USC analytics 和 BU MSSP 求比较！加米！！

纠结的我又来了，感谢大家！

南加州大学（USC）工程学院下的analytics （分析学） https://catalogue.usc.edu/preview_program.php?catoid=11&poid=10923&returnto=3594

优点：
  1. 地处LA（洛杉矶），位置优越，天气比波士顿好多了。
  2. 据国内同学老师，USC的知名度高于BU（待考证）。
  3. USC的校友多于BU，内推好，尤其是科技公司（待考证）。
  4. 课程设置比BU的更量化更tech。
  5. 房租生活费学费好像比BU便宜（待考证）。
  6. 可能可以转CS（待考证）

以下优点来自学长学姐：
  1. 选课比较宽松，六门必修四门选修，选修可以选cs的课(CSCI)，informatics的课(INF)，或者是商学院下面Data Science的课(DSO)。技能点的话必修中能涵盖到python，sql，optimization，因为选课范围很宽泛，所以根据不同选课可以学到R，ML，统计，数据挖掘，数据可视化之类的和一些软件。有一种不怕我没有就怕你学不过来的架势。
  2. 项目有的，基本一门课能出1-2个（美化之后）可以写在简历上的东西。我的简历就是课程项目拼起来的。
  3. 也有用企业数据实操的课。（ISE599今年就是拿企业数据做分析）
  4. 听一个学长说就业差距和ADS几乎为零？

缺点：
  1. USC这个工程学院下的分析17年刚开，就业数据基本无。
  2. 招生人数多，今年已经发了150AD左右（上一届进入学校的好像也有80人左右）
  3. 和BA/ADS/CS 工作有部分重合，在USC内卷严重。（待考证）
  4. 工程学院OPT18月？【找到工作延到36个月（待考证）】
  5. 学院就业帮助几乎为零？（待考证）
  6. 看往年好像基本不拒人？今年好像又大大扩招了。

以下缺点来自学长学姐：
  1. 看地里前辈说USC的Analytics项目以R语言为主，侧重用数据做分析，就业不如DS。但也有学长说用python比R多（待考证）。
  2. 楼主在usc的工学院读ISE-analytics方向，20年5月毕业，找Data Science/analyst的情况不乐观，想重新再读一个cs master好有充分时间准备，目标留美就业。
  3. 就业数据很差？17/18届基本回国。

波士顿大学（BU）文理学院下的MSSP（统计实践）
https://www.bu.edu/mssp/statistics-practicum/
优点：
  1. 地处Boston, 工作机会也多(但可能药厂医院多)。
  2. 最大的优点是（Statistics Practicum）有industry partner project做（一般上下学期各一个），还有一个学期的consulting大概3-5个，取决于每个组分到的项目难易和时间长度。
  3.教授少（优点和缺点都有）见下。  4. 就业率很高？大概4/5留美上一届。（待考证）

以下优点来自学长学姐：
  1.  mssp在bu推广的挺好。有个consulting program, BU community 无论是学生还是教授都会拿一些项目来问，能接触的行业范围相当广。而且教授跟medical school 交流频繁。不少人在BU medical school 做RA。
  2.  department内教授内推较有用。
  3.  Statistics Practicum：对于想攒经验尽快工作的小伙伴是个非常好的选择。项目都是来自当地机构/公司的real data。客户也是直接和公司对接。楼主这一届有因为项目做的好，拿到return,直接去这些公司工作的人。
  4.  这个项目一共就三个教授，每个人教两门课，加一起六门必修。这是我比较喜欢的一点，因为可以跟教授比较容易的建立起联系，基本上每个同学教授都能叫的上名字，以后写推荐信什么的也有优势。
  5.  MSSP的优势就是学校给我们这个专业的资源非常多，导师人好，热心。数学部门经常推送各种潜在工作机会，研讨会给你，好好利用的话是一笔财富。以及这个专业的目标就是培养毕业后进入各行业的Data人才的，也就是实用为主，理论为辅。

