数据分析方面研究生

作者 | Jeremie Harris翻译 | MikaCDA 数据分析师原创作品，转载需授权首先我要说的是，我是一名博士肄业生。这个头衔给我带来了所谓的光环，它暗示我在研究生院待过，做过一些学术研究。完成博士学位，意味着你不过是千万个”书呆子”中的一员，而在学了几年后辍学似乎显得你更有个性。人们期待知道你之后会做些什么。他们可能会说，“特斯拉的CEO Elon Musk就选择放弃研究生学位，离开学校去创业，你也可能成为下一个Elon！”那么如果想入行数据科学，学历重要吗？一定需要博士学历或研究生学历吗？在本文中我将分享我的看法。我在数据科学导师制创业公司工作。在工作中，我已经面试过数千位有抱负的数据科学家，当中有些人有博士学位，有些有硕士学位，有些是本科生，也有各个阶段的肄业生。这也让我对数据科学职业有了更深的认识。STEM：科学（Science），技术（Technology），工程（Engineering），数学（Mathematics）这四门学科有许多人会向他人咨询，是否要继续深造读研或读博，而当中很多人对前景没有全面的分析。其实不是所有的学位都适合每个人，原因如下。一、博士学位（这可能会让许多有博士学位的人感到不舒服，在此我提前道歉。）“我看到许多数据科学工作都需要博士学位。我是否要有博士学位才能成为数据科学家呢？“不，并不需要。不要误会我的意思，博士头衔的确会给你带来明显的优势。但也要考虑一些现实因素。如果你的目标是成为数据科学家或机器学习工程师/研究员，那么有博士学位会给你加分不少。但与此同时也要考虑以下两点：1.获得博士学位需要非常长的时间。2.除非你跟着合适的导师，攻读合适的学位，否则你可能学不到任何有价值的东西。针对第1点，在美国或加拿大，获得博士学位需要4年到8年才能完成。平均需要5到6年，具体取决于学校。现在让我们把它放到透视中。在数据科学领域瞬息万变，5年内各种成果层出不穷。要知道，在5年前Spark、XGBoost、jupyter notebook、GloVe、spaCy、TensorFlow、Keras、Pytorch、InceptionNet、ResNet、强化学习等等都还不存在。因此，除非你打算当新技术出现时，花时间自己钻研。否则你会发现学习期间接触到的技术远远跟不上当下的发展。这意味着即使你毕业后，还需要自己学习这些技术。关键在于，数据科学和机器学习的发展非常快，在未来只会发展得更快。因此，当考虑攻读数据科学或机器学习相关领域的博士学位时，你实际上是把赌注都下在你所要学习的领域。你希望在毕业时，该领域还是炙手可热的。而这样的赌注很冒险，而且赌注很高。第2点，思考一下你的导师是谁，为什么他们没有在Google或Facebook工作。当然，有些人更喜欢学术研究，而不是在行业中运用数据科学或机器学习。但值得记住的是，行业顶级的机器学习人才的薪资是非常丰厚的，因此学术界的可能会稍逊一筹。当然，有些地方也有些例外。这主要指的是加拿大的Vector Institute或MILA；麻省理工学院和美国伯克利的数据科学课程等顶级精英项目。总结一下：如果你只想成为Airbnb的深度学习工程师，那么博士学位一定程度上能成为你的敲门砖。但是，如果你不是在顶级项目中攻读博士学位，那么不要期望被行业顶尖的公司录用。但是，如果你想找份普通的数据科学工作，获得博士学位可能并不是正确的举措。你可以用4到8年的时间获得丰富的工作经验，去成长为一名真正的数据科学家，那么出现新技术时，你能更好的进行预测，保持领先的位置。如果你考虑攻读与数据科学无关领域的博士学位（例如物理，生物学，化学），并且目标是找数据科学方面的工作，那么这条建议可能有些刺耳：如果你离毕业还有18个月或更长时间，而且你确定自己想成为一名数据科学家，那么可以考虑辍学。