手機(jī)電腦屏幕前的你是否遇到過(guò)這樣的情況：前腳剛在談?wù)摶蛘咚阉鞯膬?nèi)容，下一秒就會(huì)出現(xiàn)在你的電腦網(wǎng)頁(yè)廣告或手機(jī)APP相關(guān)產(chǎn)品推薦；又或者你在某寶上點(diǎn)進(jìn)了某件商品的詳情頁(yè)，隔天你的推薦列表就變成了相關(guān)產(chǎn)品的專場(chǎng)。

若經(jīng)歷過(guò)以上場(chǎng)景，那你一定對(duì)“大數(shù)據(jù)”這個(gè)詞不會(huì)感到陌生。事實(shí)上，數(shù)據(jù)無(wú)處不在，人類社會(huì)的數(shù)據(jù)量一直處于快速增長(zhǎng)中，尤其在互聯(lián)網(wǎng)高度發(fā)達(dá)的今天。

于是，有越來(lái)越多的人開始投身于研究、分析數(shù)據(jù)，并把數(shù)據(jù)作為重要的行事參考依據(jù)。Data Science 就在這樣的時(shí)代背景下逐步成為火熱的專業(yè)。

什么是 Data Science？

從廣義上來(lái)說(shuō)，和數(shù)據(jù)相關(guān)的科學(xué)研究都是數(shù)據(jù)科學(xué)（Data Science，簡(jiǎn)稱DS）；具體點(diǎn)來(lái)說(shuō)的話，Data Science 是指通過(guò)挖掘數(shù)據(jù)、處理數(shù)據(jù)、分析數(shù)據(jù)，從而得到有用信息的技術(shù)和研究，再將這些信息應(yīng)用到不同領(lǐng)域的各個(gè)方面。

該學(xué)科結(jié)合了諸多領(lǐng)域中的理論和技術(shù)，包括應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)、模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化、數(shù)據(jù)倉(cāng)庫(kù)以及高性能計(jì)算等，通過(guò)運(yùn)用各種相關(guān)的數(shù)據(jù)來(lái)幫助非專業(yè)人士理解問(wèn)題。

Data Science 都學(xué)些什么？

總的來(lái)說(shuō)，Data Science 的學(xué)習(xí)主要分為以下三個(gè)模塊：

• 數(shù)據(jù)模型

• 數(shù)據(jù)處理

• 數(shù)據(jù)可視化

顯而易見的是，這些相關(guān)的知識(shí)都和計(jì)算機(jī)、統(tǒng)計(jì)及數(shù)學(xué)有著密切的聯(lián)系。下面給大家一張圖，或許可以更直觀地感受到 Data Science 和其他學(xué)科之間的關(guān)系：

作為一門跨領(lǐng)域?qū)W科，Data Science 專業(yè)的學(xué)生一般會(huì)學(xué)習(xí)包括數(shù)據(jù)分析、計(jì)算機(jī)編程、預(yù)測(cè)建模、統(tǒng)計(jì)學(xué)、概率論、微積分等課程。

那么學(xué)習(xí)這個(gè)專業(yè)，能從事哪方面的工作？就業(yè)前景又如何？去哪個(gè)國(guó)家學(xué)習(xí)比較好？申請(qǐng)難不難？

Data Science 專業(yè)畢業(yè)后做什么？

1.就業(yè)市場(chǎng)現(xiàn)狀

隨著互聯(lián)網(wǎng)的快速發(fā)展，幾乎每個(gè)行業(yè)都需要懂得處理數(shù)據(jù)的專業(yè)人士，這也導(dǎo)致就業(yè)市場(chǎng)對(duì)于數(shù)據(jù)科學(xué)這個(gè)職位的需求激增，并成為了目前最具價(jià)值的職業(yè)領(lǐng)域之一。

根據(jù) Glassdoor 《 2022 美國(guó) Top 50 最佳工種》排名顯示，數(shù)據(jù)科學(xué)家以年薪中位數(shù) $120,000（約76萬(wàn)人民幣）位列美國(guó)最佳職業(yè)榜單的第三位，是美國(guó)最受歡迎的工作之一。

