数据科学硕士

读了前面关于数据科学的文章，相信你也能明白，拿到博士学位，更有利于做data scientist。比如同样是学统计出身的，作为master你可能做的是底层工作，接触不到太多核心的东西，工作基本内容可能就是用SQL倒腾数据、在R 里面做点初步处理，而PhD们职位起点高，上来就是做统计分析、建模等高级工作。这个跟统计/生物统计的master和phd出路也类似：前者很典型的工作是SAS programmer，后者直接是statistician or biostatistian，可以参考Warald以前的一篇贴子《统计和生物统计硕士博士出路比较》，尽管Data Scientist是个新职业，但是道理大体一致。同样是学CS出身，master们成为软件工程师，做的是底层的实现，尤其是公司的新人，系统框架早由高手们搭好了，来了coding的活你就去做，你考虑问题的范围很小，就是如何写好你负责的code 。而PhD们，可能是Research SDE、Applied Scientist/Researcher（这个是微软的title），跟其他的组合作来实现核心的Machine Learning或者Information Retrieval系统，一般都被要求能独立思考，能针对一些问题提出自己的想法和解决方案，老板也很鼓励你去创新、会给你自由让你探索新的project。另外，越是技术上比较先进的公司，往往越是倾向于招收博士，提供的职位也更高级，待遇更高。如果是硕士生，往往得有几年工作经验才会被考虑 – 刚毕业的硕士，无论哪个专业的，只是修了些硕士层次的课程，可能达不到公司的要求。Joyce不做SAS programmer，成为market research analyst。Warald这里想强调的是：PhD们机会，概率更大，在Data Scientist这类职业上，远比master有优势。如果你是master学历，拿到多个job offer有得选择的话，建议考虑一下长远发展，比如一个大公司让你去用SQL倒腾数据，给8万美元一年，另一个公司让你做统计分析，给7万一年，Warald的建议你从了后者，对工资、公司名气不满意的话，过两年跳槽就是了。

首先，从当前大数据领域的人才需求情况来看，以研究生为代表的高端人才有的机会获得高附加值的工作岗位，而且由于当前大数据技术尚处在落地应用的初期，所以未来大数据领域还会需要大量高端应用型人才（专硕），从这个角度来看，当前大数据专业的本科生，选择考研是不错的选择。大数据专业考研有多种选择，可以根据自身的发展规划、知识结构和能力特点来进行选择，同时也要考虑到行业发展趋势和技术发展趋势。从目前大数据方向研究生的培养渠道来看，计算机专业是一个重要的培养渠道，同时统计学、经济学、金融等专业，也有培养大数据方向研究生的能力。由于当前大数据专业的开设时间比较短，所以很多大数据专业还没有硕士点，要想有更大的选择空间，可以选择跨考计算机等专业。大数据专业的本科生在读研时，在方向的选择上还是比较多的，除了可以考虑大数据相关方向之外，还可以考虑人工智能领域的相关方向，包括自然语言处理、计算机视觉、机器学习等。如果选择专硕，可以重点考虑如何通过大数据技术与行业相结合，在产业结构升级的过程中，行业领域也有很多创新点。最后，在选择主攻方向的过程中，还需要考虑到学校自身的学科实力、行业资源整合能力等因素，选择学科实力比较强的方向往往会有更好的科研体验，而选择行业资源比较丰富的方向，往往对于就业有非常积极的影响。

在职工程硕士是只有学位证没有学历证的（就是所谓的毕业证）。学历证的意思是学习的经历，也就是学校不证明你在校学习了（本来也没在校学），只证明你符合学位的要求并且通过了考核。道理上与工学硕士（就是本科毕业考的那种）是一样的，先在好多本科生毕业也靠工程硕士（全日制的工程硕士也有学历证），先在国内的情况是工学硕士考不上的考工程硕士。国际上是一样的，都是Master，只不过一个是学术性质的（工学硕士），一个是应用性质的（工程硕士）。我觉着工程硕士值得一上，但一定要是好学校的！否则有拿钱买本的嫌疑。

