伴隨著科技的不斷發展,每時每刻,都會有大量的數據被產生和存儲下來。各大采集數據的公司不怕數據太多,就怕啥數據丟,于是把所有的數據都記錄了下來。
為了處理分析好這些數據,便誕生了一系列諸如數據分析、數據科學的專業,以及數據科學家這樣的職業,需求量正在日益暴增。
根據麥肯錫等咨詢行業的研究報告,數據相關類的崗位需求僅在美國就突破了20W。據IBM預測,到2020年,所有美國數據科學類崗位數量將增加36萬個,總數達到270萬。
今天的專業解析,我們就帶大家走進數據科學專業的世界,一起了解下2019申請季數據科學專業的錄取趨勢,更好地準備2020年的申請!
數據科學也被稱為數據驅動科學,是一個關于科學方法、過程和系統的跨學科領域,從結構化或非結構化的數據提取知識或見解,類似于數據挖掘。
這個概念有兩點需要解釋,一個是數據科學的核心是從數據中提取知識或見解,另外一個是類似于數據挖掘,應該講數據科學有很多內容依賴于數據挖掘的方法,但不全部是數據挖掘。
其交叉學科的性質和未來廣闊的不同專業的就業面,使得眾多學科背景的人群都可以參加學習這個專業。這些專業背景包括:
數學:Data Science 無法避免的就是算法,而算法的基礎就是數學。因而數學系的同學如果申請Data Science 的話是非常有競爭力的,雖然你可能沒有計算機基礎,但是你的邏輯思維直接導致了你有很好的處理大數據的能力。
計算機相關專業:計算機在Data Science 方向自然是最具競爭力的。但是這個專業除了鞏固自身的編程能力,更著重了解更多的處理數據的方法。因此,學計算機的同學們,建議在數學方向有一定的基礎,不然學的時候會很費腦。
經濟學相關專業:在大數據環境下,你有經濟學基礎,那么恭喜你,你一定比其他專業的同學們更懂得什么數據才是有利于預估經濟發展行情的,因而如果你有很好的邏輯能力的話,你完全可以學習一些基礎的計算機知識和編程,這不但是適應社會發展的知識,也是能讓你在今后就業方面如魚得水的專業。
數據科學的三類職業方向包括:機器學習、數據分析和數據科學家。
1. 機器學習工程師 Machine Learning Engineer
代表了技術含量較高的方向,工作內容主要是開發機器學習系統和用這些系統解決實際問題。一般需要ship production code,做出來的是數據產品。
2. 數據分析員 Data Analyst
工作內容俗稱analytics (product analytics or business analytics),從數據中提取insight,估計投資回報比,為產品方向提建議。Data Analyst的基本工資中值為58777美元。
能夠影響薪資的技能包括:數據分析、Microsoft Excel、SQL、數據庫管理與報告、Microsoft Office、數據挖掘/數據倉庫、統計分析、數據建模、數據錄入、Microsoft SQL Server、Microsoft Access、Microsoft Word、R、Tableau Software、SAS。
3. 數據科學家 Data Scientist
IT數據科學家工作內容以高級建模為主,會針對復雜的問題來設計技術方案。它的任務是為建模、數據挖掘和生產目的設計和構建新的數據集流程。確定改進數據和搜索質量以及預測能力的新方法。執行和解釋關于新數據源或現有數據源的新用途的數據研究和產品實驗。開發原型、概念證明、算法、預測模型和分析。
營銷數據科學家負責構建和調整轉換算法和數據挖掘策略,以利用消費者數據,通過數據來給出營銷方面的戰略建議,以確保在線營銷策略與公司更廣泛的營銷計劃相結合,并使用比如Adobe Analytics /Google Analytics這類分析工具,及時向公司管理層和客戶提供綜合報告。
雖然近幾年來不斷有美國高校開設新的數據科學類項目,但申請競爭形式日益嚴峻。
首先,學 CS 的同學顯然是可以申請的,因為大多數數據工作都是通過編程和數據庫的相關手段進行的;學統計或者應數,且有一定編程基礎的同學也可以申請;商科出身,尤其是量化背景較強的商科專業,比如金工,但又希望能選擇一個 STEM 專業的小伙伴,那 DS 顯然也是個非常好的選擇。
關于硬件條件方面,由于數據科學專業的申請非常熱門,所以申請者盡可能在申請前能獲得較高的GPA、TOEFL(美本大多項目可免)和 GRE 成績,申請綜排前 50 的項目的申請者,往往有GPA 3.5+, TOEFL 105+, GRE 325+ 的成績,外加出色的科研、學術活動或實習經歷。此外,由于該專業培養的人才供不應求,因此每年都有學校新開設相關項目,申請人可重點關注。
數據分析專業典型項目▲

? 2025. All Rights Reserved. 滬ICP備2023009024號-1