一、数据科学Data Science是什么？
从广义上来说，数据科学（ata science）顾名思义：和数据相关的科学研究都是数据科学（ata science）。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。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。
二、数据科学Data Science先修课程
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）
三、数据科学Data Science 学什么？
说了这么多，可能有的小伙伴还是不清楚Data Science是要学什么？Data science的的学习主要分为下面三个模块：
数据模型
数据处理
数据可视化
很容易看出来，这些相关的知识和CS，统计，数学都是有密切联系了。下面给大家一张图，更更直观的感受到数据科学Data science和其他学科的关系：
四、申请Data Science需要什么样背景？
不论是国内还是美国本土，本科就开设Data Science这个专业的学校并不多，所以大家不要一看自己专业名字和数据科学不搭边就觉得是转专业申请。首先，学CS的同学显然是可以申请的，因为大多数数据工作都是通过编程和数据库的相关手段进行的；学统计或者应数，且有一定编程基础的同学也可以申请；商科出身，尤其是量化背景较强的商科专业，比如金工，但又希望能选择一个STEM专业的小伙伴，那DS显然也是个非常好的选择。
五、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）；
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;
以上就是美国大学数据科学Data Science专业详解，下一期陈老师将介绍Data Science选校方案哦~
