在我看来，博士学位的前提是在世界的某个小角落扩展知识。由于“数据科学家”本质上是一个多才多艺的人，这对我来说确实有点奇怪。硕士课程似乎更合适。

你希望从博士中获得什么？如果严酷让你感到害怕（或厌烦），那么更实用的领域呢？信号处理、机器人学、应用物理学、运筹学等。

计算机科学本身就是一个多学科领域，在大学之间有不同的要求。例如，斯德哥尔摩大学的 CS 课程不需要任何高于代数的数学（某些课程可能有更高的要求，但并不经常）。

我不确定您所说的更严格的机器学习程序是什么意思。它们只是两个不同的程序。数据科学可能会采取更广泛的观点并专注于应用程序和管理（可能提供商业课程？）。这项研究本身可能很严谨，但绝对不会为想要优化新算法或解决机器学习低级问题的人量身定制。

我没有在您提供的链接中看到博士课程。如果您获得更具体的信息，请您在此处跟进吗？

摇钱树计划？不，博士项目从来都不是摇钱树。

我不知道为什么你不能成为拥有数据科学博士学位的教授。很少有特定课程的教授必须拥有特定学位才能教授它。

就出版而言，有许多相关期刊会接受某人关于数据科学主题所涵盖主题的论文。

当我上大学时，MIS、计算机工程和计算机科学是新学科。我计算机科学毕业班的大多数人在毕业时都无法编程任何重要的东西。几年之内，全国各地的计算机科学项目显着成熟。

当您参加新项目时，有时可以帮助定义毕业所需的内容。作为其中的一员，您将成为该领域罕见的公司。

就数学严谨性而言，我希望数据科学能够利用大量基于数学的材料。我不希望有什么特别新的东西——统计学、微积分等应该在本科生中涵盖。硕士和博士课程应该更多地应用这些知识，而不是学习它。

没有人知道，因为还没有人完成这些博士课程之一！但是，我会查看教学大纲和老师来做出决定。这完全取决于你想做什么；工业界还是学术界？