耶鲁大学统计与数据科学硕士项目介绍

耶鲁大学（Yale University），坐落于美国康涅狄格州纽黑文，是世界著名的私立研究型大学、全美第三古老的高等学府、美国大学协会的14所创始院校之一，也是著名的常春藤联盟成员，全球大学校长论坛成员。

耶鲁大学作为美国最具影响力的私立大学之一，耶鲁大学的教授阵容、课程安排、教学设施方面堪称世界标杆。

项目简介

该系提供广泛的培训计划，包括统计理论的主要领域（重点是基础、贝叶斯理论、决策理论、非参数统计）、概率论、随机过程、渐近学、信息论、机器学习、数据分析、统计计算和图形方法。

要获得统计与数据科学硕士学位，学生必须成功完成 十二个 学期的课程（除非接受额外学期的兼职学习，否则必须完成 3 个学期的住院实习），平均成绩为 HP 或更高，并且至少两个年级的 H. 课程是在每学期开始时与研究生主任 (DGS) 协商后选择的。只有获得 DGS 的批准，课程选择才会正式生效。鼓励选修其他院系的课程，并在获得 DGS 许可的情况下选修课程。

学制：3或4个学期

学分：12门课

STEM：是

入学：秋季

学费：45700美金

课程设置

具体要求:

很难描述一门典型的学习课程，因为攻读硕士学位的学生背景和专业目标大相径庭。

建立培训广度的七门课程的最低要求是：

-所有学生必须熟悉概率论，至少要达到s&ds538(概率与统计)或s&ds541(概率论)的水平。

-所有学生必须学习一些统计理论，至少达到S&DS 542(统计理论)或S&DS 612(线性模型)的水平。

-所有的学生都必须在s&ds625(案例研究)中获得一些使用真实数据的经验。

-所有学生必须选修至少两门数据科学方法方面的课程，包括(但不限于):

S&DS 563(多元统计)

S&DS 565(之前:应用数据挖掘和机器学习;电流:机器学习入门)

S&DS 661(数据分析)

S&DS 665(中间机器学习)

CPSC 663(深度学习理论与应用)

S&DS 630(优化技术)

S&DS 631(计算与优化)

S&DS 632(高级优化技术)

S&DS 668(非参数估计与机器学习)

统计学习理论

-所有学生必须学习至少两门与高效计算和大数据相关的课程。

这包括(但不限于):

数据科学的计算工具(S&DS 662)

统计计算(S&DS 662)

计算统计(BIS 557)

信息学的计算方法(BIS 634)

CPSC 524(并行编程技术)

CPSC 526(构建分布式系统)

CPSC 527(面向对象编程)

CPSC 640(数值计算主题)

申请要求

GPA：未设最低要求

TOEFL：未设最低要求

IELTS：未设最低要求

GRE：不要求，但可以提交

GMAT：不接受

文中图片来源均来自耶鲁大学官网内容