根據(jù)Glassdoor和美國(guó)勞工統(tǒng)計(jì)局給出的數(shù)據(jù)，美國(guó)將為數(shù)據(jù)科學(xué)家和類似的高級(jí)分析職位創(chuàng)造超過(guò) 61,799 個(gè)新工作崗位；到 2026 年，數(shù)據(jù)科學(xué)家的就業(yè)人數(shù)預(yù)計(jì)將增加 20%。

2.數(shù)據(jù)科學(xué)的工作內(nèi)容

數(shù)據(jù)科學(xué)的主要工作可以歸納分為四個(gè)部分：

• 歸納問(wèn)題

• 準(zhǔn)備探索數(shù)據(jù)

• 模型訓(xùn)練檢驗(yàn)調(diào)整

• 報(bào)告和產(chǎn)品

1）歸納問(wèn)題

客戶給公司的任務(wù),或者上級(jí)給分析師的任務(wù),不是一個(gè)具體的任務(wù)(用xx模型來(lái)做xx數(shù)據(jù)) ，而是一個(gè)具體的商業(yè)問(wèn)題。

比如，上個(gè)季度為什么盈利下降了？這就需要有專業(yè)知識(shí)幫助我們找到方向。

2）準(zhǔn)備探索數(shù)據(jù)

歸納問(wèn)題結(jié)束之后，會(huì)產(chǎn)生很多假設(shè)，這就需要尋找數(shù)據(jù)驗(yàn)證假設(shè)。

尋找數(shù)據(jù)一般是竭盡所能，比如收入不好與市場(chǎng)推廣有關(guān)，就會(huì)去尋找廣告商的數(shù)據(jù)；尋找數(shù)據(jù)以后，要檢查數(shù)據(jù)質(zhì)量是否有異動(dòng)、缺失等等。

通常，數(shù)據(jù)質(zhì)量能夠決定模型的準(zhǔn)確率，所以花在“清洗整理”數(shù)據(jù)上的時(shí)間要占到總時(shí)間的60%甚至更多，有時(shí)候也需要跟客戶進(jìn)行交流。檢查完質(zhì)量以后，再做一些探索性分析。

3）模型訓(xùn)練檢驗(yàn)調(diào)整

先確定模型基本類型(回歸、聚類等)，選取比較合適的模型進(jìn)行搭建，用test對(duì)模型進(jìn)行檢驗(yàn)。檢驗(yàn)的同時(shí)，再去尋找模型最優(yōu)的參數(shù)配置對(duì)模型進(jìn)行預(yù)測(cè)。如果預(yù)測(cè)結(jié)果很好的話,建模過(guò)程就結(jié)束了。

4）報(bào)告和產(chǎn)品

如果你在咨詢公司工作，模型做完以后都會(huì)和客戶進(jìn)行交流，看是否符合實(shí)際情況；在科技公司中,模型往往會(huì)發(fā)展成一個(gè)產(chǎn)品，放在公司平臺(tái)上進(jìn)行測(cè)試使用，最后進(jìn)行正式發(fā)布。

總的來(lái)說(shuō)，Data Science是多領(lǐng)域的結(jié)合，尤其是跟具體各行各業(yè)相結(jié)合的時(shí)候，除了具備專業(yè)知識(shí)和技能，以及實(shí)際運(yùn)用知識(shí)的能力外，還需要對(duì)特定甚至多個(gè)相關(guān)行業(yè)領(lǐng)域有深入的了解。

3.有哪些職位與Data Science相匹配？

互聯(lián)網(wǎng)時(shí)代，各行各業(yè)都在利用大數(shù)據(jù)來(lái)解決問(wèn)題，所以各企業(yè)都有與數(shù)據(jù)科學(xué)相關(guān)的職位設(shè)置。

