数据科学硕士哪里读好？
楼上的答案都挺全面的，我这里再补充一些UCLA Data Science项目的细节。 项目设置：MDS（Master of Data Science）是2015年才刚设立的项目，比MSF（Master of Science in Financial Engineering）还新。这个项目总共需要学习6个quarter（每个quarter相当于一个学期，9个月），其中前四个quarter是在学习data science的理论知识，后两个quarter是在做data science的实战项目。
课程设置：前四个quarter的课程设置比较紧密，每个季度的学习强度比较大，主要课程有Data Structures与Algorithms，Databases，Machine Learning，Probability and Statistics，Quantitative Methods等等。所有的课程都是上满4个quarter才合格，没有特殊情况不允许中途退课或延期。如果quantitative基础薄弱的同学建议提前修完统计与计量方面的课程。
最后两个quarter的项目学分比较高，每个quarter修3-4门课，学习内容更加聚焦在data science的实战应用。主要课程有Big Data，Hadoop，NLP（Natural Language Processing），Recommender Systems，Visualization etc. 这两个quarter可以选择跟导师做研究，完成科研论文，也可以做实习。
录取情况：2015年录取的中国学生大概十人左右，2016年约二十几人，2017年至今年目前大概三、四十人。学校的官网资料显示，今年的offer发得比较多，所以从录取难度上来看是有一定下降趋势的。
录取的学生中有一小部分是本科直录的，大部分是先在国内读完研究生（一般是计算机或者金融方面的专业）再来申请的。直录的申请要求GPA至少3.5+，托福105+，GRE 1400+，有一些硬件条件较好且具有相关科研经历或是竞赛拿过奖的学生会把 GPA 刷到 3.8+，托福刷到 110+，GRE刷到 1450+。 虽然这个项目设立的目的是培养data scientist，但由于授课老师的水平非常高且认真负责，课程安排扎实，无论是CS还是 Math背景的学生只要认真的完成学业就能很好的掌握data science的相关知识和技能。
由于项目是设在工程学院下的，所以如果是cs，ee方向的申请者会有一定的优势。但即使是学math的同学也不会觉得太难，只要认真对待每个细节并且多动手练习，就能顺利毕业。