▲
- 点击上方蓝字“旧金山大学”关注我们 -
数据科学是用数学、统计学和计算机编程这三样工具，从海量数据中提炼出有价值的规律和知识，并用它来预测未来、帮助做更好决策的一门学科。
我们身边到处都是数据科学的成果：
视频平台的“猜你喜欢”
地图APP为你规划的不堵车路线
手机收到的信用卡异常消费提醒
天气预报
甚至医疗中对疾病风险的预测
本质上，数据科学就是在教我们如何 “用数据说话”，让决策更聪明。
旧金山大学本科和硕士均开设数据科学专业，它们隶属于文理学院（College of Arts and Sciences），旨在帮助学生掌握如何获取、分析并管理正在改变世界的数据。
数据科学的学生将系统学习数学、统计学与计算机科学三大领域，学生将熟练掌握 R、Python、SQL 三种主流编程工具，为未来在数据、科技、金融与AI行业的发展奠定坚实基础。主要课程涵盖：
概率与统计
机器学习
数据可视化
数据库与数据结构
旧金山大学在高科技领域的教育成果颇丰。2024年费城智库Burning Glass Institute发布了一份极具参考价值的榜单，该榜单发布了金融、科技、咨询三大领域里毕业生薪水最高的美国前20所公立大学和前20所私立大学。旧金山大学上榜了技术领域毕业生薪水最高的美国前20所私立大学名单，这个名单中还包括哈佛大学、普林斯顿大学、斯坦福大学、加州理工学院、耶鲁大学等。
身处科技心脏，坐拥无限机遇
USF坐落于旧金山——全球科技创新与数据革命的中心。你的课堂不止在校园：硅谷的顶尖科技公司、蓬勃发展的创业生态、各行业的领导企业，都是你触手可及的“第二课堂”。许多教授拥有丰富的业界经验，课程内容与行业前沿动态紧密相连，确保你学到的技能正是市场最迫切需要的。
“博雅教育”视野：让技术拥有温度与洞察
在USF，我们坚信卓越的数据科学家不仅是技术专家，更是问题的敏锐洞察者。我们独特的把博雅教育、社会正义与专业学习结合起来的传统，将培养学生的批判性思维、伦理判断、沟通与协作能力。学生将学会不仅问“怎么做”，更会思考“为什么”以及“为谁”——这在算法影响社会的今天，是弥足珍贵的核心素养。
实干：动手，动手，再动手
我们摒弃纸上谈兵。学生将运用所学的Python、SQL和机器学习知识，去分析真实的商业案例、探索关乎社会公正的公共数据集，或与教授合作进行前沿研究。
紧密的社区与个性化的支持
作为一所中型私立大学，我们提供高度个性化的关注。在小班教学中，教授能叫出你的名字，并与你深入交流。从专业的学术顾问到强大的职业发展中心，USF的全方位支持网络将确保你不仅在学业上成功，更能顺利衔接至理想的职业起点。
强大就业前景
无论是希望毕业后直接进入科技、金融、医疗、咨询等行业成为数据科学家、分析师，还是计划继续深造，USF出色的课程与强大的校友网络都将为你铺平道路。我们毕业生的身影活跃在从谷歌、思科、基因泰克灯等众多顶尖企业。
“市面上有许多优秀的数据科学课程，但旧金山大学让你成为那个在数学、统计和计算机科学三方面都精通的‘独角兽’。”
——Michael Liston, 2017届毕业生
毕业出路
学生在学期间即可在旧金山湾区的顶尖企业和创新公司获得宝贵实践经验，实习公司涵盖科技、医疗、网络等多个领域，例如 The Aerospace Corporation, Juniper Networks, Varian 等。
USF的数据科学毕业生广受顶尖企业欢迎。毕业生可进入科技、金融、医疗、咨询、零售、体育等几乎所有依赖数据驱动的行业，担任数据科学家、分析师等职位，其中主要的一些就业行业和公司包括:
科技与互联网：如 Cisco, Dell, Waymo
金融与咨询：如 American Express, Accenture
生物科技与医疗健康：如 Genentech, UCSF Health, Kaiser Permanente, Seton Medical Center
零售、体育及其他领域：如 Target, Major League Baseball
本科课程设置
USF数据科学本科要求修满56个专业课学分，学生将在四年中逐步完成课程，从微积分与编程基础入门，到高阶课程如线性回归、统计学习与机器学习。毕业后，你将成为真正能用数据讲故事的分析型人才。
USF数据科学专业核心课程要求详解
数据科学入门（4学分）：BSDS 100 - 数据科学导论
