你好题主!录取竞争非常激烈，与芝加哥大学的大多数课程不相上下。他们还没有公布官方的录取率，但据招生部门认识的一些人说，最后一届的录取率约为8%。

该程序平衡良好，深入研究了统计方法，线性代数，时间序列，非线性模型，数据相关的类等。此外，课程还包括研究/学习设计以及一些以商业/领导力为重点的课程。将统计/数学、技术和商业重点很好地融合在一起，有助于确保学生全面发展。

编程是不教授的(尽管每个学期都有关于特定主题的研讨会，如R、Python、Hadoop等)，所以你应该了解基础知识或自己解决它。

以布斯为中心(我猜大体上也是芝加哥大学倾向的)，很多课程材料有时会大量地与金融例子相关，等等。即使你在那个领域没有经验，也有很多在这个领域有工作经验或学位的学生很乐意帮助你。

学生们很聪明。在上过的相当多的课程中，获得高等学位的学生(无论是MS/MBA还是PhD)的人数超过了第一个攻读MS学位的学生。

教员包括其他项目(Booth / Quant Math/ Stats)的教授和行业专家。作为一所研究型大学，有一些课程倾向于更专注于理论，但从我的经验来看，这是一个很好的平衡。

这是一所严肃大学的严肃项目，绝不仅仅是为了赶时髦的“大数据教育”(从他们启动和运行这个项目所花的时间来看，这一点应该是显而易见的)。到目前为止(截至2015年初)，这个项目还不到一年，一些学校已经有了5-7年的项目。

由于一切都是新事物，仍有一些成长的烦恼，但没有什么重大的，粗糙的边缘刚刚解决。

社交机会也很好。有很多令人印象深刻的人走在Gleacher的大厅里，你可以选择其他项目的课程(Booth/Harris等)。自从我到那里以来，这个项目已经组织了两次与潜在雇主的会议(我们谈论的都是重量级人物，谷歌等等)，并安排了一些同样令人印象深刻的人(比如哈德利·维克汉姆)的演讲活动。

希望我的回答可以帮助到您！

你好题主!录取竞争非常激烈，与芝加哥大学的大多数课程不相上下。他们还没有公布官方的录取率，但据招生部门认识的一些人说，最后一届的录取率约为8%。

该程序平衡良好，深入研究了统计方法，线性代数，时间序列，非线性模型，数据相关的类等。此外，课程还包括研究/学习设计以及一些以商业/领导力为重点的课程。将统计/数学、技术和商业重点很好地融合在一起，有助于确保学生全面发展。

编程是不教授的(尽管每个学期都有关于特定主题的研讨会，如R、Python、Hadoop等)，所以你应该了解基础知识或自己解决它。

以布斯为中心(我猜大体上也是芝加哥大学倾向的)，很多课程材料有时会大量地与金融例子相关，等等。即使你在那个领域没有经验，也有很多在这个领域有工作经验或学位的学生很乐意帮助你。

学生们很聪明。在上过的相当多的课程中，获得高等学位的学生(无论是MS/MBA还是PhD)的人数超过了第一个攻读MS学位的学生。

教员包括其他项目(Booth / Quant Math/ Stats)的教授和行业专家。作为一所研究型大学，有一些课程倾向于更专注于理论，但从我的经验来看，这是一个很好的平衡。

这是一所严肃大学的严肃项目，绝不仅仅是为了赶时髦的“大数据教育”(从他们启动和运行这个项目所花的时间来看，这一点应该是显而易见的)。到目前为止(截至2015年初)，这个项目还不到一年，一些学校已经有了5-7年的项目。

由于一切都是新事物，仍有一些成长的烦恼，但没有什么重大的，粗糙的边缘刚刚解决。

社交机会也很好。有很多令人印象深刻的人走在Gleacher的大厅里，你可以选择其他项目的课程(Booth/Harris等)。自从我到那里以来，这个项目已经组织了两次与潜在雇主的会议(我们谈论的都是重量级人物，谷歌等等)，并安排了一些同样令人印象深刻的人(比如哈德利·维克汉姆)的演讲活动。

希望我的回答可以帮助到您！