(1) 美國(guó)數(shù)據(jù)科學(xué)專(zhuān)業(yè)特色

數(shù)據(jù)科學(xué)是一門(mén)交叉的學(xué)科，涉及到很多的領(lǐng)域包括統(tǒng)計(jì)學(xué)、數(shù)學(xué)、計(jì)算機(jī)、人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)、模式識(shí)別、可視化技術(shù)等多學(xué)科的知識(shí)。大數(shù)據(jù)時(shí)代的到來(lái)，為各個(gè)科學(xué)領(lǐng)域帶來(lái)了新的改革。每個(gè)學(xué)校的數(shù)據(jù)科學(xué)類(lèi)學(xué)位培養(yǎng)目標(biāo)不盡相同：加州伯克利的培養(yǎng)目標(biāo)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.

由課程設(shè)置，可以預(yù)測(cè)該專(zhuān)業(yè)的背景要求。仔細(xì)觀(guān)察，ata science課程設(shè)置，都是與計(jì)算機(jī)密切相關(guān)的。并且，比如可視化，目前應(yīng)用比較多的，當(dāng)屬machine learning，也就是通過(guò)計(jì)算機(jī)圖形與圖像處理，從而將我們所需要的數(shù)據(jù)在電腦屏幕上顯示出來(lái)。所以，整個(gè)過(guò)程，需要一定的計(jì)算機(jī)技能，如編程、算法。另一方面，通過(guò)數(shù)據(jù)，分析挖掘出有用信息，因此，如果申請(qǐng)者具有一定的數(shù)學(xué)、統(tǒng)計(jì)分析基礎(chǔ)的話(huà)，更有利于獲得申請(qǐng)成功。

根據(jù)這個(gè)專(zhuān)業(yè)的開(kāi)設(shè)情況，一般是開(kāi)設(shè)在計(jì)算機(jī)相關(guān)院系下，或者商學(xué)院下，所以其就業(yè)方向，大多是計(jì)算機(jī)領(lǐng)域，或者商業(yè)領(lǐng)域。

(2) 美國(guó)數(shù)據(jù)科學(xué)專(zhuān)業(yè)就業(yè)去向

全球管理咨詢(xún)公司麥肯錫(McKinsey)出具了一份詳細(xì)的分析報(bào)告，預(yù)計(jì)到2018年，大數(shù)據(jù)或者數(shù)據(jù)工作者的崗位需求將激增，其中大數(shù)據(jù)科學(xué)家的缺口在140000到190000之間，對(duì)于懂得如何利用大數(shù)據(jù)做決策的分析師和經(jīng)理的崗位缺口則將達(dá)到1500000!

其中對(duì)大數(shù)據(jù)處理需求最旺盛的行業(yè)包括：制藥業(yè)、計(jì)算機(jī)軟件、互聯(lián)網(wǎng)、科研、IT技術(shù)服務(wù)、生物技術(shù)。事實(shí)上，大數(shù)據(jù)工作者可以施展拳腳的領(lǐng)域非常廣泛，從國(guó)防部、互聯(lián)網(wǎng)創(chuàng)業(yè)公司到金融機(jī)構(gòu)，到處需要大數(shù)據(jù)項(xiàng)目來(lái)做創(chuàng)新驅(qū)動(dòng)。數(shù)據(jù)分析或數(shù)據(jù)處理的崗位報(bào)酬也非常豐厚，在硅谷，入門(mén)級(jí)的數(shù)據(jù)科學(xué)家的收入已經(jīng)是6位數(shù)了(美元)。

“數(shù)據(jù)科學(xué)的一般是三類(lèi)職業(yè)方向：機(jī)器學(xué)習(xí)、數(shù)據(jù)分析和數(shù)據(jù)科學(xué)家

1. 機(jī)器學(xué)習(xí)工程師 Machine Learning Engineer

代表了技術(shù)含量較高的方向，工作內(nèi)容主要是開(kāi)發(fā)機(jī)器學(xué)習(xí)系統(tǒng)和用這些系統(tǒng)解決實(shí)際問(wèn)題。一般需要ship prouction coe，做出來(lái)的是數(shù)據(jù)產(chǎn)品。

2. 數(shù)據(jù)分析員 Data Analyst

工作內(nèi)容俗稱(chēng)analytics (prouct analytics or business analytics)，從數(shù)據(jù)中提取insight，估計(jì)投資回報(bào)比，為產(chǎn)品方向提建議，所用工具一般較基礎(chǔ)，比如寫(xiě)SQL query取數(shù)據(jù)、用R/Python做簡(jiǎn)單的分析、用Tableau/Excel作圖比較常見(jiàn)，能自己開(kāi)發(fā)Dashboar算是analyst里面技術(shù)強(qiáng)的;工作需要產(chǎn)生各種形式的報(bào)告;在統(tǒng)計(jì)層次上，懂基本t-test和線(xiàn)性回歸即可。

3. 數(shù)據(jù)科學(xué)家 Data Scientist

很多人說(shuō)，我想做數(shù)據(jù)科學(xué)家，我想做機(jī)器學(xué)習(xí)，而這類(lèi)職位就是大家想象中的那種。此類(lèi)職位工作內(nèi)容以高級(jí)建模為主，會(huì)針對(duì)復(fù)雜的問(wèn)題來(lái)設(shè)計(jì)技術(shù)方案，比如Uber叫車(chē)的ETA、各種定價(jià)系統(tǒng)、Airbnb和金融行業(yè)的Frau Detection、Amazon物流管理，F(xiàn)B/linkein的社交網(wǎng)絡(luò)或者ebay/Airbnb/Uber這樣供需雙方Marketplace市場(chǎng)規(guī)模的實(shí)驗(yàn)。這些例子，聽(tīng)上去就不是寫(xiě)SQL能解決的，也不是會(huì)寫(xiě)代碼就能做出來(lái)的，都需要比較深的領(lǐng)域知識(shí)?！?/p>

【微語(yǔ)】跨出國(guó)門(mén)，人生開(kāi)始新的旅程。一路上，難免會(huì)有荊棘風(fēng)暴與雷鳴。相信你會(huì)以堅(jiān)實(shí)的腳步，不懈地向成功邁進(jìn)。