纽约大学大数据硕士

目前数据科学家或者数据分析师岗位还没有饱和，所以需求量挺大的，招聘全年都有，每年春招和秋招是旺季，毕业生会在这两个时间点比较集中的参加面试大多数同学找工作的方式是求职网站投递，但更高效，回复率更高的方式是校友或者专业人士内推，这就需要大家平时多参加活动，多与人交流，为自己积累人脉。数据科学方面的岗位在纽约和加州（尤其是湾区）需求比较大，原因是这些地区Tech公司比较多，而现在tech公司都已经认识到了当今大数据时代，数据的重要性。那么就业去向有哪些呢？（一）就业去向就业去向主要集中分布在纽约，湾区，西雅图这些地方。工作岗位主要与数据相关，比较多样化。其中数据科学家最多，也有一些有大数据经验的去做数据工程师，还有一小部分有计算机背景的转行去做了软件开发工程师SDE。有相当一部分同学去了Apple， 甲骨文（Oracle），微软这种大型的上市科技公司，也有去银行/电商/医药等公司的。还有非常少一部分同学选择了毕业直接以应届生身份回国发展，主要去了阿里巴巴。数据科学比较热门，因此工作机会比较多，再加上开设数据科学项目的学校还不算多，纽约大学的这个项目就业率和就业发展都是很可观的。求职资源第一，招聘会。数据科学项目内会在各个学期期中或者期末举办一次招聘会，多是请纽约当地的公司，或是校友及教授供职公司来参加。同时文理学院也会在每年的春季和秋季学期安排一到两次特别大型的招聘会，届时会请上百个公司来参加。学校一般会提前告知所有的公司信息，招聘要求以及摊位位置。参加大型的招聘会前，大家一定要提前做好功课，找好自己对口的岗位和公司，有目的性地去投送简历。第二，校友人脉。校友们大都集中在纽约地区和旧金山/洛杉矶地区。项目会安排一些校友回校互动，因此要多关注邮件。同时学校还会在毕业以后按地区组织一些校友见面活动，鼓励大家多交流沟通，互通有无。第三，学校的实习资源。系里会定期汇总实习招聘资源在校内网站上，每年春季学期会安排一次比较大型的实习招聘会，基本上都是纽约当地的公司提供的实习岗位。学校不强制要求实习，也不会统一分配实习，一切遵从学生的意愿和安排。专业实习需要用到CPT， 项目读书期间国际生可以使用最多两次CPT，每次CPT相当于一门课程，抵三个学分，这也意味着每次修CPT都要交三个学分的学费。但是在校期间可以申请做Teaching Assistant，Research Assistant或者Grader都是有偿的而且不需要额外的CPT。第四，学校附近企业分布情况。纽约分布着很多娱乐行业的公司，比如NBC的总部，Viacom等，这些公司在招实习生的时候默认只接受纽约区域的学生，主要面向纽约大学和哥伦比亚大学，因此地理位置的优势非常明显。当然纽约以及邻近的新泽西还分布着大大小小的tech公司，医药公司等，所提供的实习和就业机会很多。（三）薪资情况关于薪资，根据公司规模、地理位置和工作职能，薪资待遇还是存在较为明显的差异，但一般情况下应届毕业生成为数据科学家之后的薪资在年薪8w-13w不等，随着经验的提高会有所上升。通常公司每年会有2-4次performance review， 如果评分较高的话就会有升职加薪的机会。个人经历分享（一）实习经历当时在第一年暑期去了NBCU的总部做了暑期数据科学家实习生。这份实习是从系里老师在网站上发布的招聘信息里看到的，经过了一轮video 面试，一轮电话面试和一轮案例分析才拿到最终的offer。后来上司提出了让学姐第二年春季继续做实习生的offer，也欣然接受了。在实习过程中，组长和大老板都教会了自己很多，而且组长在我毕业前还提供了工作机会。因此大家在实习期间一定要好好表现，不管有没有return offer，你的同事和领导都会成为你潜在的资源和人脉。（二）求职过程关于找工作的时间线，全职的硕士毕业生一般在5月份毕业，大家基本都会在1月甚至更早开始投简历，找内推，陆续接到面试邀请。毕业前差不多大家都能够拿到offer并在7/8月正式入职。总之一定要尽早开始，多积累面试经验，遇到挫折不气馁。数据科学这个专业基本上只要你想找，还是都能找得到的，只不过每个人的这个求职过程和周期会有所差别。

走进经济生活里的一切导读：2016年2月，教育部公布新增“数据科学与大数据技术”专业，北京大学、对外经济贸易大学、中南大学成为首批获批高校。次年，又有32所高校获批。此次248所高校获批“数据科学与大数据技术”专业，几乎是前两次获批高校的8倍。来源丨21世纪经济报道（ID：jjbd21）记者丨王峰 北京报道图片来源/ 图虫创意（资料图）“没有什么行业是没有数据的”“我认为没有什么行业是没有数据的。”清华-伯克利深圳学院数据科学与信息技术专业一年级硕士生王宇杰说。 他在去年9月从一名工科本科生跨学科进入了大数据专业。大数据专业正成为时下火热的高校新增专业。在4月28日举行的教育部新闻发布会上，教育部高等教育司副司长范海林介绍，2017年全国高校备案专业中，新增数据科学与大数据技术专业点250个，同比增加了近7倍。从中国人民大学、北京师范大学、厦门大学等知名大学，到一些地方院校均投入了这股热潮。王宇杰大二时在一次展会上不经意接触到了一款大数据可视化软件Tableau，由此对大数据产生了浓厚的兴趣。通过Tableau，王宇杰感受到，数据分析这个行业的潜力无可限量。随着移动互联网大数据时代的到来，数据量正在不断增长。未来，更多人将学会分析数据，并将数据的洞察运用到工作和生活中的方方面面。数据分析会从小众走向主流，人人都可以成为数据分析师。接下来的大学时间里，他参加了一些数据科学家训练营，和一些商业机构组织的训练营，还在慕课网站上自修了国外大学的大数据课程。他在2016年的Tableau可视化分析争霸赛北京赛区比赛中拿到了第一名。Tableau可视化分析争霸赛是全球可视化数据分析人士的年度饕餮盛宴，每年都会成千上万数据狂人参加这一比拼。这其中，既有来自各行各业的数据分析专家，也有像王宇杰这样的数据爱好者，而王宇杰是获奖选手中唯一一名大学生。通过这些活动，王宇杰结识了这个一不断壮大的数据分析社区，也让他对这个行业更加充满热情。大四时，王宇杰得到了保研的机会，“国内开设大数据方向研究生专业的大学并不多，主要有清华大学、北京大学、复旦大学、北京航空航天大学等，这是当时比较知名的几个高校。”