美国数据科学专业是当今最受广大留学生欢迎的热门专业，在互联网科技高速发展的今天，大数据时代已经正式来临，分析大数据可以帮助企业更好的进行产品制定与推广规划，从而最大程度的帮组企业盈利，所以各大公司对于数据科学专业人才可谓是求之若渴。
什么是数据科学(Data Science)
随着科技的发展，每天每时每刻都有大量数据被产生和存储下来。如何才能把这些数据变成有用的信息价值被人类所利用，就会通过一系列的收集、统计、整理、分析、挖掘等方法和技术来实现整个过程。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。
Data Science一般要求的先修课程如下：
完整的数学背景（微积分，线性代数，概率论，统计学，数学建模）
计算机背景知识（计算机导论， SQL， Database， Programming）
除此以外，还希望候选者具备一定解决问题和与人沟通的能力。
数据科学与商业分析区别
数据科学是商业分析的整合，所以数据科学家做的东西不仅仅包括商业分析部分，所以你可以认为数据科学家是商业分析的plus版本。
以下是数据科学家的能力——
1.要具有很强的预测模型算法的理解力，比如线代，逻辑回归，神经网络，决策树，SVM，启发式模型（至少会2-3钟的算法）；
2.具备可扩展性的机器学习算法；
3.具备深层次的基础统计学和概率论，比如像Bayes theorem，具备理解值统计量；
4.掌握一门以上的分析语言，比如R，Python，Scala等等；
5.SQL；
6.有过大数据平台的经历（Haoop，Spark，Mahoutetc）；
商业分析的职场发展：商业分析的方向比数据分析更加具体，商业分析不需要很强的技术方面的能力。
以下是商业分析的能力——
1.SQL；
2.建立KPI和仪表盘，必须会用BI工具，比如excel，Tableau，Power Pivot等等；
3.至少会要一个简单的统计分析，比如ANOVA，简单的线性回归以及具备从统计推断来制定企业需求；
4.具备深层次的基础统计学和概率论，比如像Bayes theorem，具备理解值统计量；
5.给目标问题制定方案；
6.有CRM的经历；
7.SAS，R；
什么样的人适合去学习数据科学?
美国学校和其他国家的大学不太一样的是基本对于本科的专业没有太高的要求,但是对于课程和背景方面的要求较细致,也就是我们所说的先修课程(Prerequisite)
数据科学专业的就业前景
全球最顶尖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)。
美国数据分析专业选校篇：
1、美国数据分析专业学校统计
由于数据科学是一门新兴的专业，目前开设学校数据科学学科的大学为数不多。不过不要惶恐！现在越来越多的学校正在开设数据科学这门单独的学科。
2.GPA、GRE、托福/雅思要求
这三项决定你是否被目标院校录取的最关键的因素，如果你是大一、大二，恭喜你，你还有时间提高你的GPA，如果你是大三，给你提高的机会并不多了。其实从这三个硬性的成绩，你基本上可以确定你能申请的学校的大概了。
我们收录了美国34所开设数据分析专业院校的录取详细信息，包括专业背景要求，GPA、GRE、托福/雅思等分数。以哈佛大学为例，截图：
全部学校名单：
关于数据科学今天就介绍到这里，想了解更多详细信息，可以电话咨询春燕老师