考虑到沉没成本，你应该对之前决策感到质疑，根据我之前的经验来看放弃可能是正确的选择。二、硕士学位入行数据科学需要硕士学位吗？视情况而定。以下是我列出的记分表，如果根据你的情况，分数大于6，那么答案是“硕士学位可能会有所帮助”。你有非常相关的STEM背景（物理、数学、计算机科学等本科学历）：0分你有较为相关的STEM背景（生物学、生物化学、经济学等本科学历）：2分你没有相关的STEM背景：5分你有不到1年的Python使用经验：3分你没有编程相关的工作经验：3分你不认为自己擅长独立学习：4分当我说这个记分表实际是一个逻辑回归算法时，你不明白我的意思：1分注意：需要考虑的是，你是否需要数据科学硕士学位或数据科学训练营。如果选择参加训练营，要注意他们的激励措施：是否课程完成后保证聘用？是否有与训练营相关的求职指导服务？许多人都对训练营持怀疑态度，这是有道理的。但大多数忽略的是，他们对待大学所提供的相关硕士学位也该如此。巩固硕士学位就相当于训练营。如果你不在乎你的成绩，那么要注重你从中学到了什么。在选择相应的硕士学位和课程项目时要询问其研究生就业率。有的大学希望学生选一个简单的专业，而不是好的专业，这是一场心理博弈。你的目标是最终被聘用，找到理想的工作，而不是仅仅为了一纸文凭而付出时间和精力。即使完成了硕士学位，你还需要学习很多技能，可能比你预想的还要多。但只要硕士课程的时间较短(最好不超过2年)，成本不是太高。三、本科学位总的来说，是的，成为数据科学家你需要相关本科学位。不仅仅是因为你需要掌握相关知识，而且公司并不认为你通过自学，参加训练营和一些在线课程就能胜任数据科学的工作 。但关于本科学位你要注意的是，如果你和科技行业的人聊聊，你很快会发现科技型工作中涉及到的内容要远远超出学校课本。这是因为学校所教的本科课程一般比现实情况要滞后5到10年。如果你学的是不会发生很大变化的专业是没有太大问题的，比如如物理、数学或统计数据等。但是如果你是工程或计算机科学专业，并且你在一家出色的公司实习，你想休学或肄业来获得更多的工作经验，那么你可以考虑这样做。如果你读本科的目的是为了获得一份工作，你已经在一家有不错前景的公司获得职位，那么何必多付几年学费呢。我的意思并不是你应该不读完本科就去工作，我想说的是，如果你完成了实习并且获得了相应的全职工作，那么对于是否完成学业应该有更开放的观念。而不是因为大家都这么做，才做出这种选择。结语在本文中，我给出的一些建议可能不是那么常规。但在数据科学这样快速发展的领域，惯例往往并不是最优选择。当今社会中，人们对传统教育价值的看法应该与时俱进。当然，这并不意味着正规教育以及研究生学位是不值得的。但是，不应该认为获得硕士或博士学位是必备的。如果你读研读博只是为了符合数据科学职业轨迹的刻板印象，那么你可能需要重新考虑了。

据教育部数据统计，2018年考研报考人数达到238万，较2017年的201万增长了18.4%。考研人数日益增多，聚英考研网小编提醒大家应该做好充分的准备，为成功考上研加大筹码，那么还有哪些数据是我们应该了解的呢，下面带大家一起来看看！一、研究生报考集中在北京，江苏，上海等教育资源丰富地区据中国教育在线研究生信息采集系统数据显示(43万人次)，近22%的比例考生选择报考北京地区高校，其次为江苏8.8%，上海7.2%，天津5.4%，湖北5.3%，广东5.2%。多数集中在名校资源丰富，经济发展水平较高的地区。二、研究生计划报考专业数据显示，在研究生报考前10的专业中，经济管理类占比60%，报名最多的前两位均为专业硕士，理工类专业仅占10%。三、计划报考专业型硕士研究生占比四成数据显示，60%的考生计划报考学术型研究生，40%的考生计划报考专业型研究生。