(1) 美国数据科学专业特色
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。每个学校的数据科学类学位培养目标不尽相同：加州伯克利的培养目标是train leaers in the ever-evolving fiel of ata science. The program focuses on problem solving, preparing you to creatively apply methos of ata collection, analysis, an presentation to solve the worl’s most challenging problems.
由课程设置，可以预测该专业的背景要求。仔细观察，ata science课程设置，都是与计算机密切相关的。并且，比如可视化，目前应用比较多的，当属machine learning，也就是通过计算机图形与图像处理，从而将我们所需要的数据在电脑屏幕上显示出来。所以，整个过程，需要一定的计算机技能，如编程、算法。另一方面，通过数据，分析挖掘出有用信息，因此，如果申请者具有一定的数学、统计分析基础的话，更有利于获得申请成功。
根据这个专业的开设情况，一般是开设在计算机相关院系下，或者商学院下，所以其就业方向，大多是计算机领域，或者商业领域。
(2) 美国数据科学专业就业去向
全球管理咨询公司麦肯锡(McKinsey)出具了一份详细的分析报告，预计到2018年，大数据或者数据工作者的岗位需求将激增，其中大数据科学家的缺口在140000到190000之间，对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到1500000!
其中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)。
“数据科学的一般是三类职业方向：机器学习、数据分析和数据科学家
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。
3. 数据科学家 Data Scientist
很多人说，我想做数据科学家，我想做机器学习，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。这些例子，听上去就不是写SQL能解决的，也不是会写代码就能做出来的，都需要比较深的领域知识。 ”