王宇杰说。王宇杰得到了北大和清华的offer，权衡之后，他选择了清华-伯克利深圳学院，这是清华和伯克利合办的硕士研究生项目，不仅可以在清华拿到数据科学学位，还有机会到美国加州大学伯克利分校去进行为期9个月的学习，同时拿到相关学位。“我是清华-伯克利深圳学院招收的第二届硕士生，也就是说，大数据专业其实是一个非常崭新的学科，在我申请的那一年，相对来说，大家对这个概念还不是特别了解，当然已经有一定数量的申请者，远超我们实际录取的人数，但并不是那么的火爆。”王宇杰说。“到了我下面那届，就是招收第三届硕士生的时候，竞争就变得异常激烈，在短短一年时间里，这个专业成为了大家认可的非常有潜力的专业，大批的工程本科生，或者是数学、经济方面的学生开始申请我们这个方向，因此录取率直线下降。个人感觉在近几年内，竞争会变得越来越激烈。”他说。清华-伯克利深圳学院的数据科学与信息技术研究中心设有6个实验室，分别为传感器与微系统实验室、纳米器件实验室、物联网与社会物理信息系统实验室、未来互联网研究实验室、大数据实验室、智能成像实验室。“我想一般人会认为我们专业课的名称会比较高大上，像大数据分析、大数据基础等，的确会有这些，但从本质上来说，我认为我们学的课程跟数学、工程学这些基础学科没有太大区别，当然加入了一些新兴科技的课程，比如现在很火的深度学习、人工智能。”他告诉记者。王宇杰进入了智能成像实验室，学习和科研课题是关于计算机视觉。“用一句话来概括，我们要做的是赋予计算机人的视觉能力。怎么理解呢？以后是一个有大量机器人存在的世界，而机器人要跟人类进行交互，做一些基本的工作，必须要有视觉能力，看得懂周围的环境，所以我们做的事情就是通过技术的方法让计算机拥有人的这种视觉能力。”他说。热门专业：数据科学与大数据技术图片来源 / 新华社（资料图）3月21日，教育部公布了2017年度普通高等学校本科专业备案和审批结果。在新增备案本科专业中，“数据科学与大数据技术”最为热门。根据统计，共有250所高校新增“数据科学与大数据技术”专业，其中包括中国人民大学、北京师范大学、厦门大学等19所教育部直属高校。河南省21所高校新增该专业，为最多的省份。河北、山东、安徽、广东、江苏等省也有较多高校成功获批。2016年2月，教育部公布新增“数据科学与大数据技术”专业，北京大学、对外经济贸易大学、中南大学成为首批获批高校。次年，又有32所高校获批。此次248所高校获批“数据科学与大数据技术”专业，几乎是前两次获批高校的8倍。该专业备受高校青睐与国家大力支持大数据产业发展及该产业人才奇缺相关。国务院2015年8月曾印发《关于印发促进大数据发展行动纲要的通知》，明确鼓励高校设立数据科学和数据工程相关专业，重点培养专业化数据工程师等大数据专业人才。根据教育部上述2017年度高校本科专业备案和审批结果，此次共有60所高校获批“机器人工程”专业。“机器人工程”专业大热的背后，是人工智能行业的持续发展。3月6日，南京大学官网正式发布新闻，经研究决定，南京大学正式成立人工智能学院。今年政府工作报告中四次提及“智能”，并特别指出要“加强新一代人工智能研发应用”、“发展智能产业”。值得注意的是，从清华大学到地方高校，大数据专业成为普遍的时尚。“清华或者其他一般院校，在这个领域里对科研的贡献会有差异，但事实上，在如今的大环境之下，大家都想跟上时代潮流，所以我认为无论处于怎样的研究水平，敢于去跟上这个时代，就是挺好的一件事情。”王宇杰说。“大数据是一个概念，它包含的范围非常广，不同的专业方向，对外显示的名称可能都是大数据分析、大数据工程与技术，但是整个产业其实非常庞大，从前到后拥有一个很大的产业链。”他说。“我认为数据分析师这个称谓已经太过宽泛了，我觉得这个行业需要细分，未来会有专门做算法的工程师，专门做硬件实现的工程师，以及专门做理论推导的科研人员等。”他说。（编辑 戴春晨）

转载自：上海纽约大学研究生与研修项目上海纽约大学与纽约大学斯特恩商学院的数据分析与商业计算理学硕士项目(MS in Data Analytics and Business Computing) 培养学生掌握不同数据分析工具的使用方法，以解决当今大数据时代中的商业问题与挑战。通过学习一系列与商业、数据科学、管理科学有关的跨领域课程，学生不仅能掌握坚实的定量分析与计算能力，而且能进一步培养商业管理与策略设计能力，在飞速发展的大数据时代里抢占先机。教学模式时长12个月，36个学分，全日制课程夏季学期在纽约大学斯特恩商学院学习秋季与春季学期在上海纽约大学学习授课语言：英语毕业后授予纽约大学理学硕士学位（已获中国教育部认可），上海纽约大学与纽约大学斯特恩商学院将联合签署学位证书培养目标数据分析与商业计算硕士课程旨在培养具有专业数据分析技术的年轻人才，以帮助其快速适应高速发展的商业分析领域，学生将有机会在结课之际理论联系实际，与业内公司一同合作完成一个实案项目。在项目期间，学生会与同学们合作并组成小组，以运用他们在课堂上学到的专业知识与分析技能，解决企业客户提出的案例情况。课程体系由于商业分析领域的跨学科特质，该项目提供一个广泛但缜密的课程设置，并涵盖以下领域：商业（金融，市场营销，收益管理，运营）数据科学（统计学，计量经济学，数据挖掘，数据可视化）管理科学（系统最优化，随机建模，模拟）纽约 - 夏季学期（15 学分）- 商业沟通（1.5 学分）- 数据处理及Python编程入门（3 学分）- 统计学和数据分析（3 学分）- 随机建模和模拟（3 学分）- 优化建模方法（3 学分）- 运营管理（1.5 学分）上海 - 秋季学期（12 学分）- 数据驱动决策（3 学分）- 商业分析的数据科学（3 学分）- 金融科技基础（3 学分）- 网络分析（3 学分）上海 - 春季学期（9 学分）- 收益管理与定价（3 学分）- 市场营销与分析（3 学分）- 实案项目（3 学分）* 以上为示例课程，具体课程可能根据每学年安排有所调整。如何申请1申请截止日期2019年10月15日2019年12月15日2020年1月15日（仅美国公民/永久居民）2申请材料清单个人信息先修课程成绩单GMAT或GRETOEFL或IELTS（如需）简历1封推荐信短文（专业短文及个人描述短文）3先修课程要求在申请时，申请人必须证明他们如何满足或计划满足先修课程要求。申请人必须证明他们如何满足或计划满足先修课程要求。申请人必须在入学之前已成功完成下面列出的课程与学分，并取得至少为“B”或“良”及以上的成绩。4编程语言我们强烈建议学生在入学前达到R语言的初级到中级水平（非申请必需条件）。如果学生在申请之前没有R语言相关经验，则需要在申请中列出自学计划。5申请流程通过项目官网stern.shanghai.nyu.e进入申请（Apply）通道根据系统提示提交申请材料（注：网申阶段只需上传原版及翻译版成绩单扫描件，无需提交原件。）招生办将在每轮截止日期后的八周内不间断发出结果通知，如有疑问，可随时联系上海纽约大学研究生招生办。编辑 | 小罗