但从2017年的考研的人数来看，专硕已经突破了学硕，比例占到52%。随着在职研究生列入统考，专硕比例还在继续扩大中，因为很多学硕专业招生人数非常得少，甚至有可能不招，也有可能主要招推免生，而不招统考生。预计到2020年，专业硕士的招生人数和学术硕士的招生人数比例可能是7：3。四、超八成高校认可调剂考生与一些热门报考专业相对应，在一些高校出现了部分专业"零报考"的情况，导致这些专业最终招生计划需要调剂来完成。另外一组针对调剂生源的调查显示，有80.3%高校曾表示，考研录取的"调剂生源"整体水平与第一志愿报考学生区别不大。针对考研人群考后调查，因分数不理想而选择调剂的人数占比达到46.3%，选择继续再战的比例为26.9%，放弃考研选择就业的占比26.8%。五、近八成考生就读院校非985、211高校数据显示，在考生就读大学性质中，77%的人就读院校为非985/211高校。看了以上的数据，大家有没有对考研的整体形势更加了解了呢，希望每位同学都能用心准备，做出最适合自己的复习规划，实现最终的目标！如果有什么看法或者意见欢迎留言讨论，有什么想了解的考研资讯也欢迎反馈，小编看到后会根据实际情况整理出相关的考研资讯供大家参考。

首先，如果想从事专业的数据分析岗位，读研确实是一个比较现实的选择，相对于开发岗位来说，数据分析岗位的竞争还是比较激烈的，除了计算机相关专业的同学可以从事数据分析岗位，数学、统计、金融、经济等专业的同学，也都可以从事数据分析的相关岗位。近些年来，随着大数据、人工智能等技术的快速发展，行业领域对于数据分析人才的需求量还是比较大的，尤其是IT互联网行业，新增了大量的数据分析岗位需求，但是随着人工智能技术在落地应用过程中并没有预期那么顺利，所以数据分析等算法类岗位的人才需求量，出现了一定程度的下降，这也导致了就业竞争越发激烈。如果明确要想往数据分析方向发展，而且想有一个较强的岗位竞争力，考研可以重点考虑一下计算机专业，在主攻方向的选择上可以选择大数据和人工智能大类，然后围绕数据分析岗位的要求来组织知识结构和开展科研实践。在专业选择上，之所以选择计算机专业，原因有三点，其一是相对于大数据专业和人工智能专业来说，计算机专业的学科体系比较成熟，会有一个比较好的学习和科研体验。其二是计算机专业可以培养自己的开发能力，这对于提升就业竞争力还是非常有帮助的。早期从事算法岗位甚至不需要掌握编程，但是当前很多算法岗位对于程序开发能力是有要求的，尤其是IT互联网行业内的企业，往往更加看重算法工程师的程序设计能力。其三是计算机专业的就业渠道更多一些，尤其在当前工业互联网发展的大背景下，产业领域会释放出大量计算机专业人才的需求。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，都可以私信我！

19考研到底有多难？看最新全国研究生报考数据分析报告！一 、研究生报名人数持续增长研究生招生人数每年都创历史新高，我们都已经见怪不怪了，18考研（238万）较17考研（201万）直增37万考生，增长率达到18.4%，有人预计说19考研有可能达到270万。为什么越来越多的人选择考研呢？根据中国青年报社社会调查中心针对考研的一项问卷调查显示，选择考研的原因有：提升就业竞争力、通过考研进入名校、通过考研更换专业、完成自己的学术理想、暂时逃避就业压力、寻找备考过程中的独特体验等，其中占绝大多数的为以下三个方面：1. 本科就业压力大，考研可提升就业竞争力；2. 名校情结；3. 在职研究生纳入统考，往届生考研人数增加。（你考研的原因是哪一个呢？欢迎留言哦~）二 、多省市研究生考试报名持续增长1、山东：山东作为生源大省，2018年考研人数达213803人，同比增长14.54%，为历年最多。