国内外相关高校开设《数据科学》课程、数据科学学位计划、数据科学短期培训班，进行数据科学家和数据工程师的培养。在中国，香港中文大学从2008 年起设立“数据科学商业统计”科学硕士学位；复旦大学从2007 年起开设数据科学讨论班，2010 年开始招收数据科学博士研究生，并从2013 年起开设研究生课程《数据科学》；北京航空航天大学于2012年设立大数据工程硕士学位。在美国，加州大学伯克利分校（UC Berkeley）从2011 年起开设《数据科学导论》课程，并从2012 年起开设《数据科学和分析》课程；伊利诺伊大学香槟分校（University of Illinois at Urbana-Champaign，UIUC）从2011 年起举办“数据科学暑期研究班”（Data Sciences Summer Instituteprogram）；哥伦比亚大学（Columbia University）从2011 年起开设《数据科学导论》课程，2013 年起开设《应用数据科学》课程，并将从2013 年秋季起开设“数据科学专业成就认证”（Certification of Professional Achievement in Data Sciences）培训项目，并计划从2014 年起设立硕士学位，2015 年起设立博士学位；芝加哥大学（University of Chicago）开设3 个月的夏季培训课程；纽约大学（New YorkUniversity）将从2013 年秋季起设立“数据科学”硕士学位；南加州大学（South California University）设立“数据科学”硕士学位；华盛顿大学（University of Washington）从2013 年5 月起开设《数据科学导论》课程，并对修满数据科学相关课程学分的学生颁发数据科学证书（Certificate in Data Science）；雪城大学（Syracuse University）也提供数据科学高级研究证书（Certificate Advanced Studies in Data Science）培训项目。在英国，邓迪大学从2013 年起设立“数据科学”科学硕士学位。从上述人才 的培养计划来看，数据科学家应该系统地掌握数据分析相关的技能，主要包括数学、统计学、数据分析、商业分析和自然语言处理等，具有较宽的知识面，具有独立 获取知识的能力，具有较强的实践能力和创新意识。其中，只有复旦大学的课程设置强调了数据科学家是研究数据的科学家，而不仅仅是一个数据工程师或者数据分 析师[2]（查看中国大数据技术与产业发展白皮书2013原文）。

大数据专业前景怎么样，细心看看近期的政策心里就有数了。今年3月份，教育部公布了第二批获准开设“数据科学与大数据技术”的高校名单，加上去年获批的北京大学、对外经济贸易大学、中南大学，一共35所高校获批该专业。今年开始，部分院校将招收第一届大数据专业本科生，开设数据科学与大数据技术本科专业 大都是重点大学。今年2月份，教育部发布《教育部高等教育司关于开展“新工科”研究与实践的通知》，随后“新工科”的讨论在高校里逐渐升温，培养“新工科”人才成为新的指导方向。其中新工科专业就包括数据科学与大数据技术、网络空间安全、物联网工程、飞行器制造工程等专业，国家重视对整个社会转型和经济升级需要的人才培养。考大数据研究生的话，北航在13年开了大数据技术与应用软件工程硕士的专业，是国内很早就开设大数据相关专业的高校。清华大学的数据科学研究院于2014年招收大数据专业的学生，复旦大学于2015年9月开设数据科学专业，贵州大学、华南理工、武汉大学、对外经贸大学这些学校与慧科集团合作共建了硕士层次的大数据技术应用专业，这些学校的大数据专业开设时间长比较成熟，这些高校可以考虑。本回答被网友采纳

纽约大学数据科学硕士项目为期两年，由著名计算机科学家，卷积神经网络重要奠基人Yann Lecun教授于2013年创办。截至2018年，项目开办6年，受到学生，数据科学领域相关人士以及业界的一致认可。该项目与另外两个中心密切合作，即城市科学与进步中心和促进研究促进创新统计方法学中心。数据科学硕士课程还包括一个Capstone项目，学生将他们学到的知识运用到现实世界的问题中。· 项目时长：两年，4学期· 项目要求学分：36学分· 项目特点: 看重申请者数学背景，数据课程丰富

亲，你在mooc平台选择该课程，把所有课程课程学习完然后通过考试就可以获得该学位了

国内外相关高校开设《数据科学》课程、数据科学学位计划、数据科学短期培训班，进行数据科学家和数据工程师的培养。 在中国，香港中文大学从2008 年起设立“数据科学商业统计”科学硕士学位；复旦大学从2007 年起开设数据科学讨论班，2010 年开始招。。

数据科学与大数据技术专业很不错，前景比较乐观，毕业生能在政府机构企业公司等从事大数据管理研究应用开发等方面的工作。同时可以考取软件工程计算机科学与技术应用统计学等专业的研究生或出国深造。大数据专业和计算机专业比较像，是注重实践的专业。学生需要独立编写程序，对程序进行修改与调试，需要注意每一个细节才能顺利查错并运行程序。该专业对于学生的数学能力有很高的要求，所以对于数学不敏感的学生，建议慎重报考，而且该专业对于学生的计算机使用能力有很高的要求，学生在校学习期间，一定要学好这方面的知识,，可以选择考取计算机的相关资格证书，提升自身竞争力。扩展资料数据科学分为三大类，即：数据分析、数据挖掘和大数据。数据分析主要偏重业务，即利用一些数据分析和统计工具，如Excel、Spass、SAS、SQL等，进行数据分析和展现，以辅助公司的某项业务决策。数据挖掘比数据分析更侧重于建模能力一些，一般是给定一些数据和某个问题，让你运用某些机器学习算法从中建立出模型，再通过这个模型去对某些东西进行预测。所以，机器学习算法可以说是数据挖掘中的核心。与大数据关系比较密切的岗位包括大数据平台开发、大数据应用开发、大数据分析、大数据呈现和大数据教育等，不同的岗位需要具备不同的知识结构，所面对的工作场景也有较大的区别。大数据平台开发属于研发级岗位，需要从业者具有较强的研发能力。