数据科学与大数据技术考研学校

早在 2009 年 1 月，Google 首席经济学家 Hal Varian 就曾断言，“能够获取数据 —— 能够理解数据 —— 处理数据，从中提取价值，可视化并传达信息，这将成为未来几十年非常重要的技能……因为现在我们确实拥有基本上是免费和无处不在的数据。”

时下， 数据科学(Data Science)无疑是出国留学申请最为火热的专业之一，随着赴美国留学读Data Science的学生越来越多，美国数据科学专业申请竞争也日趋激烈。那么数据科学是什么？学什么？就业如何呢？小星为你一一道来

1、内容大纲

• 什么是数据科学
• 数据科学的核心技能
• 数据科学学什么
• 数据科学就业如何
• 美研数据科学申请要求
• 数据科学选校推荐

2、什么是数据科学

2003年，《数据科学杂志》曾提出：“所谓的‘数据科学’，指的是那些任何与数据相关的内容”。对此，我表示赞同，现在一切都无法与数据分割。

从最基本的角度来看，数据科学可以被定义为从数据中获得任何有价值的东西。在现实中，数据科学发展如此迅速，而且呈现出巨大可能性，因此一个更广泛的定义对于理解它是至关重要的。

如何从数据中获得有价值的东西呢？不管是用统计学，还是用机器学习；不管是做数据分析，还是做数据挖掘，都有可能达成这个目标。因此，具体问题需要具体分析。简而言之，针对具体的问题，从业务-数据-特征-算法-应用这些角度切入，做出对的思考和行动。

3、数据科学的核心技能

我之前听过一位斯坦福学长的课程，下图是他提到的数据科学需要具备的技能，总结来说就是数理能力、数据分析能力、软素质、沟通表达和可视化的能力。

总结来说：

--要有独立从各种各样的地方把数据化为己用的能力；

你就会用到SQL、Programming、Hadoop/parallel processing、Machine Learning、Data Mining、Modeling等等。

--你不光要理解what users say they want，你还需要真正的理解what they actually mean；

--数据科学家会跟公司的很多不同部门的人打交道，会比码农跟更有机会见到高层或者是 business领域的人，你需要知道区分什么是问题本质、什么是技术细节，要有能力给上层领导讲high level的分析和推荐，有能力给同事讲解和defend你的技术细节。

4、数据科学学什么？

了解了数据科学家需要具备的能力之后，数据科学学什么也就更加显而易见了。

以下是纽大数据科学的课程

数学方面有：数据科学入门；概率统计；机器学习与计算统计；大数据这些课程

计算机方面有：自然语言处理与表示论；自然语言理解与计算语义；推断与表示；深度学习；文本分析；自然语言处理等等。

5、数据科学就业如何？

美国企业与高等教育论坛（BHEF）与普华永道（PWC）近期发布重要报告称：

“数据分析的人才需求每年都在增长，而每年的高校毕业生数量远远无法满足行业需求。” 报告显示：只有23%的教育者认为毕业生会有数据分析技能，但69%的雇主都希望求职者真正具备数据分析技能。

在 Glassdoor 2019年新发布的《50份最佳就业》报告（50 best jobs in America）中，“数据科学家”在各个职业中名列最佳工作，职业满意度高，职缺多，且重要的是：薪水还很高。

著名求职网站 Indeed 今年 2 月的最新统计数据透露，全美平均数据科学家的平均年薪为 12 万 7981 美元，像科技巨头如 Facebook 等，薪资则会更高。

但是，尽管有这么高的评价与薪资，数据分析领域还是很缺人！

2018 年 8 月 Linkedin 发布的劳动力报告显示，全美有超过 151,000 个数据科学家工作空缺，所有主要城市都出现短缺。其中，纽约、旧金山和洛杉矶出现“急剧”短缺。“数据科学家”的职位自2013年12月以来“飙升了344％”，职缺的速度甚至大于“软件工程师”。

按照官方说法，美国劳工统计局甚至预测，到 2024 年，该领域的工作岗位将增加 11 个百分点。

6、美国数据科学申请要求？

美研申请一方面考察学生的学校，绩点，语言成绩，专业背景，另一方面会比较看重软性背景，也就是相关实习和项目经历。

专业背景方面，数学/统计或CS为佳，物理，经济学等强调数学能力的专业次之，其他理工专业再次之。转专业申请者，建议修过相关数学课程，如线性代数，概率论，数理统计，微积分等；计算机方面建议修过CS相关课程，如编程语言Python、R、Java、C++等。

以下是哥大DS项目官网的申请要求：

---哥伦比亚大学的MS in Data Science 项目处于美国数据科学硕士申请难度的第一梯队。该项目为期1年，学生共需修读30个学分，无需撰写毕业论文。

---该项目要求申请者拥有一定的数学及编程基础，最好学过微积分、线性代数、计算机编程等课程，没有强制性的工作经验要求，有的话也会为申请者加分。

---需要递交GRE成绩，托福100、雅思7.0，不可使用GMAT代替GRE成绩。

7、美国数据科学选校推荐

哈佛大学

MS Data Science 1年

专业背景：自然科学，数学，或工程专业学士学位

不接受GMAT代替GRE，不接受IELTS代替TOEFL

哥伦比亚大学

MS in Data Science 2年

专业背景：定量课程 (微积分，线性代数等);计算机编程

斯坦福大学

M.S. in Statistics: Data Science 5 Quarters(1年3个Quarters)

专业背景：较强的数学和计算机背景

不接受GMAT代替GRE，不接受IELTS代替TOEFL

杜克大学

Master in Interdisciplinary Data Science (MIDS) 2年

每年大约招收25-35个学生

布朗大学

Master's in Data Science

专业背景：先修课要求为1年的微积分，1学期的线性代数，1学期的概率与统计

乔治城大学

Master of Science in Data Science for Public Policy 2年

南加州大学

Master of Science in Computer Science (Data Science)

专业背景：工程学、数学或硬科学。

不接受GMAT代替GRE

卡耐基梅隆大学

MSPPM Data Analytics track 1.5年

业背景：较强的数学基础，有先修课要求

纽约大学

MS in Data Science 2年

专业背景：在数学、计算机科学和应用统计学方面有很强的背景。

不接受GMAT代替GRE

罗彻斯特大学

MS in Data Science 2学期

专业背景：科学、工程、数学或商业

数据科学(DS)

简单定义为：数据科学是从数据中提取有用知识的一系列技能和技术。

这些技能通常用德鲁·康威（Drew Conway）创造的维恩图（或它的变体）来表示：

三个圆圈分别代表三个不同的领域：编程领域（语言知识、语言库、设计模式、体系结构等）；数学（代数、微积分等）和统计学领域；数据领域(特定领域的知识：医疗、金融、工业等)。

这些领域共同构成了定义中的技能和技术。它们包括获取数据、数据清理、数据分析、创建假设、算法、机器学习、优化、结果可视化等等。

数据科学汇集了这些领域和技能，支持和改进了从原始数据中提取见解和知识的过程。

什么是“有用的知识”？就是可以具有某种价值、可以解答或解决现实世界中问题的知识。

数据科学也可以定义为：研究应用数据处理和分析方面的进展，为我们提供解决方法和答案的领域。