自从进入2021年，留学政策上的各种利好消息一直不断。2月18日，美国正式提出《2021年美国公民法案》。包括STEM专业留学生取得博士学位后申请职业移民绿卡不受绿卡名额限制、持F1签证的留学生被允许拥有双重意图等。3月7日，两会外长记者会上，外交部长王毅表示，未来将推出“春苗行动”、推出中国领事App、推出中国版国际旅行健康证明。3月11日，拜登发文表示，正在安排各州在5月1日前让所有成年人接种疫苗，只要共同努力美国今年7月有望恢复正常！……疫苗接种工作有条不紊地推进，各大高校积极的准备线下开学，加上美国政府宣布F-1签证有望在5月份左右恢复，一切都在往积极的一面发展。可以说，最近唯一让准留学家庭比较愤懑和恐慌的就是针对亚裔展开的暴力事件。（GETTY IMAGES）#StopAsianHate冲上了推特热搜，以疫情为借口愈演愈烈的亚裔种族歧视，让美国多地的亚裔们自发举行游行示威活动。（图片来自网络）这部分虽然并非今天文章的重点，但小编放前面，一是想提醒现在在美国的留学生们敏感时期保护好自己，二是希望大家正视亚裔种族歧视的现象。而疫情除了给留学生们带来网课学习、考试取消、心理压力等一系列的连锁反应，对许多美国学校而言也是一场不小的冲击。那么，接下来我们就一起看看当地时间3月19日，美国移民海关执法局ICE最新发布的2020年度国际学生和访问学者数据报告。ICE最新发布2020年度国际学生和访问学者数据报告该报告深度剖析了过去一年，疫情对美国留学及国际留学生的影响。是时候做一个复盘了！报告数据由ICE建立的学生和交流访问者信息系统SEVIS提供，包括了所有F、J、M类签证持有者的身份信息，非常精准和具有权威性。既能直观地展示留学现状，帮助准留学生家庭做决策，又能给留学行业机构判断未来趋势做参考。也因此，备受国内留学相关群体关注。下面我们就先看下疫情对美国留学六大主要影响：1. 2020学年，美国境内持有F-1、M-1签证的留学生共计125万，比2019年度减少约27万，下降17.86%。2. 与2019年相比，2020年美国大学新的国际学生（含前一学年录取但未到校注册学习的学生）入学人数锐减72%。尤其8、9月，F-1签证留学生减少91%，M-1签证留学生减少72%。3.2020年，K-12项目的国际学生数量下降24.6%。4.有资格招收国际学生的sevp认证学校，数量减少了280所。5.74%的国际学生都来自中国和印度。但与2019年相比，中国留学生减少了91,936人，印度留学生减少了41,761人。6.获得就业授权文件(EAD)并参加可选实践培训(OPT)项目的国际学生，减少了12%。网课、考试被取消都是我们能看得见、摸得着的真实辛酸体验，但大学入学数据的大幅度降低还是给小编带来了不小的冲击。换言之，不管是学生入学，还是大学招生，都因为疫情受到了不同程度的影响。这也是包括哈佛、UC系、USC、埃默里、鲍登等在内的高校纷纷着急开学的原因。接下来，我们重点看下报告中关于中国留学生的部分！希望可以给正在准备留学的家庭带来参考。中国留学生在美现状分析中国持续领跑仍为赴美留学生最大生源国报告显示，2020年度的亚洲（925,449名）学生数量虽比上一年度下降13.44%，但仍是美国留学生最大生源地区，占据赴美国际生的半壁江山（47%）。其中，中国（382,561名）、印度（207,460名）、韩国（68,217名）依次为留学生最多的国家。相比2019年，3个国家的留学生人数都是锐减。中国留学生减少了91,936人，降幅为19.38% ；印度减少了41,761人，降幅为16.76%。所以，尽管疫情对赴美留学产生了很大的影响，但中国仍然是美国最庞大的留学生群体，光是去美国一个国家的学生和学者，就有近39万。中国低龄留学生占据半壁江山目前在美国留学的共有59,119名（去年78,366名）低龄留学生。在这个模块，中国低龄留学生的占比和去年相差无几，同样是“单方面碾压”其它国家。以下为K-12阶段赴美留学最多的6个国家，以及低龄留学生比例：中国：43.8% (25,941)韩国 ：9.2% (5,427)越南 ：7.5% (4,450)墨西哥：4.8% (2,813)巴西：4.8% (2,813)加拿大：3.4% (1,983)受疫情影响，美高学生确实存在一部分“回流”，但据小编了解，像Concord Academy、Cranbrook Schools、St.Mark's School这样的头部私立寄宿美高，名校光环愈发突出，竞争逐年增加。所以，其实好美高和Top 20好大学的申请是同一个增长趋势，未来都只是越来越难。而且，作为爬藤和冲击哈耶普斯麻这类世界顶尖名校的“跳板”，美高逐渐成为越来越多准留学家庭的教育备选项。所以，尽管美高所需成本高昂，每年开销约50万人民币，仍有家庭前赴后继，想要尽早规划、抢占先机。中国留学生中男性比例高于女性尽管男女学生都来美国深造，但将近39万中国留学生中，男性留学生占比53%，女性留学生占比47%，男生数量超过女生。同时，十大生源国中，仅巴西、越南和日本的女生人数超过男生。这里，想多说一句的是，在世界各个角落、在商业、政治、教育、医疗、艺术、科技等多个行业，都有很优秀的女孩子追求自己的梦想，发光发热。小编真诚地希望我们每一位女生学员，不对自己设限，勇敢探索未来，在更广阔的世界里，变得越来越棒！