美国数据分析专业 (2020-06-01 08:54:24.96)

专业介绍：

随着科技的发展，每天每时每刻都有大量数据被产生和存储下来。如何才能把这些数据变成有用的信息价值被人类所利用，就会通过一系列的收集、统计、整理、分析、挖掘等方法和技术来实现整个过程。

数据科学是一门交叉的学科，涉及到很多的领域包括统计学、数学、计算机、人工智能、机器学习、数据库、模式识别、可视化技术等多学科的知识。大数据时代的到来，为各个科学领域带来了新的改革。

Data Science数据科学是Computer Science计算机科学底下的一个分支。通过下面的基本课程设置可以看出，它更加强调的是偏计算机技术。该专业旨在培养能灵活处理大量的而且多样的数据组，从中提炼有效信息的学生。

什么样的学生适合data science呢?弗吉尼亚大学在官网上有一段很可爱的描述：

‘You can dig deeper than most people, and you enjoy puzzles and pondering the big questions. You relish the challenge of diving into a massive amount of information and surfacing with usable and actionable insights. You have the stamina and clarity of mind to apply knowledge to the real world. And you want to make a difference.’

“你能比大多数人挖掘得更深，你喜欢智力游戏和深度思考。你喜欢钻研大量的信息和提出有用的、可操作的见解的挑战。你有足够的毅力和清醒的头脑将知识运用到现实世界中。你想与众不同。”

DS课程设置(参考：University of Virginia)

Ÿ Programming and systems for data science数据科学的编程和系统

Ÿ Statistical computing for data science数学科学的统计计算

Ÿ Linear models for data science数学科学的线性模型

Ÿ Foundations of computer science计算机基础

Ÿ Data mining数据挖掘

Ÿ Practice and application of data science数据科学的实践与应用

Ÿ Ethics of big data大数据伦理

Ÿ Capstone project顶石项目

Ÿ Machine learning机器学习

Ÿ Ethics of big data II大数据伦理2

Ÿ Practice and application of Data Science II数据科学的实践与应用2

Ÿ Data science capstone project work II大数据顶石项目研究2

美国数据分析就业前景：

全球知名管理咨询公司麦肯锡（McKinsey）出具了一份详细的分析报告，预计到2018年，大数据或者数据工作者的岗位需求将激增，其中大数据科学家的缺口在140000到190000之间，对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到1500000！

其中对大数据处理需求最旺盛的行业包括：制药业、计算机软件、互联网、科研、IT技术服务、生物技术。事实上，大数据工作者可以施展拳脚的领域非常广泛，从国防部、互联网创业公司到金融机构，到处需要大数据项目来做创新驱动。数据分析或数据处理的岗位报酬也非常丰厚，在硅谷，入门级的数据科学家的收入已经是6位数了（美元）。

（1）机器学习工程师 Machine Learning Engineer

代表了技术含量较高的方向，工作内容主要是开发机器学习系统和用这些系统解决实际问题。一般需要ship production code，做出来的是数据产品。

（2）数据分析员 Data Analyst

工作内容俗称analytics （product analytics or business analytics），从数据中提取insight，估计投资回报比，为产品方向提建议，所用工具一般较基础，比如写SQL query取数据、用R/Python做简单的分析、用Tableau/Excel作图比较常见，能自己开发Dashboard算是analyst里面技术强的;工作需要产生各种形式的报告;在统计层次上，懂基本t-test和线性回归即可。

（3）数据科学家 Data Scientist

很多人说，我想做数据科学家，我想做机器学习，而这类职位就是大家想象中的那种。此类职位工作内容以高级建模为主，会针对复杂的问题来设计技术方案，比如Uber叫车的ETA、各种定价系统、Airbnb和金融行业的Fraud Detection、Amazon物流管理，FB/Linkedin的社交网络或者ebay/Airbnb/Uber这样供需双方Marketplace市场规模的实验。这些例子，听上去就不是写SQL能解决的，也不是会写代码就能做出来的，都需要比较深的领域知识。

申请MS Data Science 需要什么样的背景？

不论是陆本还是美本，在本科阶段就开设Data Science这个专业的学校并不多，所以大家不要一看自己专业名字和数据科学不搭边就觉得是转专业申请。

首先，本科是计算机科学CS的同学，是符合申请条件的，因为大多数数据工作都是通过编程和数据库的相关手段进行的，同时学过统计、微积分、高级语言；

例如哈佛大学对于MSDS的本科背景要求是：希望有微积分、线性代数，熟悉概率和统计干涉、能使用至少1种编程语言，例如Python或R，了解计算机科学概念。

Prerequisites we expect from applicants include knowledge of calculus and linear algebra, familiarity with probability and statistical inference, fluency in at least one programming language such as python or R, and an understanding of basic computer science concepts.

其次，本科背景是统计、数学或应用数学，且有一定编程基础的同学也可以申请，这都是很好的专业匹配。

最后，商科背景出身，但量化背景较强的商科专业，比如金工，但又希望能选择一个STEM专业的同学，那DS显然也是个非常好的选择。

所以说，如果你有比较强的编程背景，又有比较好的数理基础，那你就很有竞争力；而纯商科背景的同学，如果没有强的量化背景，或者不懂编程，那建议还是数据科学DS和商业分析BA混合申请，因为商业分析更加偏商科，开在商学院，对商科背景接纳程度大很多。

阅读(120)

在线答疑