缺点：
  1. 课程用R较多（python和SQL也有一定的涉及），业界用python，SQL（听说刷leetcode就行）较多，可能需要自学。
  2. 琐碎的事情很多，可能会同时做三个project，可能课余刷题时间不够？
  3. 教授少（优缺点都有）见上。
  4.  OPT 24月，似乎有些岗位不行？（待考证）
  5. 专业名：统计实践，如果以后申DS的职位，简历能过吗？

以下缺点来自学长学姐：
  1. 就像前面说的，到目前为止，感觉项目偏向BA，因为理论方面如果你不特意去选一些选修课，其实学的很浅，不过第二学期可能会偏向理论一些。感觉这个项目适合想要通过学一些统计知识，转行做BA的同学。唯一不太喜欢的一点，就是琐事非常多。因为作业量已经不小了，再加上两个同时进行的project，有时候时间会不太够用。
  2. 所以如果你是有志向以后留美继续读PHD或者当高级DS的，这个专业不是太适合，理论基础太不扎实了。



补充内容 (2020-4-9 08:46):
主要现在纠结的一个点是，BU教授少项目人少可能交流多，人均资源相对多于USC，而且就业数据也是BU好（主要USC这个项目刚开几年没什么数据）；但听很多国内的朋友说国内的名气USC还是要大一点，USC学生群体大）

投USC 一票。我有朋友是USC analytics 转 ADS 的。 ADS 想转码或者做DS 都行。 Analytics 的课确实偏 industrial engineer , 语言也是用R, 感觉不太好找工作，尤其国际学生身份限制。

补充内容 (2020-4-9 20:43):
我是第一届ADS毕业的，同学基本都找到工作了。 求米求米

BU MSSP
5门必修3门选修
必修课：（5门）        课程介绍
GRS MA 675 – Statistics Practicum I（上学期）        项目特色：统计实践 （MA 675 + MA 676） 是 MSSP 计划的核心。实践包括课堂教学、MSSP 咨询服务实践咨询经验以及与波士顿组织的密集合作伙伴项目，为学生提供了将其他 MSSP 课程中学到的理论、原则和方法与实际实践相结合的环境。在MSSP咨询服务和为期一学期的合作伙伴项目中，学生获得直接和丰富的经验，做他们毕业后会遇到的工作。MSSP 方法是全面的，可解决整个过程 - 从在初始客户会议上提出正确的问题，到提供建议和动手帮助，到提供可重现的分析、演示、报告和在线交互式应用程序。MSSP 学生以专业的工作组合毕业，展示广泛的咨询和协作经验。https://www.bu.edu/mssp/statistics-practicum/
GRS MA 676 – Statistics Practicum II（下学期）        项目特色：见上
GRS MA 677 – Conceptual Foundations of Statistics
本课程专为具有定量背景的研究生而设计。本课程的目标是对概率、数学统计、线性建模、时间序列和非参数统计等关键主题进行快速介绍。
GRS MA 678 – Applied Statistical Modeling        在第一学期，重点放在构成工作统计员工具箱核心的经典主题上。（学各种回归：GLM那一套，linear，logistic，Poisson什么的，最后稍微难一点的Multilevel regression）
GRS MA 679 – Statistical Machine Learning        在第二学期，重点拓宽，向学生介绍现代统计机器学习和数据挖掘中的各种主题。
选修课：（3门）        
1 statistics elective at the level of 500 or above        1 个 500 或以上级别的统计课程
1 two-semester elective sequence from statistics or a complementary discipline        1个两学期的选修序列，从统计或补充学科
1 two-semester elective sequence from statistics or a complementary discipline        见上（选课还挺自由的）
全日制学生只需1年（2个学期）即可完成课程，但许多人选择在1.5年（3个学期）内完成他们的要求。非全日制学生通常在2年内完成课程（4个学期）。为了工作，如果秋季入学要选1.5年毕业！
course project是industry partner project，675 676各一个
consulting一般一学期3-5个