数学与统计基石（36学分）：坚实的数理基础是数据科学家的核心能力，你需要完成以下课程：
| 课程代码 | 课程名称 |
|---|---|
| MATH 109 | 微积分与解析几何 I |
| MATH 110 | 微积分与解析几何 II |
| MATH 211 | 微积分与解析几何 III |
| MATH 230 | 初等线性代数 |
| MATH 370 | 概率论及应用 |
| MATH 371 | 统计学及应用 |
| MATH 372 | 线性回归 |
| MATH 373 | 统计学习 |
| MATH 201 | 离散数学 |
| 或 MATH 235 | 形式方法导论 |
计算机科学核心（16学分）：编程与计算机系统是实现数据想法的工具，必修课程包括：
| 课程代码 | 课程名称 |
|---|---|
| CS 110 | 计算机科学导论 |
| CS 112 | 面向对象编程与数据结构 |
| CS 245 | 中级数据结构与算法 |
| CS 333 | 数据库系统导论 |
| 或 BSDS 200 | 应用数据科学方法 |
重要学业规定：
所有专业必修课的最低成绩要求为 C-。
课程若未通过，最多可重修一次；若其中一次尝试结果为退课（Withdrawal），则最多可重修两次。
这份课程清单为你勾勒出了成为数据科学家的知识蓝图。扎实走好每一步，你将在数学、统计和计算机科学的交叉点上，建立起解决复杂数据问题的强大能力。
本科数据科学辅修
旧金山大学的数据科学本科专业提供辅修选项，旨在让学生学习数据分析的核心方法与技术，并在自己的学科领域中运用计算与推断分析。
无论你主修经济学、生物学、传媒、心理学还是商科，数据科学辅修都将赋予你数据驱动决策的思维能力。
“掌握数据科学，就能更深入地理解世界的规律——并用数据为你的学科发声。”
通过旧金山大学的数据科学辅修课程，学生将能够：
逻辑思考与批判性分析：在数学与数据语境中训练严谨的分析思维；
团队合作表达结果：以清晰、专业的方式展示数据结论；
掌握编程概念与技术：理解软件开发与数据结构的核心方法；
解决现实问题：将数学与计算技术应用于复杂的数据集；
可视化与沟通能力：用数据讲故事，将分析结果直观呈现。
必修课程包括：
BSDS 100 – 数据科学导论（Intro to Data Science）
BSDS 200 – 应用数据科学方法（Applied Data Science Methods）
CS 110 – 计算机科学导论（Intro to Computer Science）
MATH 109 – 微积分与分析几何 I（Calculus & Analytic Geometry I）
MATH 110 – 微积分与分析几何 II（Calculus & Analytic Geometry II）
MATH 360 – 概率与统计（Probability & Statistics）
成绩要求： 所有课程需取得 C- 或以上成绩。
深造选项一：USF“数据科学与人工智能硕士”保录项目
申请资格要求
并非所有学生都能自动获得资格，你需要满足以下全部条件：
1. 身份与专业：必须是USF数学或数据科学专业的本科生。
2. 学业成绩
- 总GPA ≥ 3.0
- 专业GPA ≥ 3.3
- 特定先修课程（MATH 230, MATH 360, MATH 370, MATH 371, CS 110。注：学生可选修 MATH 370 + MATH 371，或仅修 MATH 360）累计GPA ≥ 3.5。
3. 推荐信：至少提供一封来自数学或数据科学系全职教授的推荐信。
4. 正式申请：仍需向硕士项目提交官方申请。
重要流程与时间节点
申请时间：大四学年的秋季学期开始，至次年春季的3月1日截止
入学时间：成功申请者将于次年夏季学期正式进入硕士项目。
关键前提：必须在春季学期结束时完成所有本科毕业要求，才能顺利在夏季入学硕士。
重要规则：本科与硕士的课程学分不能重叠使用或转换，硕士课程需在正式注册后才可开始修读。
如果你已满足或正在努力满足上述条件，并希望在本科学业结束后无缝衔接到顶尖的硕士项目，这个保录项目是你的绝佳机会。
如需了解更多详情，可通过邮件联系项目组：info@dsai.usfca.edu
深造选项二：USF“数据科学本科+应用经济学硕士“4+1本硕连读
项目核心优势：不止是快，更是融合
