2023数据科学专业硬核解析

01

数据科学有哪些专业方向

数据科学涉及统计数据分析及相关方法，通过一系列方法和技术来实现数据的收集、统计、整理、分析和挖掘，探寻数据背后的真相。

这门学科综合了数学、统计学、信息科学和计算机科学等多个学科的技术和理论，其中包括机器学习、分类、聚类分析、数据挖掘、数据库和可视化等重要分支。

/ 专业方向 /

数据科学（Data Science） ：该专业将数学和统计学课程作为核心，并辅以SQL和Python等编程技能课程。涵盖数据架构、计算机工程和编程等内容。

商业分析（Business Analytics） ：商业分析硕士学位专注于数据应用，研究消费者、市场和世界经济趋势。

信息系统（Information Systems） ：大多数信息系统是基于现有计算机架构、语言和系统进行信息收集、组织和整合的工作。信息系统硕士课程通常面向商业环境中的技术管理岗位。

运筹学和相关工程学（Operations Research） ：该专业的学习涉及数学建模、统计分析和数学优化等内容，旨在为复杂的决策问题找到最佳解决方案。

“数据科学”与“数据分析”有什么区别？

从专业上看， 这两个都属于数据领域，但又有一点区别，数据科学偏向大数据处理，数据分析专注分析功能，一般数据科学包括数据分析。

但我从不建议大家仅通过“专业名”判断，一定要把项目放到学校中，看课程设置、培养方向，才能更好地了解这个专业，判断自己适不适合这个项目。

从就业角度看， 有的大企业可能会在招聘时区分数据分析师与数据科学家，但其实大部分求职以及开展工作时，这两者的边界比较模糊。大家通过“数据科学”与“数据分析”的技能图其实也能发现，两者有很多重合。

02

数据科学有哪些就业方向

数据科学是一个令人振奋且充满无限可能的专业。毕业生们在广阔的就业市场上，仿佛置身于一片机遇的海洋中。以下是一些数据科学毕业生可能找到的工作岗位：

岗位分布

Data Science

数据分析师： 他们擅长收集、清洗和分析数据，犹如发现宝藏般挖掘出洞察力和数据驱动的决策支持，为企业带来蓬勃发展的希望。

机器学习工程师： 他们运用机器学习算法和技术，解决现实问题，如图像识别、自然语言处理和预测模型等，为世界注入了无限的智慧和创新。 数据工程师： 他们致力于构建和维护数据基础设施，像雕琢一座座数据宝塔，包括数据库、数据仓库和ETL（提取、转换和加载）流程，为数据的流动铺设了坚实的桥梁。 人工智能工程师： 他们努力开发人工智能系统，如智能推荐系统、自动驾驶技术等，让科幻电影中的梦想成为现实，为人类的未来带来了无限的想象力和可能性。 商业分析师： 他们将数据分析与商业智慧相结合，如同一位智者，为企业提供市场、产品和竞争情报等洞察，点燃商业世界中的明灯。 数据科学家： 他们将统计学、机器学习和领域知识融为一体，解决复杂问题，建立预测模型，如同探险家般踏上未知的领域，为科学进步和社会发展贡献着智慧和力量。 除上述职位之外，还有数据可视化专家、量化分析师、数据治理专业、健康数据分析师、社交媒体数据分析师、数据科学项目经理等职位可供选择。

03

为什么选择美国

数据科学家这个职业最早出现于 2008 年，随着各行业领域大数据应用主体持续增加，个性化、定制化大数据解决方案日益受到青睐。

领英曾做过调查，数据科学领域出现非常严重的人才短缺，美国当前数据科学家的人才缺口大约为151,717人。

IBM也预测未来几年，企业对数据科学类岗位需求量将猛增28%。同时，数据科学类岗位H1B持有数也呈大幅上升趋势。

美国 数 学科学方向热门的城市有纽约市、芝加哥、旧金山、哥伦比亚特区等。像加州、纽约州、伊利诺伊州、德州、北卡罗来纳州相关岗位比较多。

就业行业也很广泛，互联网、制药业、金融、计算机软件、科研、生物技术等都需要大数据项目。

/ 如何判断自己是否适合数据科学 /

可以从三个方面进行分析：数理基础、软件编程基础和相关经验。

数理基础：主要是指是否有线性代数、概率统计学基础，可以通过相关专业及课程看出来。如果是理工科，可以默认其有较强的数学基础；如果相关课程中含有“高等数学、统计学、微积分、计量经济学、Advanced Mathematics、Statitiscs、Calculus、Econometrics”等关键词，则可以判断有数理基础。

软件编程基础：软件编程基础可以通过“相关专业”及“相关技能”看出，一般而言如Excel，SQL，Python为必备技能，此外如R、SPSS、SAS 这些工具也根据行业不同各有要求。

04

数据科学院校推荐

1、卡耐基梅隆大学

Master of Computational Data Science (MCDS)

开设在计算机学院下，比较偏学术的项目，很多学生毕业就直接去读博士，项目就是专门为计算机科学、计算机工程相关背景学生设计，在项目开始前必须完成相应计算机课程。

 2、杜克大学 Master in Interdisciplinary Data Science (MIDS) 杜克的跨学科数据科学硕士为期2年，有STEM认证，没有专业和先修课、工作经验申请要求，但被录取的学生普遍有线性代数、统计学、计算机编程相关背景。 

3、纽约大学 Master in Data Science 纽大的数据科学硕士开设在数据科学中心CDS下，CDS就附属在库郎数学科学研究所，所以对申请人的数学、计算机背景很看重，学习过微积分、线性代数、计算机科学、统计学、概率论、计量经济学等课程。总而言之，优先考虑接触过数据挖掘、运筹学、大数据计算、机器学习等背景的申请人。 NYU的这个项目也是STEM专业，人气很高。不接受GMAT，接受GRE但是可选，根据往年经验，GRE还是蛮重要的，托福100+，雅思7.0+，录取学生平均GPA3.8。 

4、哥伦比亚大学 Master of Science in Data Science 又是一个高难度项目，哥大的数据科学开设在工程学院，同样要求有微积分、线性代数、计算机编程等先修课程，3封推荐信，GRE可选，托福99+，雅思6.5+，134+。 

05

如何准备申请？

申请数据科学专业 最符合的本科专业自然是计算机、数统相关，有些量化商科专业也可以。 留学申请主要看硬实力和软实力两方面。

① 硬实力是门槛

硬实力主要包括本科 GPA，本科专业，语言成绩。

② 软实力是拿到offer的关键

推荐信： 对推荐信来说，最重要的是推荐人的地位和可信度，一封来自于有权威和深入了解你能力的推荐人的推荐信将对你的申请产生积极的影响。

实习经历： 实习的价值并不仅仅在于其数量，更在于其质量。拥有与目标专业密切相关的实习经验将展示你的专业能力和实践技巧，有时甚至比实习所在公司的声誉更为重要。

科研经历： 通过参与科研项目，你能够展示你在问题解决、数据分析和创新思维方面的能力。这样的经历将使你在众多申请学生中脱颖而出，是申请加分项。