其中，2018全国报考山东大学的考生共23018人，突破两万，创下历史新高。2、四川：2018年，四川省研究生招生考试报名人数再度飙升，有效报名人数达到了119523人，较2017年增加了37583人，增幅为45.87%。去年四川报考点一度爆满，导致一部分考生无法在本地报名，最后增加考点才得以解决。小编也在这里提醒大家，到报名时，尽量不要往后拖，每个报考点所能容纳考生数量有限，确定了之后就尽早提交，以防带来不便。3、黑龙江：2018年硕士研究生招生考试共计报名79242人，比2017年增加了12053人，增幅为17.9%，这是该省研究生报考人数连续第三年增长。4、河北：2018年河北省共报考120580人，比2017年增加17525人，增幅为17.0%。报名人数和增幅均创历史新高。除以上地区外，安徽、湖北、江苏、内蒙古、重庆、辽宁、河南、天津等多地，报考人数均创下新高。三 、往届生报名增幅明显根据教育部公布2018年硕士研究生报考数据显示：238万考生中，应届考生131万，比17年增加18万，往届考生107万，比去年增加19万人。以湖北和河北地区为例，从图表中可以看出，往届生报考人数逐年增长。原因是因为从2016年起，在职研究生考试纳入统考，不少在职人员为提升自身竞争力或工作需要，也加入考研大军。湖北河北四、部分省市专业硕士报名人数超过学术硕士随着专硕培养规模壮大及认可度提升，瞄准专硕的考生比例逐年提升。以北京为例，北京2015年为43%，2016年为46.3%，2017则首次超过50%，达到52.2%，到了2018年，这个比例则高达54.7%。其中，多地甚至出现专硕报考人数超过学硕的现象，以湖北和河北为例：河 北湖 北2019年考研的人数将继续增加的同时，报考专业硕士的比例也会保持持续增长。在2016年全国考研报考人数中，专业学位考取概率为0.27，学术学位考取概率为0.35。从这分析来看，同学术硕士相比，专业硕士考取难度更大，且随着专硕越来越火，其考取难度有持续增长的态势。五 、女生读研占比超过半数硕士研究生招生规模不断增长的同时，女生考取研究生的比例不断提高，女生成考研群体主流。六 、全日制和非全日制统一招生自2016年9月起，在职研究生纳入非全日制研究生，与全日制研究生实行并轨统考。这对于在职考研人来说，无疑增加了考试难度。相应的，非全日制研究生的含金量也必然提高，非全日制研究生顺利毕业后，将拥有“双证”(学历证书和研究生学位证书)，和全日制研究生相同。因此，非全日制研究生成为了众多在职考生的首选。全日制和非全日制统一招生两年以来，报考非全日制的考生占比逐年增多。以北京、河北为例：七 、MBA、会计、法律硕士等依然是报考的热门专业以北京为例：2018年，工商管理专业报考人数居首，为19749人，随后为会计专业的13124人和法律硕士(非法学)专业的12957人，报考人数居第四至十位的专业依次为金融、公共管理、计算机技术、法律硕士(法学)、广播电视、软件工程、计算机科学与技术。八 、热门高校各专业报录比报录比指的是报考人数和录取人数之比，报录比越大说明该专业考研难度越大。近几年研究生招生规模扩大，使硕士研究生报考的竞争度变小 ，录取率提高。但是，一些热门专业，如经济类、管理类等专业的报录比相对较高，考研难度依然很大。研招网给出了4所热门高校（人大、复旦、南开、浙大）报录比排名前10的专业：中国人民大学复旦大学南开大学浙江大学

