美國留學(xué)數(shù)據(jù)科學(xué)碩士專業(yè)解析

美國數(shù)據(jù)科學(xué)碩士專業(yè)解析，申請(qǐng)MS Data Science 需要什么樣的背景？

什么是數(shù)據(jù)科學(xué)（Data Science）？

隨著科技的發(fā)展，每天每時(shí)每刻都有大量數(shù)據(jù)被產(chǎn)生和存儲(chǔ)下來。如何才能把這些數(shù)據(jù)變成有用的信息價(jià)值被人類所利用，就會(huì)通過一系列的收集、統(tǒng)計(jì)、整理、分析、挖掘等方法和技術(shù)來實(shí)現(xiàn)整個(gè)過程。數(shù)據(jù)科學(xué)是一門交叉的學(xué)科，涉及到很多的領(lǐng)域包括統(tǒng)計(jì)學(xué)、數(shù)學(xué)、計(jì)算機(jī)、人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫、模式識(shí)別、可視化技術(shù)等多學(xué)科的知識(shí)。大數(shù)據(jù)時(shí)代的到來，為各個(gè)科學(xué)領(lǐng)域帶來了新的改革。

數(shù)據(jù)科學(xué)專業(yè)的就業(yè)前景

全球頂 尖管理咨詢公司麥肯錫（McKinsey）出具了一份詳細(xì)的分析報(bào)告，預(yù)計(jì)到2018年，大數(shù)據(jù)或者數(shù)據(jù)工作者的崗位需求將激增，其中大數(shù)據(jù)科學(xué)家的缺口在140000到190000之間，對(duì)于懂得如何利用大數(shù)據(jù)做決策的分析師和經(jīng)理的崗位缺口則將達(dá)到1500000！

其中對(duì)大數(shù)據(jù)處理需求最旺盛的行業(yè)包括：制藥業(yè)、計(jì)算機(jī)軟件、互聯(lián)網(wǎng)、科研、IT技術(shù)服務(wù)、生物技術(shù)。事實(shí)上，大數(shù)據(jù)工作者可以施展拳腳的領(lǐng)域非常廣泛，從國防部、互聯(lián)網(wǎng)創(chuàng)業(yè)公司到金融機(jī)構(gòu)，到處需要大數(shù)據(jù)項(xiàng)目來做創(chuàng)新驅(qū)動(dòng)。數(shù)據(jù)分析或數(shù)據(jù)處理的崗位報(bào)酬也非常豐厚，在硅谷，入門級(jí)的數(shù)據(jù)科學(xué)家的收入已經(jīng)是6位數(shù)了（美元）。

數(shù)據(jù)科學(xué)的三類職業(yè)方向機(jī)器學(xué)習(xí)、數(shù)據(jù)分析和數(shù)據(jù)科學(xué)家。

（1）機(jī)器學(xué)習(xí)工程師 Machine Learning Engineer

代表了技術(shù)含量較高的方向，工作內(nèi)容主要是開發(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。

（2）數(shù)據(jù)分析員 Data Analyst

工作內(nèi)容俗稱analytics （product analytics or business analytics），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作圖比較常見，能自己開發(fā)Dashboard算是analyst里面技術(shù)強(qiáng)的;工作需要產(chǎn)生各種形式的報(bào)告;在統(tǒng)計(jì)層次上，懂基本t-test和線性回歸即可。

（3）數(shù)據(jù)科學(xué)家 Data Scientist

很多人說，我想做數(shù)據(jù)科學(xué)家，我想做機(jī)器學(xué)習(xí)，而這類職位就是大家想象中的那種。此類職位工作內(nèi)容以高級(jí)建模為主，會(huì)針對(duì)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，F(xiàn)B/Linkedin的社交網(wǎng)絡(luò)或者ebay/Airbnb/Uber這樣供需雙方Marketplace市場(chǎng)規(guī)模的實(shí)驗(yàn)。這些例子，聽上去就不是寫SQL能解決的，也不是會(huì)寫代碼就能做出來的，都需要比較深的領(lǐng)域知識(shí)。

申請(qǐng)MS Data Science 需要什么樣的背景？

不論是陸本還是美本，在本科階段就開設(shè)Data Science這個(gè)專業(yè)的學(xué)校并不多，所以大家不要一看自己專業(yè)名字和數(shù)據(jù)科學(xué)不搭邊就覺得是轉(zhuǎn)專業(yè)申請(qǐng)。

首先，本科是計(jì)算機(jī)科學(xué)CS的同學(xué)，是符合申請(qǐng)條件的，因?yàn)榇蠖鄶?shù)數(shù)據(jù)工作都是通過編程和數(shù)據(jù)庫的相關(guān)手段進(jìn)行的，同時(shí)學(xué)過統(tǒng)計(jì)、微積分、高級(jí)語言；

例如哈佛大學(xué)對(duì)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。

其次，本科背景是統(tǒng)計(jì)、數(shù)學(xué)或應(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)，這都是很好的專業(yè)匹配。

商科背景出身，但量化背景較強(qiáng)的商科專業(yè)，比如金工，但又希望能選擇一個(gè)STEM專業(yè)的同學(xué)，那DS顯然也是個(gè)非常好的選擇。

所以說，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)，那你就很有競爭力；而純商科背景的同學(xué)，如果沒有強(qiáng)的量化背景，或者不懂編程，那建議還是數(shù)據(jù)科學(xué)DS和商業(yè)分析BA混合申請(qǐng)，因?yàn)樯虡I(yè)分析更加偏商科，開在商學(xué)院，對(duì)商科背景接納程度大很多。