USC analytics
6门必修+4门选修
必修课：（6门）        课程介绍
INF 559 Introduction to Data Management Units: 3        功能、设计和使用现代数据管理系统，包括云;数据管理技术;数据建模;网络连接存储、集群和数据中心;关系数据库;地图减少范例。（推荐准备：了解工程原理、基本编程技能、熟悉 Python）
ISE 529 Predictive Analytics Units: 3        用于监督和无监督统计学习的分析。广义线性模型、区分分析、支持向量机。非参数分类、树、组合方法、k 最近邻域。主要组件，聚类。（推荐准备：ISE 225 和计算机语言的同等工作知识）
ISE 530 Optimization Methods for Analytics Units: 3        线性编程、整数编程、二次和非线性编程。（推荐准备：微积分III、线性代数和计算机编程）
ISE 533 Integrative Analytics Units: 3        分析的三大支柱（预测、规范和验证）在一个框架下结合在一起。使用统计数据，使学习实现优化。基于公开可用的数据集。（先决条件：ISE 529 和 ISE 530）
ISE 562 Decision Analysis Units: 3        风险条件下的决策;效用理论;足够的统计数字;结合先前分配;终端和后置分析;贝叶斯统计与经典统计数据。
二选一：ISE 538 Performance Analysis Using Markov Models Units: 3        随机变量、随机过程、出生和死亡过程、连续和离散时间马尔科夫链，具有有限和无限数量状态、更新现象和排队系统。
二选一：ISE 580 Performance Analysis with Simulation Units: 3        随机系统的建模和分析简介，重点是非马尔科维安系统的离散事件模拟。（推荐准备：概率和统计，包括假设检验和介绍性计算机编程）
选修课：（4门）        
ISE Elective Units: 3        ISE（工程类）的课程选一个
INF or CSCI Elective Units: 3        INF（数据科学）或CSCI（计算机）选一个
Additional electives subject to adviser's approval Units: 6        导师同意都能选课，商科计算机数据科学
Additional electives subject to adviser's approval Units: 6        导师同意都能选课，商科计算机数据科学
注：选修课ISE一定要有一个，INF或CSCI也一定要有一个，剩下两门课可以继续选ISE/INF/CSCI也能选其他的课（商学院ba等）

强烈推荐USC 的data science，data science 算是近几年比较新的一个program，很多大学都是最近才意识到这方面人才稀缺 才开始这个专业的，其次 data science 比biostats 工资待遇更好，其三，加州地理位置不容忽视，做tech的还是西海岸好，boston主要是生物公司多，tech 偏弱。最后恭喜楼主啦，

cathyhui 发表于 2020-4-8 06:47
强烈推荐USC 的data science，data science 算是近几年比较新的一个program，很多大学都是最近才意识到这方 ...

我这个不是ads(applied data science),  是analytics分析呀！我感觉课程设置还差的挺多的。

我覺得前面回答的很對，這方面的師資也好，人力也好，都是相對缺的。就看樓主的方向了

cathyhui 发表于 2020-4-8 06:47
强烈推荐USC 的data science，data science 算是近几年比较新的一个program，很多大学都是最近才意识到这方 ...

还有BU这个出来前几年也是做DA/DS（analytics）的为主，而且就业数据还挺好看，我就很纠结。

K哥 发表于 2020-4-8 08:20
我覺得前面回答的很對，這方面的師資也好，人力也好，都是相對缺的。就看樓主的方向了

这两个培养的方向具体是那两个方向呢？

一个游客 发表于 2020-4-8 08:25
这两个培养的方向具体是那两个方向呢？

若簡單分成是否為生統, 則兩者我看做同一類。當然具體作的東西，每個公司又不同。所以我想講的方向還是落在東西岸的就業市場。

顶一顶! 感谢大家回答呀, 回答的都加米!!

我覺得USC師資不錯