【中国大学教育】发布教育相关专文，欢迎大家点击“关注”按钮，我们会持续更新关于中国大学的相关文章，给你带来最有用的资讯。据教育部数据统计，2018年考研报考人数达到238万，比2017年增加37万，增长了18.4%。其中，应届考生131万，比去年增加了18万，往届考生107万，比去年增加19万。从数据分析可以看出，往届考生人数的增长人数也是十分巨大的，并且有进一步赶超应届考生人数的趋势。对于应届考生来说，考研的竞争压力确实增大了不少。一．分析近些年的考研数据，考生考研主要有以下几个原因：1.本科就业压力大，考研提升就业压力随着本科扩招，每年有越来越多的本科毕业生，本科学历不能满足用人单位的需求。因此，用人单位提高了招聘门槛，很多需要有研究生学历。2.学生的名校情结很多考生高考发挥不好，或者高考成绩不理想，也向往去985、211工程高校去深造学习。因此在本科毕业之后面临找工作或者读研的时候选择了读研。3.对本科专业的不满意一部分考生因为当初高考填报志愿时不了解这个专业毕业后的就业去向，等录取报道之后发现自己并不喜欢这个专业。因为种种原因，也没机会转专业，自己找不到理想的工作，需要通过读研来改变自己的专业，从而选择自己向往的工作。二．报考的热门专业分析由2016、2018年两年数据来看，工商管理、会计、法律硕士（非法学）三个方向的报考人数最多。其次，计算机、软件方向也是报考的热门。这些专业的就业前景也是比较不错，当然难度伴随着热门程度，考生们也要有心理准备。以上是本期的数据分析，但也仅仅只是数据分析。考研对于任何一个考生来说，可能都是人生中仅次于高考的奋斗历程。考前，不辞辛劳得备考。考后，面对你的一定是不负你的成绩！理想的高校在向你招手！考研最后的冲击阶段，加油！不忘初心，方得始终！本期【中国大学教育】就要结束了，欢迎大家在评论区一起交流、讨论、学习，对于大家在评论提出的问题我们会及时答复。同样希望大家可以把有用的文章转发、收藏起来，以后没准有用哦！

首先，如果有条件和能力读研的话，还是应该首先考虑读研，一方面读研能够从根本上提升自身的人才层次水平，从而打开更多的就业渠道，另一方面读研也会有一个更加系统的学习过程，能够全面丰富自身的知识结构，而且也会提升自身的视野。职业教育更注重学生实践能力的培养，注重各种应用技能的培养，主要的培养目标是技能型人才，而研究生教育则以创新型人才为主要培养目标，所以如果未来想在技术领域走得更远，首先应该考虑读研。当然，相对于职业教育来说，读研的过程会占用更多的时间，学习的难度也会更大，对于学习者的学习能力也有较高的要求。实际上，每年都有一部分大数据方向的研究生会由于种种原因而选择延期毕业，比较常见的原因就是科研成果没有达到要求。从当前大数据领域的就业情况来看，由于目前大数据尚处在落地应用的初期，所以目前大量的大数据岗位都集中在研发领域，这一点在2019年的秋招中就有比较明显的体现，所以读研会有一个更好的就业前景。当然，随着大数据技术的落地应用，未来大数据技能岗位的人才需求量也会逐渐得到释放。最后，不论是否选择读研，学习大数据分析知识都需要一个系统的过程，这个过程涉及到的知识量还是比较大的，而且也有一定的学习难度。大数据分析目前有两种基本的方式，一种是统计学方式，另一种是机器学习方式，这两个方式都需要学习者具有一定的数学基础。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！

