身处大数据时代,无论是在制药业、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。
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,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,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!
今天主角就是给大家解析这个应运而生的专业-Data Science 数据科学
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。
硕士申请专业要求
本科是计算机科学CS的同学,是最符合申请条件的,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,同时学过统计、微积分、高级语言;例如哈佛大学对于MSDS的本科背景要求是:希望有微积分、线性代数,概率和统计等相关课程,能使用至少1种编程语言,例如Python或R,了解计算机科学概念。
其次,本科背景是统计、数学或应用数学,且有一定编程基础的同学也可以申请,这都是很好的匹配专业。
最后,商科背景出身,但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专业的同学,那DS显然也是个非常好的选择。
如果你有比较强的编程背景,又有比较好的数理基础,那你就很有竞争力;而纯商科背景的同学,如果没有强的量化背景,或者不懂编程,那建议还是数据科学DS和商业分析BA混合申请,因为商业分析更加偏商科,开在商学院,对商科背景接纳程度大很多。
软性背景
建议可以从科研方面加强,在大学期间最好找和量化相关的科研,如果实在没有,可以把相关的课程大作业拿来用。再退而求其次,也可以是计算机软件、数据库相关。如果没有科研经历,那将是极大的硬伤。
最后就是实习。实习最优选择应该是数据公司的数据岗,然而现实是这样的岗位由于太过重要,基本不会招实习生。所以建议找一些统计量化相关的或者计算机相关的实习。
就业方向
数据科学的三类职业方向: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
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。
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位数美元了。
院校推荐
Harvar University 哈佛大学
Columbia University 哥伦比亚大学
Massachusetts Institute of Technology 麻省理工学院
Stanfor University 斯坦福大学
University of Pennsylvania 宾夕法尼亚大学
Duke University 杜克大学
Northwestern University 西北大学
Brown University 布朗大学
Vanerbilt University 范德堡大学
Cornell University 康奈尔大学
Washington University in St. Louis 圣路易斯华盛顿大学
University of Southern California 南加州大学
Georgetown University 乔治城大学
University of Virginia 弗吉尼亚大学
Tufts University 塔夫茨大学
University of Michigan, Ann Arbor 密歇根大学安娜堡分校
New York University 纽约大学