其它值得留学家庭参考的信息留学生最多的20所美国大学数据显示，东北大学、纽约大学、哥伦比亚大学招收了数量最多的F1留学生，分别为17,290名、16,667名和16,631名。紧随其后的南加州大学、伊利诺伊大学香槟分校、波士顿大学、亚利桑那州立大学、坎伯兰大学、加州大学圣地亚哥分校、普渡大学等校，留学生数量也都过万了。值得一提的是，留学生最多的20所大学中，光是UC系大学就有4所，分别是UCSD、UCB、UCI和UCLA。最受国际学生欢迎的20个专业工商管理、外语专业、计算机科学、计算机和信息科学、电子电气工程是美国在读留学生选择最多的5个专业。对于这个结果，可以说是完全在意料之中（几乎没啥悬念）。而STEM专业在留学圈拥有极高“江湖地位”的原因有二：一是美国在这方面位于领先地位，在全球职场上都有比较核心的竞争力；二是这一领域就业前景好，具有普遍高薪优势。最受国际学生欢迎的5个州从热门地区来看，最受国际生喜爱的5个州分别是：加州（18.2%）纽约州（11%）德克萨斯州（6.8%）马萨诸塞州（6.6%）佛罗里达州（5.8%）凭借优越的地理位置和“顶尖名校聚集地”的称号，加州再次成为留美学生的首选目的地。注意，美国的每个州都有它独特又有魅力的地方，当然，也有需要我们去注意和规避的地方。大家如果心中如果已经还没有确定目标院校，不妨从地理位置的角度进行参考~文章末尾大家一定要明确的是，ICE报告中国际生下降的主要因素，是疫情和特朗普任期推行的各类限制国际生的政策。也就是说，不是留美党不想赴美，而是现实条件实在不允许……事实上，美国一直以通识教育的独特魅力吸引着来自全球的留学生。即便是2020-2021申请季如此“恶劣”的大环境，Top 20名校的申请人数也都是在飙升。所以，起码未来5-10年，赴美读名校依然对学子们有着非常大的吸引力。小编建议有留学计划的家庭，多多咨询专业人士，了解最新最专业的信息，把握好方向，好好努力，争取未来搏一个满意的结果。

随着互联网的发展，我们正处在一个大数据时代，今天要分析的留学专业，就是在大数据时代新兴的一个专业——商业分析(Business Analytics,简称BA)。商业分析是一个新兴的留学专业，随着互联网的发展，越来越多的数据产生，而能够有效分析这些数据并将其应用于商业的人才却极其短缺，在这种趋势下，有不少学校开始开设BA专业。商业分析都学哪些内容？BA专业，主要是以商业知识为基础,数理编程为手段,从数据分析出发,以决策优化来创造价值的新兴专业,不同于传统的商业分析( Business Analysis)。这个专业的核心是数据挖掘和数据分析，与现在的互联网大数据相联，主要是利用高深的技术、模型和算法即兴数据挖掘和商业分析，服务的公司都像是谷歌、百度、阿里、腾讯等这样的互联网公司。商业分析是business，statistics和computer science三个领域知识的结合，它是一个跨专业领域学科，要学习的是三个方面的知识：business，statistics和computer science：Business方面，主要是finance和marketing的相关知识；统计方面，非传统的统计方法，主要学习如何建立和评估多变量的统计模型，最典型的例子是回归分析模型。此外，相关系数、时间序列等知识也要涉及；计算机知识方面：1. 数据库和SQL，学习如何将数据从储存系统中以你想要的方式提取出来；2. 学习怎么在统计软件中进行编程，即统计编程；3. 计算机知识方面是机器学习等。美国的商业分析硕士大体分为三大类第一类是典型的商学院项目，软硬技能并重，在量化分析技能的培养之外，还强调批判性思维、沟通与合作等软性技能。总体来说这类项目对学生的专业背景要求略为宽容，除了科学、技术、工程、数学等强数理背景的学生，国际贸易等商科的学生也可以接受，录取时会综合考量申请者的学术能力、工作背景、课外活动、量化技能、领导和沟通交流能力、动机等。代表的项目有哥伦比亚大学的Master of Science in Applied Analytics和杜克大学的Master of Quantitative Management。第二类是分析和市场营销相交融的项目，主要教授商业分析知识及其在IT、数据挖掘、市场营销、运营和咨询等各个领域的应用，尤其偏重市场研究实践和顾客分析，相比起数理能力，录取时会更看重申请者的营销背景，因此申请者学过基本的高等数学、微积分和概率论即能满足大部分学校的录取要求。代表的项目有圣路易斯华盛顿大学的MS in Customer Analytics和南卫理公会大学Master of Science in Business Analytics的Customer Analytics Track。第三类是偏向于数据科学的项目，主要为学生提供电脑、数学和统计方法的训练，使其能够从事数据科学和分析领域的工作。具体来说，会先为学生打下扎实的数据分析基础，然后教授可视化、大数据电脑运算、机器学习的技能。期间部分学校会贯穿沟通、团队合作和解决方法的能力等重要的软性技能培养，但这作为补充只占了课程的一小部分。项目的设置和目标决定了其招生的标准，需要学过一定程度的数学、统计学和计算机内容，代表项目有乔治城大学的Master of Sciencein Analytics concentration in Data Sciences和纽约大学的MS in Data Science。商业分析专业的就业前景商业分析专业最大的亮点是一个具有商科背景的STEM 项目，通常享有36个月的OPT。一般1-1.5年，各校不尽相同，有的项目含实习，有的则不含。其就业方向主要是数据分析师或者程序设计师。在不同行业中专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测。虽然这是一个较新的专业，但却有很好的就业前景。在大数据时代，很多行业都需要擅长挖掘和分析数据的人，例如IT、互联网、游戏、通信、金融、医药、咨询、零售等，因此BA的毕业生都比较抢手，而且薪资水平也较高。毕业起薪在80k-100k之间，多是各种data analytics岗位。申请BA专业的要求申请BA专业对于工作经验没有硬性的要求，但是倾向于招收数理背景较强的申请者，对统计类、计算机编程、数学等课程有先修课要求。GPA3.0是最低的要求，所以想要申请该专业的同学要注意保持在校期间的GPA不能低于这个线，当然想要稳妥一些还是需要更高的GPA。此外，对于标化成绩来说，美国前60的大学一般要求申请者托福分数在100-105分，但是部分学校最终录取学生托福均分可能高达110，比如圣路易斯华盛顿大学。而雅思要求也在7-7.5分。GMAT要求700+，GRE要求320+。所以想要申请这个专业的同学，启德教育建议大家提前开始准备各种标化考试，安排好备考时间，提前准备，提前规划。