首先，当前数据分析（算法）岗位对于从业者的学历要求是相对比较高的，所以如果要从事专业的数据分析岗位，读研是比较现实的选择。实际上，当前很多研究生在毕业时要想从事算法岗都面临比较激烈的竞争，很多研究生本来是冲着算法岗去的，但是最终却拿了一个开发岗的offer。对于计算机专业的本科生来说，考研可以继续选择计算机专业，当前计算机专业也是培养算法工程师的主要专业之一，相比于很多跨考生来说，考研本专业的压力还是相对比较低的，但是由于计算机专业是当前的考研热点专业，所以也一定要认真准备，同时要为自己营造一个较好的学习环境。虽然要明确学习数据分析方向，但是对于计算机专业的同学来说，同时也要重视开发能力的提升，这对于提升就业竞争力有非常直接的帮助，相对于数学、统计学等专业的同学来说，开发能力较强是计算机专业毕业生的重要优势，如果没有这个优势，就业竞争力会明显下降，这一点一定要有清晰地认知。在考研选择目标学校时，一定要考虑到目标学校的学科实力和所在地区，学科实力较强会让自己有一个较好的学习体验，而所在地区的行业资源情况对于科研实践活动会有比较直接的影响，对于就业的影响也非常明显。最后，数据分析岗位与行业场景的关系非常紧密，所以在学习数据分析的过程中，还需要积累一定的行业知识。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，都可以私信我！

首先，对于很多初级职场人来说，如果要转行从事数据分析领域，读研是比较不错的选择，一方面通过读研能够系统学习数据分析知识，全面丰富自身的知识结构，另一方面也会获得自身人才层次水平的提升，这对于后续的发展会起到比较重要的作用。数据分析对于从业者的要求是比较高的，所以要想具备更强的数据分析能力，一定要有一个系统的学习和积累过程。当前的数据分析主要采用两种方式，一种方式是统计学方式，另一种方式是机器学习方式，这两种方式都需要从业者具有一定的数学基础、统计学基础和计算机基础。所以，如果自身的知识结构有较大的欠缺，读研是比较现实的选择。如果自身的学习能力比较强，而且具有一定的数学和统计学基础，那么也可以通过自学来入门数据分析，但是要想在数据分析领域走得更远，还需要工作场景的支撑。数据分析任务不仅对于从业者的技术能力有较高的要求，对于环境也有较高的要求，通常需要有数据中心的支撑，所以如果想边工作边学习，一定要为自己选择一个适合的工作岗位。对于自学者来说，如果想找到一个适合的工作岗位，可以立足自身的知识结构，如果具有一定的行业经验，在竞争工作岗位的时候，会具有一定的优势，因为数据分析本身对于行业知识的要求是比较高的。最后，即使选择自学数据分析，也一定要重视与技术专家的交流，这不仅会提升学习效率，同时也会让初学者少走弯路。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！

要想考研选择数据分析方向，可以重点关注一下大数据方向，目前计算机专业、金融专业和统计学专业都有数据分析相关方向的设置。对于机械专业的考生来说，选择计算机专业是不错的选择。数据分析方向是当前的热门方向之一，随着大数据技术的落地应用，未来行业领域会释放出大量的数据分析岗位，所以从就业的角度出发，选择数据分析方向是不错的选择。由于数据分析涉及到数学、统计学、计算机和行业知识等几大块内容，所以需要学习的内容相对还是比较多的。通过读研的方式来学习数据分析是比较现实的选择，能够明显提升自身的人才层次，也会打开新的就业渠道。如果要跨考计算机专业，需要做好三方面的准备，其一是根据自身的学习能力来选择目标高校（科研院所），在选择的过程中要对培养单位的具体方向做一个全面的了解，同时可以简单了解一下目标高校的培养方式。其二是根据目标高校的考试要求来制定复习计划，不同高校在不同的考试环节往往有不同的要求，由于目前计算机相关专业是考研的热点，所以复习时一方面要注重初试环节，另一方面也要注重复试环节。最后，对于跨考生来说，应该尽量获取更多目标学校的复习资料，如果能够得到专业老师的指导，那么会在一定程度上提升复习效率。计算机相关的专业课还是具有一定难度的，所以越早准备越好。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！