专业解析——数据科学

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。

主要课程

完整的数学背景：微积分、线性代数、概率论、统计学、数学建模

计算机背景知识：计算机导论、SQL、Database、Programming

除此以外，还希望候选者具备一定解决问题和与人沟通的能力

就业前景

美国数据科学硕士的就业前景可以说是极好的，《哈佛商业评论》的一篇文章里将数据科学称作“21世纪最热门的职业”。据New Vantage Partners公司对《财富》美国500强公司的调查显示，85%的500强企业要么已经推出了大数据项目，要么正打算推出。未来几年他们花在数据分析上的投资将平均上涨40%。现在美国市场中有很多Data Science相关的职位，雇主愿意接受没有工作经验的应届生，并且提供绿卡。

数据科学专业人才有着巨大的市场需求和人才缺口。据麦肯锡全球研究院的报告“Big ata: The next frontier for innovation, competition, an prouctivity”说，“到2019年，能够利用大数据来分析业务和经营管理的人缺口巨大，仅美国就一地就缺少约14万到19万具有深度数据分析能力的人才，150万能利用大数据分析进行决策的管理人员。而且这类人才的短缺才刚刚开始，基础设施建设的有效性、激烈竞争催生的持续创新、公共安全领域对大数据利用的渴求等等都将加大大数据分析人才缺口。”

就业方向

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 prouction coe，做出来的是数据产品。

2. 数据科学家 Data Scientist

很多人说，想做数据科学家，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Frau Detection、Amazon物流管理，FB/Linkein的社交网络或者ebay/Airbnb/Uber这样供需双方Marketplace市场规模的实验。

3. 数据分析员 Data Analyst

工作内容俗称analytics (prouct 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Dashboar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。

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)。

薪资状况

根据2019美国职业薪酬排行榜单，其中数据科学家凭借95000美元起薪中位数成为美国薪酬最高职业，软件工程师即随其后，其起薪中位数也达到了90000美元。投行分析师和产品设计起薪中位数都为85000美元，并列第4位。

开设院校

哈佛大学 Harvar University

M.S. in Data Science

哥伦比亚大学 Columbia University

M.S. in Data Science

布朗大学 Brown University

M.S. in Data Science

纽约大学 New York University

M.S. in Data Science