美国统计硕士学什么？
我们统计系主要的课程如下（以一个学期为例）： 除了必修，还有选修。每个学校的课程设置都会有些许差别，比如加一些别的统计模型或者编程语言之类的课程。 上面是总体的课表安排，接下来具体讲讲每个部分都学什么内容。
Probability and Statistics for Data Science 数据科学的概率与统计，这个就是统计的基础知识，包括随机事件、概率、期望、方差、卡方、假设检验等等，算是统计入门。
Introduction to R Programming language 统计必备编程语言R的语言基础，如何输入输出数据，基本的数据分析流程和方法。如果是零基础的同学，这门课会比较艰难。
Data Visualization and Storytelling 用图表展示数据分析的结果，怎么通过合理的图形呈现有意义的信息。这部分会学习作图的基本方法，以及不同情况下的作图规范。如果学会这些，可以免去以后自己摸索作图的烦恼
Machine Learning 机器学习，这是统计专业学习中的重中之重。会有各种分类方法介绍、模型评估、案例研究等等。如果数学基础较好，并且对编程比较熟悉的话，学起来会比较轻松。
Applied Regression Analysis 回归的分析应用，回归分析是统计中非常重要的方法，可以用来做预测和控制。这门课会具体学习怎么做回归，以及如何处理回归中出现的各种问题。
Covariance and Causality 协方差和相关性，因果关系。如果学了机器学习，这门课程就比较容易理解。重点在于如何利用工具进行因果推断
Quantitative Research Methods 计量方法，主要是针对想要做定量研究的同学们。会学习如何用统计学的方法来做研究设计、样本数量估计、变量的测量等。如果有一定定量背景的同学，学习起来会很轻松。
Advanced Data Mining 高级数据挖掘，如果有一定的机器学习和数据挖掘基础，在学习这门课时就会比较容易。主要是针对数据挖掘领域里更深入的问题进行探讨。
其他选修课还包含：Python Programming语言、NLP自然语言处理、SQL数据库、优化理论、随机控制、非线性规划、博弈论、实验设计、多元统计分析等等。 总之，在美国学会很复杂，也学会了简单。看老师怎么教，以及你自己怎么学。