference 據說很難。選修課超多根據個人喜好可選 cs math stats business engineering 我覺得這是NYU DS最大的優勢詳情 Pre-Approved Elective Courses

這裡著重說一下幾個我們CDS的選修課 deep learning 講image recognition 和 NLP 通常是 Yann LeCun 教法國人(感覺做dl 很多法國人) 大牛講課一般 80%自學作業都很有意思很有挑戰性主要是自己讀paper TA陣容強大 workload 蠻大。另外一門 NLP ，Kyunghyun cho 教， GRU 的作者講課非常有條理當然也是用deep learning 做nlp RNN絕活。還有幾門略水的一門學編程的一門advance programming 一門 text mining

總的來說, take home message 是其實我們項目是可以學到很多不同類型的東西因為偏自由的選課機制。當然最好的方向是deep learning 和 nlp

學術深造

其實來讀ds的大部分都沒有phd打算個人認為ds這個專業的意義就在於培養stas cs business 都都不差的scientist 也就是所謂的『Unicorn』, 精髓在於知道如何去發現實際問題，善於轉化成data-oriented問題讀得懂並能實現傳統和比較新的ml方法能夠用直接並淺顯的方法講出自己的solution。如果有深入研究的志向其實應該申請ml。據我所知上一屆只有幾個學長申了phd。基本都是deep learning 和nlp 方向。而且我們的課程比較廣泛如果你發現自己的興趣所在可以深入研究再讀一個相關的phd。我們專業的phd 據說在籌備（2年前就這麼說了）lel

工作/實習

暑假實習基本大家都找到了(FB, BlackRock, Cablevision, AIG, PwC, Comcast, startups.... )， full time 上一屆也不錯主要是在加州和紐約。

資源配置

不吹不黑我們在broadway上有一層的學習空間基本大家都不用去擠圖書館。我們可以用nyu 的 hpc 不算快。如果更需要計算的話可以申請用更好的cluster 有泰坦特斯拉什麼的。。。 btw NYU 將是第一批使用dg-x1的數校之一懂得自然懂

總的來說如果你的目的是就業或者是探索自我（？？？）來NYU CDS 是沒錯的。 CDS污雞們歡迎你!

去一畝三分地上看看比較帖或者院系介紹帖就知道了。從課程設置到選課上看，暫時看來，NYU DS都比哥大DS強。 NYU的優勢是在於關於Data的課太多了，DS自己的課不說，Cournat的CS也包含了一部分Big Data, NLP之類的課（同被DS的Big Data坑= =，不過Cournat CS有門Real Time Big Data Analytics不知道會不會好些）， Steinhard的A3SR會有很多應用統計的課程，Stern有統計的PhD,還有Info的偶爾也提供一些課程可以上，Tandon CS有可視化的課（雖然老師也不怎麼講基本靠自學攤手~），CUSP有關城市數據分析（ML，Big Data這些的我們都開，不過和DS的側重不一樣，還有怎樣通過感測器去採集數據，如何分析聲音圖像數據等等。。），Tisch的ITP還包含了一部分數據可視化（Data Art），前端（Creating API）和感測器的課程。除了Stern的課比較難選到以外，其他學院的課基本開了就能選到，而我經常聽到哥大的同學說，選課難= = 。

如果要讀PhD的話，不如直接申請計算機或者統計的PhD吧 = =

我今年在NYU和Columbia之間百般糾結之後選擇了NYU，可以分享下我在NYU的入讀體驗，對於Columbia ds，只能說我沒了解那麼多。

1 NYU CDS附屬在Courant下，Courant應用數學專排第一，CDS有著很強大的師資力量和學術資源，同時有著Courant的加成reputation還不錯～

2關於curriculum，官網有詳細的介紹，課程設置很成熟了，真的實在一步步培養一個data scientist，而不是簡單的cs stat business課程堆砌。我一開始總覺得想做machine learning會調用庫就好了，來了這裡才慢慢感受到真正的data scientist是要從根本理論上做模型優化和探索，提出自己的insight，我這學期上的一些課程讓我受益匪淺。此外，想選CS或者Stern的課，難度不大，不會出現waiting list幾百人的壯觀場面。

3關於career，學院在這方面很用心，每周都有企業來做info session，每學期也有幾次自己的ds career fair，平時隔三差五也會收到招人的郵件。學校提供的就業資源也很豐富，前一陣有專人來幫忙修改簡歷和mock interview，幫助很大。

4可以簡單分享下我當初選擇NYU的理由：兩年制有更多時間，選課自由度大，人沒那麼多，項目聲譽很好，往年就業數據不錯。

總而言之，如果真的想做data science的話，NYU這個program真心是個很不錯的選擇，確實感覺program很良心，老師們很用心，能真真正正學到東西，享用資源～又是一年申請季，權當為NYU CDS做個宣傳

如果有哪些還想了解的但我沒提到的點，歡迎留言～

Data Science不是多麼神奇的概念，主要就是學Statistics、Algorithm、Machine Learning、Distributed System、Database、NLP、Visualization等領域的知識。哥大的Statistics和Computer Science都比NYU強。尤其是Machine Learning和NLP，哥大更是牛人輩出。再說了選課這些是小問題，碩士上的這些課，通過蹭課、上公開課、看書等等方式都很容易彌補回來，校友資源和上學時的氣氛、體驗卻是終身都難以彌補的。因此是我的話肯定會選哥大。何況哥大還有曼哈頓島上最好的學校和常春藤這兩塊金字招牌。

我是美本背景，今年ds拿到了兩個學校ad

當時糾結的時候，本科學校的統計大牛教授說哥大統計肯定比nyu好很多，cs應該也是。自己看來，覺得哥大cs肯定好過nyu。最後選擇哥大

答主應該就已經決定了，在紐約一起加油吧~