與 Data Science 相關(guān)的職位可能有很多種叫法，不同公司根據(jù)不同的背景，主要有以下一些常見的職位頭銜（title）：

1）數(shù)據(jù)科學(xué)家 Data Scientist

數(shù)據(jù)科學(xué)家應(yīng)具有商業(yè)頭腦和分析技能，以及挖掘、清理和呈現(xiàn)數(shù)據(jù)的能力。該職位主要職責(zé)為獲取、管理和分析大量非結(jié)構(gòu)化數(shù)據(jù)，并提出相關(guān)設(shè)計(jì)解決方案。然后將結(jié)果綜合并傳達(dá)給關(guān)鍵利益相關(guān)者，以推動(dòng)企業(yè)的戰(zhàn)略決策。

2）數(shù)據(jù)分析師 Data Analyst

數(shù)據(jù)分析師是數(shù)據(jù)科學(xué)家和商業(yè)分析師之間的橋梁。該職位主要從事數(shù)據(jù)處理工作，運(yùn)用算法來(lái)解決和分析問(wèn)題，推動(dòng)數(shù)據(jù)解決方案的不斷更新，估計(jì)投資回報(bào)比，為產(chǎn)品方向提建議。

3）數(shù)據(jù)工程師 Data Engineer

數(shù)據(jù)工程師管理大量快速變化的數(shù)據(jù)。他們專注于數(shù)據(jù)管道和基礎(chǔ)設(shè)施的開發(fā)、部署、管理和優(yōu)化，以便將數(shù)據(jù)轉(zhuǎn)換傳輸給數(shù)據(jù)科學(xué)家進(jìn)行查詢。

4）數(shù)據(jù)挖掘工程師 Data Mining Engineer

數(shù)據(jù)挖掘工程師不僅會(huì)檢查他們自己的業(yè)務(wù)數(shù)據(jù)，還會(huì)檢查從第三方收集的信息，數(shù)據(jù)挖掘工程師將創(chuàng)建復(fù)雜的算法來(lái)進(jìn)一步分析數(shù)據(jù)。

5）數(shù)據(jù)架構(gòu)師 Data Architect

數(shù)據(jù)架構(gòu)師與用戶、系統(tǒng)設(shè)計(jì)人員、以及開發(fā)人員密切合作，創(chuàng)建用于集中、集成、維護(hù)和保護(hù)數(shù)據(jù)源的數(shù)據(jù)管理系統(tǒng)。

6）風(fēng)控師 Risk Manager

風(fēng)控師是提前識(shí)別風(fēng)險(xiǎn)并采取預(yù)防措施降低或減輕風(fēng)險(xiǎn)的職位，較多出現(xiàn)在金融相關(guān)行業(yè)。該職位與數(shù)據(jù)科學(xué)緊密相連，風(fēng)控師需使用數(shù)據(jù)處理工具/知識(shí)，有效地提供風(fēng)險(xiǎn)分析報(bào)告，幫助企業(yè)擺脫損失。

去哪個(gè)國(guó)家留學(xué)比較好？

在回答這個(gè)問(wèn)題前，我們先來(lái)看一下EduRank 對(duì)各國(guó)各大學(xué) Data Science 專業(yè)的排名。

從以上榜單中我們可以看到，美國(guó)院校包攬了前十。并且在Top35的名單中，絕大部分院校為美國(guó)大學(xué)，其次是英國(guó)，但在學(xué)校數(shù)量上還是和美國(guó)相差甚遠(yuǎn)。

不止該榜單如此，美國(guó)數(shù)據(jù)科學(xué)人才測(cè)評(píng)專業(yè)機(jī)構(gòu) Correlation One 發(fā)布的白皮書中，就有全球院校Data Science 的專業(yè)排名，其中美國(guó)院校表現(xiàn)依然出挑。

