21世紀(jì)最性感的工作 數(shù)據(jù)科學(xué)專業(yè)解析！

根據(jù)美國勞工統(tǒng)計(jì)局(BLS)預(yù)測，在2019年至2029年之間，許多與數(shù)據(jù)科學(xué)（Data Science）相關(guān)的職業(yè)將有高增長率，包括市場研究分析師(18%)、計(jì)算機(jī)和信息研究科學(xué)家(15%)、計(jì)算機(jī)系統(tǒng)分析師(7%)和運(yùn)營研究分析師(25%)，預(yù)計(jì)增長率遠(yuǎn)高于美國全國平均水平（4%）。

《哈佛商業(yè)評論》曾把數(shù)據(jù)科學(xué)家稱為“21世紀(jì)最性感的工作”。

隨著人工智能越來越貼近生活，數(shù)據(jù)科學(xué)專業(yè)也逐漸成為出國留學(xué)的“搶手項(xiàng)目”。今天就來講一講Data Science吧~

學(xué)科簡介

數(shù)據(jù)科學(xué)Data Science是一門橫跨數(shù)學(xué)、計(jì)算機(jī)及相關(guān)專業(yè)領(lǐng)域的交叉學(xué)科，涉及的內(nèi)容包含但不僅限于統(tǒng)計(jì)學(xué)，運(yùn)籌學(xué)，計(jì)算機(jī)編程，機(jī)器學(xué)習(xí)，數(shù)據(jù)庫，人工智能，可視化技術(shù)等。

簡單地說，這是一門“為決策做數(shù)據(jù)支撐”的學(xué)科。通過對數(shù)據(jù)的挖掘、處理和分析，獲取其中潛在的信息，提取和分析結(jié)果，最終幫助企業(yè)做相關(guān)決策、發(fā)現(xiàn)模式等。

數(shù)據(jù)科學(xué)主要研究以下內(nèi)容：

Predictive Analytics：分析數(shù)據(jù)來預(yù)測未來可能發(fā)生的事情。

Descriptive Analytics：分析數(shù)據(jù)找出過去事件的特征和正在發(fā)生事件的趨勢。

Prescriptive Analytics：分析數(shù)據(jù)來找出最佳措施、取得最優(yōu)化的結(jié)果。

大部分學(xué)校將DS專業(yè)開設(shè)在計(jì)算機(jī)學(xué)院、工程學(xué)院和數(shù)學(xué)學(xué)院、理學(xué)院，極少數(shù)會開設(shè)在商學(xué)院下。
課程方面，最主要為數(shù)學(xué)和計(jì)算機(jī)兩大板塊的課程。數(shù)學(xué)類課程包含概率論與數(shù)理統(tǒng)計(jì)，計(jì)算統(tǒng)計(jì)，統(tǒng)計(jì)建模等；計(jì)算機(jī)類課程包含自然語言處理，推斷與表示，深度學(xué)習(xí)，文本分析等。另外還涉及有商科類的知識。

就業(yè)方向

數(shù)據(jù)科學(xué)工作是技術(shù)領(lǐng)域中，增長最快、需求最大的工作之一。

在互聯(lián)網(wǎng)遍布全球的今天，大量的數(shù)據(jù)需要被處理、分析、做出解釋、解決相應(yīng)問題。從傳統(tǒng)的制造業(yè)、服務(wù)業(yè)，還是金融業(yè)、高新產(chǎn)業(yè)，都越來越離不開數(shù)據(jù)分析。除了企業(yè)，越來越多的政府組織也選擇招收DS相關(guān)的人才，進(jìn)行做出科學(xué)、合理的分析、以便正確決策。所以從各方面來看，這一專業(yè)的畢業(yè)生在求職市場中機(jī)會多，且容易獲得高薪工作。

求職的崗位可包括數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師、機(jī)器學(xué)習(xí)工程師、數(shù)據(jù)分析師等。另外隨著科學(xué)技術(shù)不斷發(fā)展和需求增加，也有人選擇深造攻讀博士學(xué)位。

機(jī)器學(xué)習(xí)工程師

主要是開發(fā)機(jī)器學(xué)習(xí)系統(tǒng)和用這些系統(tǒng)解決實(shí)際問題。一般需要ship production code，做出來的是數(shù)據(jù)產(chǎn)品。

數(shù)據(jù)分析師

主要工作是從數(shù)據(jù)中提取insight，估計(jì)投資回報(bào)比，為產(chǎn)品方向提建議，所用工具一般較基礎(chǔ)。比如寫SQL query取數(shù)據(jù)、用R/Python做簡單的分析、用Tableau/Excel作圖，能力較強(qiáng)的通常能自己開發(fā)Dashboard。

數(shù)據(jù)科學(xué)家

數(shù)據(jù)科學(xué)家需要能夠分析大量復(fù)雜的原始信息和處理后的信息，能夠組織并幫助制定戰(zhàn)略業(yè)務(wù)決策。工作內(nèi)容以高級建模為主，會針對復(fù)雜的問題來設(shè)計(jì)技術(shù)方案，比如Uber叫車的ETA、各種定價(jià)系統(tǒng)、Airbnb和金融行業(yè)的Fraud Detection、Amazon物流管理等，通常需要比較深的領(lǐng)域知識。

