美国热门研究生项目数据科学专业解析

大数据时代的到来，利用数据分析进行商业决策已是大势所趋。

这些数据有什么用？如何从数据中分析事物未来的发展趋势，窥见新的商机？这就是最直接的数据科学应用案例，所谓数据科学（DataScience）。

专业介绍

从广义上来说，数据科学顾名思义：和数据相关的科学研究都是数据科学。

具体点说的话，数据科学是指通过挖掘数据，处理数据，分析数据从而得到有用信息的技术和研究。通过数据的表象，挖掘用户的深层次需求，从而准确地进行商业决策，实现盈利。

进入大数据时代，数据科学（data science）不管是在申请领域还是工作领域都是很火的专业，其主要基于Python为编程语言，研究、分析数据，并把数据作为重要的决策参考依据，涉及Machine Learning, Deep Learning, Natural Language Processing, Data Visualization, Big Data Analytics等方向。

研究方向

数据科学的学习主要分为下面三个模块：数据处理、数据模型、数据可视化，专业方向和统计、计算机科学以及数学有着密切关系。

目前，DS专业主要以master项目为主，开设的PhD项目极少。DS本身比较就业导向，因此有志于走学术科研道路、明确将来要读PhD的同学，建议还是选统计、数学等方向深造。

美国院校的DS专业一般分支方向有：

 ◆数据科学

 ◆数据科学大数据

 ◆数据科学数学与数据

 ◆数据科学自然语言处理

 ◆数据科学物理

 ◆数据科学生物

 ◆数据科学-生物信息

想成为一个合格的DS方向人才，除了要知道怎么获取数据、数据维护、数据处理和分析之外，还需要懂得如何将数据中获取的价值传递给他人。

1、典型课程

数据科学一般会配置三至五门核心课程，覆盖编程语言、概率论与统计、数理统计、大数据分析、机械学习、数据挖掘等学科。

选修课的方向相当多，学生可以根据个人兴趣进行选择。

2、先修课程

大部分学校对申请者有数学、统计先修课要求和编程能力要求，比如哈佛大学、东北大学等，当然也有学校为那些本科专业非计算机科学的同学们专门设计的数据科学硕士项目，比如南加州大学的应用数据科学（Applied Data Science）硕士项目。

因为数据科学相当于是计算机科学和统计学（数学）的结合，一开学大家上的课就会用到相关的知识。

如果在这两方面中的任何一个没有基础，这个学位读起来会非常吃力。

申请要求

基本先修课程要求：

• 数学（微积分、线性代数）
• 统计（统计学、概率性）
• 计算机（至少一门编程语言）

由于每所学校的要求不尽相同，所以最好尽早了解自己的目标学校项目，保证自己本科阶段的课程既能满足学校的毕业要求，同时又满足研究生项目的先修要求。

申请就业导向型的硕士项目，除了要满足基本的先修课程要求，申请者的职业规划和实践经历也需要考虑到。所以，通过项目、实习等应用型的经历来体现专业能力也是很重要的。

哪些实践经历是符合申请要求的呢？通常我们需要考虑以下的这些要点：项目难度、项目匹配度、岗位相关度、个人参与度。

不管是项目还是实习，对相关知识和技能的掌握都有一定要求。做数据科学相关的实践，需要具备熟练的编程能力，了解机器学习的相关算法，以更好地运用到实际问题中。

就业前景

按照近三年毕业生的数据来看，该专业的就业率达到了100%，可以说是供不应求的专业，“数据分析师”是美国成长第二快的职业。

简单来说，大数据时代的到来，标志着人类进入商务智能化时代。其特点是就业面广，行行需要，薪金高，职业稳定，并且可以在家里办公。 

随着大数据在中国国内的发展，大数据相关人才却出现了供不应求的状况，大数据分析师更是被媒体称为“未来最具发展潜力的职业之一”。

专业数据人才大体上可以分为四类——数据科学家、数据工程师、数据分析师和数据产品经理。

美国学校推荐

在大数据时代各行各业都需要专业数据来分析市场需求，因此数据科学专业毕业后的就业方向和领域还是很广泛的。