下面我們主要來(lái)了解一下美國(guó)的 Data Science 專業(yè)。

1.美國(guó)大學(xué)DS專業(yè)都有哪些課程項(xiàng)目？

不管是教育質(zhì)量，還是就業(yè)發(fā)展，美國(guó)都是學(xué)習(xí) Data Science 專業(yè)的首選。近年來(lái)，美國(guó)開設(shè)數(shù)據(jù)科學(xué)專業(yè)的學(xué)校數(shù)量快速增加，不少院校都把它列入為STEM專業(yè)，可見美國(guó)對(duì)于數(shù)據(jù)科學(xué)專業(yè)的重視程度。

以下是各大院校該專業(yè)普遍會(huì)涉及的一些具體課程，主要包括：

• 大數(shù)據(jù) Big Data

• 機(jī)器學(xué)習(xí) Machine Learning

• 數(shù)據(jù)可視化 Data Visualization

• 數(shù)據(jù)探索與分析 Data Exploration & Analysis

• 概率與統(tǒng)計(jì) Probability & Statistics

• 數(shù)據(jù)庫(kù)系統(tǒng) Database Systems

• 數(shù)據(jù)結(jié)構(gòu)和算法 Data Structures & Algorithms

• 數(shù)據(jù)挖掘 Data Mining

每個(gè)學(xué)校具體涉及的課程會(huì)有所不同，但是主要都圍繞數(shù)據(jù)科學(xué)的五個(gè)不同階段：

• 捕獲（數(shù)據(jù)采集、數(shù)據(jù)輸入、信號(hào)接收、數(shù)據(jù)提取）；

• 維護(hù) （數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)清洗、數(shù)據(jù)分期、數(shù)據(jù)處理、數(shù)據(jù)架構(gòu)）；

• 過(guò)程 （數(shù)據(jù)挖掘、聚類/分類、數(shù)據(jù)建模、數(shù)據(jù)匯總）；

• 分析 （探索性/確認(rèn)性、預(yù)測(cè)性分析、回歸、文本挖掘、定性分析）；

• 溝通 （數(shù)據(jù)報(bào)告、數(shù)據(jù)可視化、商業(yè)智能、決策制定）。

在美國(guó)，大部分 Data Science 的相關(guān)項(xiàng)目一般開設(shè)在計(jì)算機(jī)學(xué)院、文理學(xué)院、工程學(xué)院下，也有少數(shù)設(shè)置于商學(xué)院。下面為大家推薦美國(guó)幾所排名不錯(cuò)的院校以及碩士項(xiàng)目吧~

2.推薦院校及項(xiàng)目

1）斯坦福大學(xué) Stanford University

• 項(xiàng)目名稱：Master of Science in Statistics - Data Science track

• 所屬學(xué)院：School of Humanities and Sciences - The Department of Statistics

• 項(xiàng)目長(zhǎng)度：1-2年

2）哈佛大學(xué) ?Harvard University

• 項(xiàng)目名稱：Master of Science?in?Data Science

• 所屬學(xué)院：Harvard John A. Paulson School of Engineering and APPlied Sciences

• 項(xiàng)目長(zhǎng)度：1-2年

3）華盛頓大學(xué) University of Washington

• 項(xiàng)目名稱：Master of Science in Data Science

• 所屬學(xué)院：College of Arts & Sciences,Natural Sciences Division - Department of Statistics

• 項(xiàng)目長(zhǎng)度：1.5年

4）密歇根大學(xué)安娜堡分校 University of Michigan,Ann Arbor

• 項(xiàng)目名稱：Master of Science in Data Science

• 所屬學(xué)院：College of Literature,Science,and the Arts

• 項(xiàng)目長(zhǎng)度：1年

5）卡內(nèi)基梅隆大學(xué) Carnegie Mellon University

• 項(xiàng)目名稱：Master of Computational Data Science

• 所屬學(xué)院：School of Computer Science

• 項(xiàng)目長(zhǎng)度：16個(gè)月

6）加州大學(xué)伯克利分校 University of California,Berkeley

• 項(xiàng)目名稱：Master of Engineering - Data Science and Systems

• 所屬學(xué)院：?College of Engineering - Department of Electrical Engineering And Computer Science

• 項(xiàng)目長(zhǎng)度：1年

7）康奈爾大學(xué) Cornell University

• 項(xiàng)目名稱：Master of Professional Studies in APPlied Statistics?