申請背景

計(jì)算機(jī)科學(xué)CS

數(shù)據(jù)工作大都是通過編程和數(shù)據(jù)庫的相關(guān)手段進(jìn)行的，因此計(jì)算機(jī)科學(xué)背景的同學(xué)，在申請上的優(yōu)勢非常大，如果有學(xué)過統(tǒng)計(jì)、微積分、高級語言，那更是貼合專業(yè)要求。

例如，哈佛大學(xué)對于 MSDS 的本科背景要求是：希望有微積分、線性代數(shù)，熟悉概率和統(tǒng)計(jì)干涉、能使用至少 1 種編程語言，例如 Python 或 R，了解計(jì)算機(jī)科學(xué)概念。

數(shù)學(xué)、統(tǒng)計(jì)學(xué)

Data Science無法避免的就是算法，而算法的基礎(chǔ)就是數(shù)學(xué)，數(shù)學(xué)的邏輯思維決定了申請人將會具備很好的處理大數(shù)據(jù)的能力。因而數(shù)學(xué)背景的同學(xué)申請DS，再加上有一定編程基礎(chǔ)，也同樣有很大的競爭力。

商科類

對于量化背景較強(qiáng)的商科專業(yè)（如金融工程），申請DS也是個(gè)不錯(cuò)的選擇，畢竟商科背景的同學(xué)，更懂得什么數(shù)據(jù)才是有利于預(yù)估經(jīng)濟(jì)發(fā)展行情的，大數(shù)據(jù)疊加商科的buff在未來就業(yè)上或許還有更大的優(yōu)勢。但同樣，還是要有一定的編程基礎(chǔ)。如果編程或者數(shù)學(xué)方面的能力不足，選擇商業(yè)分析BA更好一些。

院校項(xiàng)目分享

芝加哥大學(xué)：

應(yīng)用數(shù)據(jù)科學(xué) Applied Data Science

項(xiàng)目原來叫Analytics，今年6月剛更改了名字。

GPA：3.8+，托福102+，雅思7.0+，GRE不強(qiáng)制

賓夕法尼亞大學(xué)：

數(shù)據(jù)科學(xué)Data Science

建議GPA3.8+，托福100+，GRE：330+，更青睞學(xué)術(shù)背景強(qiáng)的學(xué)生。

約翰霍普金斯大學(xué)：

數(shù)據(jù)科學(xué) Data Science

建議GPA3.5+，TOEFL105左右，GRE325

西北大學(xué)：

分析學(xué) Analytics

建議GPA：3.0+，G無最低分?jǐn)?shù)要求，托福平均分?jǐn)?shù)95，ielts：7.5

杜克大學(xué)：

數(shù)據(jù)分析 Interdisciplinary Data Science

建議GPA3.8+、GRE325+（optional?for?2023），官網(wǎng)Toefl最低要求90+，雅思7，陸本學(xué)生謹(jǐn)慎申請

華盛頓大學(xué)：

數(shù)據(jù)科學(xué) Data Science

國際生友好，轉(zhuǎn)專業(yè)友好，但整體偏理工科，少量商科

哥倫比亞大學(xué)：

數(shù)據(jù)分析 Data Science

項(xiàng)目時(shí)長1.5年，建議GPA：3.5+、托福：100+，平均錄取成績106；GRE：平均錄取成績166 (Q)， 157 (V)， 3.8 (W)。

加州洛杉磯分校：

數(shù)據(jù)科學(xué) MEng-Data Science

官網(wǎng)最低要求GPA80+，托福87以上（W25，S24，R21，L17），雅思7以上

加州伯克利分校：

分析學(xué)?Analytics

項(xiàng)目時(shí)長11個(gè)月，22fall為第一屆錄取，標(biāo)化成績平均GPA3.8

紐約大學(xué)：

數(shù)據(jù)科學(xué)?Data Science

建議國內(nèi)本科gre 320+ /325+， 托福100以上 。美本背景的不需要托福成績，GPA3.3以上。更青睞學(xué)習(xí)過機(jī)器學(xué)習(xí)、計(jì)算統(tǒng)計(jì)、數(shù)據(jù)挖掘、大規(guī)模科學(xué)計(jì)算、運(yùn)籌學(xué)，以及接觸過更多數(shù)學(xué)、計(jì)算機(jī)訓(xùn)練的申請者，通過課程或職業(yè)經(jīng)歷學(xué)習(xí)的知識都算。

南加州大學(xué)：

應(yīng)用數(shù)據(jù)分析 Applied Data Science

分析學(xué) Analytics

應(yīng)用數(shù)據(jù)分析項(xiàng)目為期2年，設(shè)置偏向CS，轉(zhuǎn)碼友好。

分析學(xué)項(xiàng)目為期3-4學(xué)期，轉(zhuǎn)碼不友好，雙非背景可嘗試。

-圖文資料整理自網(wǎng)絡(luò)-