“藤校”热门offer再+3！恭喜Z同学与C同学，纷纷斩获综排全美TOP3的哥伦比亚大学（Columbia），数据科学（DS）硕士offer！H同学则成功拿下综排全美TOP14的“藤校”布朗大学（Brown），数据科学（DS）硕士offer！截止目前，本次申请季中学子已经收获了十余枚，美国TOP级别的名校DS项目录取！具体的信息，让我们一起来看看吧！一、DS（数据科学）硕士Z同学，本科学校：美本，本科专业：应用数学，三维成绩：GPA：3.9+，GRE：330，录取院校：哥伦比亚大学Z同学的硬件+软件背景都非常出色。GPA成绩为3.9+，在校期间完成了科研项目，还有一段大厂的核心项目实习经历，且掌握了R、Python等在内的多种编程技能。不过Z同学在校期间所学的主要是数学类的课程，涉及到的编程和数据库类的课程较少，而美研的顶级DS项目往往对申请者的数学基础和编程能力要求较高。因此，导师建议Z同学通过上网课的方式补充先修课程，拿到专业证书来进一步证明自己的数理能力，从而增大了录取概率。C同学，本科学校：美本，本科专业：统计，三维成绩：GPA：3.9+，GRE：330+，录取院校：哥伦比亚大学C同学拥有着高GPA+高GRE的硬件成绩，但在选校时因为不清楚自己是否可以冲刺名校项目，而陷入了迷茫。对此，导师一遍遍地鼓励TA进行大胆的尝试，基本实现了名校的全申请。在文书写作时，C同学的想法很多，但是重点不够突出，导师一方面帮TA纠正了行文逻辑方面的问题，一方面也从“个人思考与感悟”的维度进行了打磨提升，从而完成了一篇超高质量的文书。H同学本科学校：美本，本科专业：统计，三维成绩：GPA：3.9+，GRE：329，录取院校：布朗大学H同学的申请基础非常扎实，GPA3.9的硬件成绩可以满足大多数名校项目的录取要求，但GRE没能刷到330+成为了一个申请过程中的潜在的问题。在软件背景方面，H同学交出的答卷也同样十分出色，科研与实习经历非常丰富。在综合了H同学的现有情况之后，导师决定将背景提升的重点落在了文书之上。导师围绕H同学数学统计能力较强的特点，着重描绘了TA的实习以及实验室的经历，合理的彰显了同学的学术能力。L同学，本科学校：美本，本科专业：应用数学，三维成绩：GPA：3.8，GRE：320+，录取院校：纽约大学L同学的本科专业是应用和计算数学的DS方向，对于申请DS专业来说非常匹配，GPA与GRE成绩也基本符合名校项目的录取要求，因此导师很快就为TA划定了适合的选校区间。L同学的软背景相对于硬件方面的条件来说，优势不太明显，实习与科研经历都较为浅薄，缺少具有决定性的成果展示。所以导师在文书的创作过程中，不断与L同学进行头脑风暴，海外导师也从专业度的方面精准切入，帮助L同学拔高了文书的学术质量，从而顺利收获了NYU的DS项目offer！S同学，本科学校：美本，本科专业：CS/统计双专业，三维成绩：GPA 3.0+，无GRE，录取院校：乔治城大学S同学虽然GPA并不高只有3.0出头，没有GRE成绩，也没有任何的科研实习，但美本院校CS统计双专业背景是她的加分项。因此，Julie老师建议S同学主申TOP30 大学的热门项目——DS，充分发挥S同学的CS和统计双专业优势。乔治城大学DS项目以往录取的平均GPA一般在3.5左右，而S同学3.1的GPA再加上缺少GRE成绩和科研项目，没有办法体现出她的学术实力。所以导师将规划重心放在了文书之上，帮助S同学将在校的每个大作业进行一一梳理解读，挖掘其中专业的技术点，整合起来，将S同学本科专业背景经历与所申请的项目进行匹配，提升契合度。最终能帮助S同学顺利拿到乔治城大学DS项目offer，文书工作功不可没！N同学，本科学校：国内某高校，三维成绩：GPA：3.5+，GRE：325+，TOEFL：100，录取院校：乔治城大学N同学的本科专业与所申请的DS项目并不契合，但因为对DS专业的很感兴趣，希望能够转专业申请这个项目。Yilin老师第一时间为N同学进行了选课指导、选实验室科研方向指导，补充了各种先修课程，提升与DS项目的匹配度。M同学，本科学校：美本，本科专业：社会学+经济学，三维成绩：GPA：3.5+，GRE：325，录取院校：乔治城大学M同学在申请前就有比较明确的目标，对DS专业比较感兴趣。但社会学+经济学的本科背景是明显弱势，并且数学课程不多，这对申请DS项目来说无疑是困难重重。老师们综合评估后，建议M同学和导师多请教问题，多沟通交流，争取延长正在进行的线上实习的时间。这段高质量实习很大程度上提升了M同学的软性背景，也提升了M同学的数据处理能力和编程能力，导师在文书中很好的体现了这一点，对于学生的录取起到了很好的助力作用。Z同学，本科学校：美本，三维成绩：GPA：3.3+，GRE：320，实习科研：定制实习，录取院校：乔治城大学签约时，Z同学的GPA并不高，不足3.2。签约后，Yilin老师迅速制定了详细的规划方案，指导Z同学选择了卡梅的在线项目作补充，同时指导学生选修申请前的先修课，最终GPA提升到3.3+。为了弥补Z同学软性背景的缺乏，导师通过内部资源，专门规划了高盛的高质量实习。学术和专业两方面的规划，很大程度的提升了Z同学的竞争力。文书方面，导师将学生的兴趣点、专业度与DS项目高度匹配，最终顺利拿到乔治城大学DS项目录取。K同学，本科学校：美本，本科专业：统计，三维成绩：GPA：3.9+，GRE：325，录取院校：宾夕法尼亚大学K同学本科接近满绩的GPA成绩无疑是非常大的亮点，如何将这一优势发挥到极致就成了很必要的事情。于是，导师给出了“多角度提升背景，进修高阶课题”的建议，K同学对此十分配合，用积极的响应与行动换来了极具说服力的回报。