效率与深度兼备：将常规6年的学习浓缩至5年完成，更快开启高阶职业生涯或博士深造。
独一无二的交叉学科背景：在掌握数据科学核心技术（编程、统计、机器学习）的基础上，深度融合经济学理论与计量方法。你将成为既懂技术又懂商业与政策的稀缺人才。
强大的实践应用导向：硕士阶段专注于因果推断、实验设计、高级计量经济学等前沿技能，这些正是企业分析、政策评估和学术研究中最受追捧的核心工具。
- 节省时间和费用：节省一年硕士时间，即相当于节省了一年的学费。如果大一新生在申请时即选择了4+1选项，还可以在硕士阶段获得50%的学费减免。
高效省时的“本硕贯通”课程体系
这是本项目的精华所在——允许你在本科高年级阶段，提前选修并抵免部分硕士学分，实现无缝衔接。
双倍学分，一举两得
在本科阶段，你最多可修读 18个硕士项目要求的学分。其中，最多8个学分可以同时满足你数据科学本科的选修课要求和应用经济学硕士的学位要求。这意味着，一门课，同时为两个学位进度条充值！
清晰的学习路径
第1-4年：以完成数据科学本科（56学分） 要求为主，并逐步嵌入上述硕士先修课程。
第5年：正式转入研究生身份，一鼓作气完成应用经济学硕士（36学分） 的剩余要求。
如何申请？谁能申请？
如果你是正在申请USF的大一新生，请在申请表中选择本4+1项目。
如果你已经在USF就读，并且是USF数据科学专业的本科生，如果满足以下条件即可在大二时提交申请：
学业成绩：总GPA ≥ 3.0，且专业GPA ≥ 3.0。
先修课程：必须完成以下16个学分的课程，且每门成绩均在 B（含）以上：BSDS 100，ECON 111，ECON 311，MATH 109
把握先机，用五年的时间打造别人六年的竞争力。在USF，成为驾驭数据并深刻理解经济规律的下一代决策者。
本科师资力量（部分）
数据科学与人工智能硕士
在人工智能浪潮席卷全球的今天，如何快速成为企业争抢的高端技术人才？旧金山大学的数据科学与人工智能理学硕士项目（MS-DSAI），用仅12个月的高强度、沉浸式学习，为你铺就一条直达行业核心的捷径。
项目核心亮点：不止是学习，更是实战锻造
这个项目专为应对技术的飞速迭代而设计，其核心竞争力在于：
超浓缩的精英课程：在一年内，系统学习从数据分析、机器学习、深度学习到云计算、大语言模型和高级人工智能的前沿知识。
长达9个月的“保证”实习：所有学生100% guaranteed 进入与外部合作伙伴的实践项目，每周投入16小时，在长达9个月的时间里，直面真实的商业与科研挑战。合作伙伴网络遍及全球，包括 Meta, Reddit, 黑岩集团, 亚马逊云科技, 斯坦福医学中心 等顶尖名企和机构。
紧跟行业的技术挑战：自2012年创办以来，课程始终与硅谷技术浪潮同步更新，确保你学到的是当下最需要的技能。
课程体系：深度与广度兼备
项目课程经过精心设计，旨在培养能解决复杂问题的全能型人才：
核心技能矩阵：
分析能力：掌握从数据中提炼洞察的核心方法论。
工程工具：精通业界主流的计算与工程工具。
尖端AI方法：深入钻研机器学习、深度学习与大语言模型等前沿技术。
专精方向选择：学生可选择增加 “数据工程” 专业方向，深化在数据架构、管道构建等后端高需求领域的技能。
师资力量：来自产业一线的学者
我们的教授团队本身即是“跨界者”——他们既是教师、学者，也是活跃在行业一线的实践者。他们将最真实的行业经验与挑战带入课堂，用亲身经历点燃你的学习热情。
职业前景：硕士学位带来的质变
一个AI相关的硕士学位，不仅仅是知识的深化，更是职业生涯的强力加速器：
行业高需求：具备高级AI技能的人才在金融、科技、医疗、科研等各领域备受追捧。
薪资优势：持有硕士学位的专业人士，其起薪与职业天花板显著高于仅有本科学位的同行。
广阔路径：毕业生将胜任人工智能工程师、数据科学家、机器学习研究员等高价值岗位。
如果你渴望在最前沿的领域快速成长，并希望通过实实在在的顶级项目经验赢得未来，那么USF的MS-DSAI项目正是为你设计的理想跳板。
用一年时间，完成从学习者到实践者、再到行业引领者的关键一跃。
结语 | 让数据赋能未来
“旧金山大学的目标是给每个专业的每位学生提供启迪心智、温暖心灵的全方位教育。我们引导学生发展他们严谨的思维、充满创造性的想象力、广博的知识、宽容的灵魂和完善的人格。”
如果你对旧金山大学本科感兴趣请扫码填写申请兴趣表加入我们的邮件名单