• 所屬學(xué)院：College of Computing and Information Science

• 項(xiàng)目長(zhǎng)度：1年

8）南加州大學(xué) University of South California

• 項(xiàng)目名稱：Master of Science in Computer Science (Data Science)?

• 所屬學(xué)院：USC Viterbi School of Engineering

• 項(xiàng)目長(zhǎng)度：1-2年

9）賓夕法尼亞大學(xué) University of Pennsylvania

• 項(xiàng)目名稱：Master of Science in Engineering in Data Science

• 所屬學(xué)院：School of Engineering and APPlied Science

• 項(xiàng)目長(zhǎng)度：1.5-2年

10）哥倫比亞大學(xué) Columbia University

• 項(xiàng)目名稱：Master of Science in Data Science

• 所屬學(xué)院：Data Science Institute

• 項(xiàng)目長(zhǎng)度：1.5年

當(dāng)然，選擇哪個(gè)國(guó)家就讀要考慮的因素有很多，比如學(xué)校排名及認(rèn)可度、專業(yè)排名、個(gè)人競(jìng)爭(zhēng)力、就業(yè)發(fā)展、文化氛圍等等。

總的來(lái)說(shuō)，美國(guó)數(shù)據(jù)科學(xué)專業(yè)院校更多，且專業(yè)排名會(huì)相對(duì)更高，國(guó)內(nèi)認(rèn)可度也高、就業(yè)市場(chǎng)也會(huì)更廣。

申請(qǐng)?jiān)搶I(yè)的一般要求

1.需要什么樣的學(xué)術(shù)背景？

不論是國(guó)內(nèi)還是美國(guó)本土，本科就開設(shè)Data Science這個(gè)專業(yè)的學(xué)校并不是特別多，所以大家不要一看自己專業(yè)名字和數(shù)據(jù)科學(xué)不搭邊就覺(jué)得是轉(zhuǎn)專業(yè)申請(qǐng)。?

首先，學(xué)CS的同學(xué)顯然是可以申請(qǐng)的，因?yàn)榇蠖鄶?shù)數(shù)據(jù)工作都是通過(guò)編程和數(shù)據(jù)庫(kù)的相關(guān)手段進(jìn)行的；

學(xué)統(tǒng)計(jì)或者應(yīng)用數(shù)學(xué)，且有一定編程基礎(chǔ)的同學(xué)也可以申請(qǐng)；

商科出身，尤其是量化背景較強(qiáng)的商科專業(yè)，比如金融工程，但又希望能選擇一個(gè)STEM專業(yè)的小伙伴，那DS顯然也是個(gè)非常好的選擇。

所以說(shuō)，如果你有比較強(qiáng)的編程背景，又有比較好的數(shù)理基礎(chǔ)那你就很有競(jìng)爭(zhēng)力；而純商科背景的小伙伴則可以選擇Data Science（DS）和 Business Analytics（BA）混申吧，后者更偏商科更加Match一些。

2.GPA

美國(guó)大部分排名較好的院校，GPA的最低要求都在3.0以上。所以，如果你要申請(qǐng)好的院校需要早點(diǎn)準(zhǔn)備提高自己的GPA。

3.語(yǔ)言成績(jī)

在美國(guó)，Data Science 專業(yè)排名稍好的學(xué)校語(yǔ)言成績(jī)一般為：雅思6.5-7.5；托福88-100。排名前十的院校一般要求雅思7.5，托福100。

4.GRE/GMAT

美國(guó)大部分院校會(huì)要求學(xué)生提供GRE/GMAT成績(jī)，不過(guò)因?yàn)橐咔樵颍芏鄬W(xué)校取消了GRE/GMAT的強(qiáng)制提交要求。

好啦，以上就是關(guān)于數(shù)據(jù)科學(xué)專業(yè)的全部?jī)?nèi)容，如果你還有其他疑問(wèn)，可以在評(píng)論區(qū)告訴我們哦！