DS项目分三档：Tier 1录取率<15%薪资$140K+，Tier 2录取率15-25%薪资$120-135K，Tier 3录取率25-40%薪资$100-120K。
DS项目三档分类
DS项目按录取难度和就业数据分三档：Tier 1录取率<15%，Tier 2录取率15-25%，Tier 3录取率25-40%。
| 档次 | 代表项目 | 录取率区间 | 就业率 | 中位数薪资 |
|---|---|---|---|---|
| Tier 1 | CMU MCDS, Columbia DS, UPenn MSE DS | <15% | 95%+ | $140K+ |
| Tier 2 | NYU DS, UW MSDS, Cornell MPS, Duke MIDS, Brown DS | 15-25% | 90%+ | $120-135K |
| Tier 3 | Rochester DS, NEU DS, UCSD DS, UTD DS, BU MSDS | 25-40% | 85%+ | $100-120K |
选校核心看什么？（5个维度）
选校核心看5个维度：课程设置、就业数据、地理位置、Capstone/Thesis、国际生占比。
1. 课程设置
偏理论（适合PhD过渡）vs 偏应用（适合就业导向）。CMU MCDS偏应用，课程含分布式系统+机器学习+数据挖掘；Columbia DS偏统计方法，课程含统计推断+机器学习+数据工程。选校前先想清楚你毕业是就业还是读博。
2. 就业数据
看就业率和薪资中位数，不是看排名。UW MSDS就业率97%，高于部分USNews Top 10项目。各项目官网都有就业报告（Employment Report），这是最直接的数据来源。
3. 地理位置
纽约/西海岸就业机会多，中部机会少但竞争小。NYU和Columbia在纽约，UW在西雅图（Amazon/Microsoft总部），地理位置直接影响实习和校招。
4. Capstone vs Thesis
Capstone有企业合作项目，Thesis适合走学术路线。CMU MCDS和UW MSDS都是Capstone，有企业赞助的数据项目；Cornell MPS DSAS和UPenn MSE DS可选Thesis。
5. 国际生占比
高占比意味着学校有经验处理CPT/OPT，低占比可能说明招生偏好本土学生。CMU MCDS国际生占比约75%，NYU DS约65%，Cornell MPS约55%。国际生占比高的项目通常CPT支持更完善。
Tier 1项目详解（3个）
Tier 1项目录取率低于15%，就业率95%以上，薪资中位数$140K以上。申请门槛高，GPA 3.7+是基本线。
| 项目 | 学制 | 学费 | 核心课程 | 就业率 | 薪资中位数 | 申请门槛 |
|---|---|---|---|---|---|---|
| CMU MCDS | 16个月 | $76K | 分布式系统+机器学习+数据挖掘 | 98% | $150K | GPA 3.8+ / GRE 325+ / 3段实习 |
| Columbia DS | 18个月 | $68K | 统计推断+机器学习+数据工程 | 96% | $145K | GPA 3.7+ / GRE 325+ / 2段实习 |
| UPenn MSE DS | 1.5年 | $72K | ML+统计+应用分析 | 95% | $142K | GPA 3.7+ / 强科研或实习 |
Tier 2项目详解（5个）
Tier 2项目录取率15-25%，就业率90%以上，薪资中位数$120-135K。是大多数GPA 3.5+学生的主申区间。
| 项目 | 学制 | 学费 | 核心课程 | 就业率 | 薪资中位数 |
|---|---|---|---|---|---|
| NYU MSDS | 2年 | $78K | 统计+机器学习+深度学习 | 93% | $130K |
| Columbia DS | 1.5年 | $68K | 概率统计+ML+数据工程 | 91% | $128K |
| UW MSDS | 2年 | $52K | 统计+ML+可视化 | 97% | $135K |
| UPenn MSE DS | 1.5年 | $72K | ML+统计+应用分析 | 92% | $132K |
| Cornell MPS DSAS | 2年 | $58K | 应用统计+ML+优化 | 90% | $125K |
你的背景能申哪一档？
GPA 3.8+可冲Tier 1，GPA 3.5-3.8主申Tier 2，GPA 3.3-3.5可申Tier 2保底Tier 3。
| 背景档次 | 目标档次 | 关键补位策略 |
|---|---|---|
| GPA 3.8+ / GRE 325+ / 3段实习 | Tier 1 | 文书差异化：突出独特科研或实习经历，避免模板化 |
| GPA 3.5-3.8 / GRE 320+ / 2段实习 | Tier 2 | 提升实习含金量+文书逻辑，用实习成果弥补GPA |
| GPA 3.3-3.5 / GRE 320+ / 2段实习 | Tier 2保底 + Tier 3 | GRE冲刺325+ + 文书讲清楚GPA趋势（后期上升） |
| 跨专业 / 低GPA | Tier 3 | 先修课补齐（Python/SQL/统计）+ 相关实习转型 |
常见选校误区
以下5个误区是Susan老师在9年辅导中反复见到的，每个都可能让选校方向跑偏。
误区1：只看USNews排名 → 应看专业排名+就业数据。USNews是综合排名，不反映DS项目的课程质量和就业结果。
误区2：盲目冲藤校 → DS项目实力和学校排名不完全挂钩。Columbia DS就业率91%，UW MSDS就业率97%，后者并非藤校但就业数据更优。
误区3：忽略学制长度 → 1年制vs2年制对就业影响大。1年制时间紧，第二年春季才能用CPT实习；2年制有完整暑期实习窗口。
误区4：不看课程设置 → 同样叫DS，课程差异巨大。有的偏统计（Cornell MPS），有的偏工程（CMU MCDS），有的偏商业分析。
误区5：低估地理位置 → 西海岸/NY就业机会远多于中部。NYU和Columbia在纽约金融圈，UW在西雅图科技公司，地理优势直接反映在就业率上。
DS和BA选校有什么区别？
DS偏技术（编程+统计），BA偏商业（分析+沟通）。DS选校看技术课程深度（机器学习、数据挖掘、分布式系统），BA选校看企业合作和就业网络。DS毕业生去向是Data Scientist和ML Engineer，BA毕业生去向是Business Analyst和Product Analyst。
没有编程基础能申DS吗？
可以，但需要在申请前补Python+SQL+统计基础。部分项目（如NYU DS）提供前置课，可以在入学前或第一学期补齐。建议在申请前至少完成2-3个数据分析项目（Kaggle竞赛或个人项目），既补技能也丰富文书素材。
DS项目需要GRE Sub吗？
大部分不需要。但GRE General的Quant部分建议168+，低于165竞争力不足。Tier 1项目录取者Quant平均170（满分），Tier 2平均168-169。如果Quant低于165，建议重考。