老师在帮助K同学进行申请时还采取了另辟蹊径的方式，从生物角度申请DS，博得招生官眼球，从结果来看，这一奇招的确起到十分明显的效果！PS：K同学在此次申请季中已经斩获了包括芝加哥大学统计、UBC的DS项目等在内的多枚TOP录取！X同学，本科学校：国内某211+罗格斯大学，本科专业：供应链管理，三维成绩：GPA：4.0，GRE：325+，实习科研：定制实习（J.P.Morgan）+科研（CMU），录取院校：宾夕法尼亚大学X同学起初并没有任何高含金量的实习科研项目。于是导师整理了自己的实习科研资源，为X同学匹配了两段高含金量的项目，一个是J.P.Morgan的实习，另一段是CMU的计算机科研。其中与CMU教授做的强化学习方面的科研项目，在此次申请中起到了很积极的作用。在文书中，导师用大量的时间将学生实习、科研经历讲述的更加细致提升，着重体现了X同学在实习过程中发挥的重要作用。二、数据科学项目数据科学（DS），即从数据中提取有用知识的一系列技能和技术。这些技能通常可以用德鲁·康威（Drew Conway）创造的维恩图（或它的变体）来表示（如下图所示）。三个圆圈分别代表三个不同的领域：编程领域（语言知识、语言库、设计模式、体系结构等）；数学（代数、微积分等）和统计学领域；数据领域(特定领域的知识：医疗、金融、工业等)。这样的定义使得DS理所当然地成为了一门“交叉学科”，也得以因此取百家之所长，成为了大数据时代里发展最快、前景最好的新兴专业之一。DS专业普遍被开设到了计算机或统计学院之下，课程设置明显更侧重于培育学生利用计算机进行数据分析的能力。虽然统计、数学、应用数学、金工等注重量化的专业也都符合申请条件，但一般来说，DS项目最青睐的本科专业是依然是CS。常见的先修课程要求包括：线性代数和概率的高级本科水平课程，以及随机过程，数值方法和编程熟练程度的入门课程（Python和C / C ++编程语言的基本用法）。三、布朗大学的DS项目布朗大学的数据科学项目（Master of Science in Data Science）隶属于Data Science Initiative，简称为DSI。该项目由应用数学系，生物统计系，计算机系和数学系联合开办，成立于2017年，属于STEM项目。布朗大学的DS项目时长为12个月，也可以延长到2年毕业，时间相对灵活，每一届的招生人数在40人左右。项目要求学生修满9个学分的课程，课程主要集中在应用数学，统计和计算机科学等领域，还有一门比较偏文的必修课（详情如图所示）。此外，学生还必须完成一个Data Practicum（数据实践）的学分，可以是实习，也可以是学术研究，时长为至少180个小时，通常需要5到12周才能完成。

大数据和人工智能方面的人才培养就是从研究生阶段开始的，然后逐渐开始向本科阶段普及，所以硕士研究生选择大数据和人工智能相关研究方向是比较常见的，而且大数据和人工智能领域的研究方向还比较多。从人才培养体系来看，目前大数据专业既有研究生培养方案，也有本科生和专科生培养方案，研究生阶段主要以培养具备创新能力的研发型人才为主，本科生阶段主要培养具备初级研发能力的应用型人才，而专科教育则主要以培养技能型人才为主。硕士研究生阶段如果选择大数据方向，需要重点考虑一下本学校的资源整合情况，最好选择学校具有一定优势的细分方向，这样不仅能够获得更好的学习（研究）体验，往往也会有更多的就业渠道。目前除了计算机专业能够培养大数据方向的研究生之外，统计学专业和经济学等专业也能够培养大数据相关方向的研究生，只不过侧重点会有所不同。人工智能方面的人才培养主要以研究生教育为主，一方面人工智能涉及到的知识体系比较复杂，另一方面人工智能的学习和研发对于环境（实验室）的要求也相对比较高，所以在研究生阶段学习人工智能会有更好的学习效果。从近两年研究生的就业情况来看，大数据相关岗位的数量比较多，但是算法岗位相对比较少，而且岗位竞争比较激烈，这对于人工智能相关方向的研究生来说，是一个不小的挑战。如果想提升自己的就业竞争力，不仅应该注重自身研发能力的提升，也应该注重实践能力的锻炼。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

前言：以前，出国留学提到商学院的专业，大多想到的是金融、会计、市场营销、人力资源、管理等传统专业。现在越来越多的学校开始开设一个新的专业——商业数据分析(BA)。这个专业的兴起和互联网时代乃至移动互联网时代的到来不无关系，随着互联网的发展，越来越多的数据产生，而能够有效分析这些数据并将他们应用于商业的人才却极其短缺，在这种趋势下，有不少学校开始开设BA专业。BA专业毕业的学生广泛分布于银行、快消、能源、政府、医疗、保险、制造和药品等行业，越来越多公司，尤其是科技公司，如国外的Google, Facebook, Twitter等，国内的腾讯、百度、阿里巴巴、新浪等，越来越重视数据的收集与分析。在这些科技巨头眼中，世界已经进入大数据（BigData）时代。从这种情况我们可以知得，BA这个专业还很新，但发展会很快，是一个就业面非常广的专业。相信还会有越来越多学校开设这个专业，就业前景也会被看好。定义：商业分析硕士（Master of Science in Business Analytics）主要是将大量复杂数据，经过定量方法和应用分析转换为合理清晰，便于管理的信息，从而做出合理的商业决策。学生会接触到先进的决策分析工具和技术，应用这些工具和技术在实际的商业领域中给予合理的解决方案。课程中涉及应用统计学、应用数学、计算机、优化选择、客户行为学、风险管理、运筹学和决策理论，商业统计方法，商业流程模型，商业决策模型，数据管理，运营管理等，并整合一些商科基础课程，如商业沟通技巧，领导力，市场营销，供应链管理等。这就是今后的数据科学家索要学习的内容了，以上课程可以分为三大类，商科基础课程，技术类基础课程与专业课程。Business Analysis与Business Analytics区别：Business Analysis与Business Analytics翻译成中文都是“商业分析”，他们之间有没有什么区别呢？本文给大家带来了Business Analysis与Business Analytics区别所在。都是商业分析，Business Analysis与Business Analytics区别何在？先搞清楚问的是business analysis还是business analytics。虽然翻译出来差不多，但实质差别很大。前者是传统商科，后者才是新兴学科。1. Business Analysis应属于传统商科，主要是任务是对公司整个运营的流程、业务的开展等方面的分析。比如发现新的商业需求、提出/改善某些商业问题的解决方案。它可能包括公司组织上的变更，业务流程的改善，策略性的规划，政策的制定和提高。这个领域需要一定的数据分析，一方面因为公司发展前期一般主要靠业务的扩展，会涉及一些销售业绩等类似的数据分析。另一方面，大数据时代嘛，很多公司都觉得好像应该顺应潮流掺和一把。但总的来说还是business analysis为主。即定性为主导，数据分析（一般较简单）为辅助。这也是大多数答主所提到的。要在这个领域成长为专业人才，一般会选择MBA，MBA课程一般也会包含一定的相关课程，但很简单。2. Business AnalyticsBA(Business Analytics)以商业知识为基础，数理编程为手段，从数据分析出发，以决策优化来创造价值的新兴专业，实现Big Data的商业应用。一般而言BA都开设在商学院下，还有部分在信息学院（Carnegie Mellon, Columbia等，CM的项目是这个专业绝对的女神项目!每年的毕业生被各大公司抢，当然这些学校的BA更多的Data Analytics，相对而言更重视计算机编程能力，所以更抢手）无论冠名哪个学院，从招生来看当然大多数是本科数学和计算机，少数其他专业的(商科背景的也少)。这才是真正的新兴学科。翻译上都叫商业分析，但内容却差很多，所以特意用英文区分开来。这个行业的核心就是数据分析，而且是高深的技术、模型和算法。通过对数据的深度分析、挖掘来研究公司以往的业绩，对行业市场潜在的商业信息的搜索等。目的是获取那些通过定性分析和简单的定量分析根本无法获得的insights。这个领域逐渐得到了学术界、业界和政府的高度重视：学术界，从纽约大学13年开始开设business analytics的硕士专业以来，全球各大高校纷纷增设相关专业，并且学费直逼MBA，在金钱至上的资本主义国家，高学费往往是高收入和良好职业发展的风向标。业界，更不用说了，BAT都在开设这一类的部门，阿里巴巴去年跟今年就从名校挖了一些这个领域的教授，百度更是把斯坦福大牛Andrew Ng请了来。政府，就我知道的，新加坡和澳洲政府直接拨款赞助开设business analytics部门的公司。总体来说business analytics无疑是个交叉学科，包括数学（统计）、计算机和商学（经济学、市场营销，博弈论等等）。统计类的方法占据了数据分析学科的首要地位（主要是回归模型）。可以说如果把统计方法全部拿走，数据科学基本就支离破碎不成体系了。然后是计算机（包括机器学习、模式识别、图像处理等一类的领域），基于一些应用层面的需求，计算机领域提出了一些新颖的思路和模型。值得一提的是，这些东西又吸引了统计学家的关注，他们把同样的问题又用统计学方法做了出来。再结合一些传统的回归模型，统计学出现了新的分支：统计学习。最后是商学类，现阶段来说比重最小，不过其中一些思路也是值得借鉴的，比如博弈论。一些专门的business analytics硕士会结合商业应用来讲统计和计算机方法。BA要求具备的硬件和软件实力：技术硬指标方面主要有以下要求：（1）数学。微积分和线性代数是大多数数据挖掘应用程序需要矩阵计算的基本算法。（2）统计学。掌握相关性分析、多元回归，揉合各种数据从不同角度进行预测性和指导规范性建模，会使用R、SAS、SPSS、SciPy、Stata等统计工具软件。（3）编程和写脚本。掌握编程语言可以更具竞争力，如：Python、C/C++、Java、Ruby、Perl、MATLAB、Pig等。（4）数据库。熟练掌握SQL，关注NewSQL这类高扩展、高性能数据库，如：Cloudera Impala、Clustrix、VoltDB等。（5）分布式计算系统：熟悉Apache产品族，钻研NoSQL平台，了解Apache Cassandra和MongoDB的优缺点，动手实践Hadoop、HBase、Cassandra、MapRece、Hive等不断出现的新系统。（6）数据挖掘。数据挖掘是跨学科的，借鉴人工智能和机器学习、统计数据和数据库系统等。（7）数据建模。从ERWin、Agile Data Modeling、ORM Diagrams、UML class diagrams、CRC cards、Conceptual/logical/physical schema、DDL、Bachman diagrams、Zachman Framework等数据建模工具开始，掌握建模技术和方法。（8）预测建模（9）机器学习。（10）数据可视化。选择掌握Flare、HighCharts、AmCharts、D3.js、Processing、Google Visualization API、Raphael.js、Tableau等其中一些可视化工具。 　人文软实力方面主要有以下要求：（1）专业领域知识。对某行业及其数据非常了解，诸如医药、政府、零售、制造业等。（2）创造力和求知欲。有创造力的数据科学家都是充满好奇心的，需要出众的发现能力。（3）善于包装会编故事。将复杂的数据包装后像讲故事般娓娓叙述出来。（4）顺利执行项目、保证实现目标的项目管理能力。（5）保护数据隐私的道德。（6）通过简短的交流能达到目的的能力，称为电梯间交流（elevator speech）能力。RPI MSBA 2017年毕业生就业数据就业：世界迈进了大数据时代。互联网和智能手机产生的数据“大爆炸”催生了提取和解读海量数据的新工作岗位——“数据科学家”。《华尔街日报》日前报道称，3年前数据科学家这个职业头衔基本还不存在，如今已成为高科技劳动力市场上最热门的职位之一。在很多企业，由于有巨量数据需要分析，数据分析员成为一个必须的职位，连一些看上去和数据毫不相关的企业，也需要数据分析员进行数据分析，帮助做出更好的决策。巨大的用人需求之下，数据科学家成了“香饽饽”，一场寻找或培训“数据科学家”的争夺战正在美国掀起。大数据需要大分析，大分析需要新技术，但企业还需要新人才。在大数据时代，数据科学家等分析人才的需求将激增，尽早开始人才储备将是企业稳步发展的优势之一。以下数字可以说明数据人才有多稀缺。招聘者说，一个拥有博士学位的数据科学家的起薪通常是六位数，工作两年后，就可以轻松赚到20万至30万美元的年薪。在美国职业社交网站领英网(LinkedIn)，有3.6万个数据科学家的职位虚位以待。另一家网站的数据显示，去年底有6000家公司正在招聘数据方面的人才。分析人士称，大数据革命将深刻影响人们的工作、生活和思维。“数据，已经渗透到当今每一个行业和业务职能领域，”全球知名咨询公司麦肯锡指出，大数据是“创新、竞争和生产率的新边疆”，具有变革性影响，是数字时代的生产要素，是获取竞争优势的一个源泉。毫无疑问，大数据的重要价值正日益凸显，数据分析将成为21世纪的一个“金饭碗”。麦肯锡的《大数据》报告显示至2018年美国大数据资深分析专家存在14万至19万缺口，决策经理和分析师缺口将达到150万人。美国各大学的大数据硕士课程从2011、2012年开始大量招生，对于报考学生的教育背景和知识结构要求比较高，但要成为真正的数据科学家，如果没有数年的内在数学能力训练和行业实践磨练，难以成为合格的数据科学家，因此，报告也强调即使在加快开展专业教育和职业培训的前提下，未来仍然存在人才缺口，那么吸引海外技术人才就是一个必然，中国是赴美留学生最多的国家，所以商业分析专业的学生回国之后的就业机会是比较多的。开设院校介绍：目前开设BA专业的学校很多比较有名的学校有西北大学、卡耐基梅隆、康奈尔、南加州、北卡教堂山、罗切斯特、迈阿密、德州奥斯汀等。大部分学校的BA专业开设在商学院下面，少数学校开设在其他学院，比如西北大学和康奈尔大学开设在工程学院，卡耐基梅隆开设在信息管理学院，北卡教堂山开设在统计与运筹系。要特别注意这样的项目是否可以接受GMAT成绩，比如康奈尔就不接受GMAT成绩。这个专业对于申请者的数学和计算机背景要求较高，以德州奥斯丁大学商业分析专业招收的学生为例，原来为工程系的学生占32% ，原来为商科的学生占28%，来自数学专业的有17%，有19%的人原来是就读于经济学，另外4%分别来自于同样对数学背景要求很高的心理学或社会学等专业。作为一个新兴专业，很多赴美留学学生对这个专业并不是十分了解，竞争的激烈程度也不是特别高。有良好数学与计算机背景的申请者，可以在金融、金融工程等专业之外，再增加一个可以选择的专业了。

今天有一个（统计学）的女（硕士）来我公司面试大数据，她要求一个月是15000，听她说高考数学考148分，面试的过程中，她几乎能回答上来，能力跟我公司3年开发经验的程序员差不多。她的自我介绍是这样的：她说：学历（硕士），（统计学）专业，目前年龄27岁，大学毕业两年，由于本专业（统计学）就业工资低，待遇差，就在去年到现在自己自学了一年半（大数据）的知识点，目前熟练JAVA集合，多线程，IO流，反射.....等基础，还说自己熟悉Hadoop生态系统，具备HDFS/Spark/HBase/HIVE等组件搭建和开发能力。面试我问她：本专业（统计学）待遇不好还是就业困难？我问她，非要转行来做互联网程序员吗？她说： （ 统计学）非常容易就业，目前上份工作就是数据分析师，月薪8500，工资连个大专生的程序员都不如，她还说传统行业工资真的低，选择永远大于努力，所以才选择互联网程序员。面试我问她：你为啥转行大数据岗位，转行JAVA不行吗？她说：自己当年高考数学考了148分，恰好大数据需要数学理论的基础，所以才转行大数据，至于JAVA真的太简单了，都是调用API的水平，压根就没有挑战性（她刚说完，我心里想，说JAVA简单都不是一般人呀，毕竟人家是985毕业的，但是培训机构出来的JAVA程序员一大推找不到工作）面试我问她：你没有开发经验，你如何说服我，你可以胜任工作？她说：虽然我没有工作经验，单凭985这个学历，跟高考数学考了148分，可以证明我的学习能力挺不错的，她还说自己的基础知识非常扎实，入职后应该很快上手项目的（我点我信任她，毕竟对方是985毕业的）面试我问她：大数据是基于JAVA开发的吧，你对JAVA了解多少？她说：看过hashmap源码，懂得并发编程，目前懂得同步锁它的原理，还有NIO/IO流（她刚说完，我心里想，自学一年，有这个水平，当时我有点怀疑她在吹牛逼）我就接着问了一点技术性的问题，确认一下她对JAVA掌握的情况：来说说：HashMap的实现原理？ 来说说：为何HashMap的数组长度一定是2的次幂？来说说：HashMap重写equals方法需同时重写hashCode方法 ?来说说：JDK1.8中HashMap的性能优化 ?来说说：线程同步锁它的原理？来说说：JAVA 多态它的原理？我就问了这些，毕竟我有10年JAVA开发经验，不过这个985高材生真的厉害，上面的面试全会，我想科班毕业的未必回答得上来，一面我就这样给她过了，二面我叫我公司的老张面试他，我公司的老张有8年大数据开发经验，能力在我公司非常的优秀。我在房间旁听，他们在交流关于大数据Spark相关的知识点，他们大概交流了2个多小时，我看到老张笑着跟她握手，欢迎加入我公司，看来老张认可她的能力，老张还特意跟我说，这妞可以胜任3年大数据开发的岗位，待会谈薪资的时候就按3年工作经验给她。面试我问她：你期望的薪资待遇是多少？她说：月薪15k就满足（我本来想给她开月薪18k的，给她15k算了，毕竟对方没有开发相关的工作经验）于是我就满足了她的薪资待遇，给她开了月薪15k，不过对方挺开心的，她说，明天来公司报到。整个面试过程就这样结束了，这个高材生985毕业，转行互联网行业是正确的选择，最起码工资翻了一倍多。我对她的看法如下：选择真的大于努力，她的读的专业是统计学，毕业从事数据分析师，工资月薪8500这么低，工资连个大专程序员都不如，果断转行程序员是正确的选择，毕竟互联网程序员工资高。你们对这个985高材生转行程序员有什么看法，欢迎吐槽一下。