数据科学博士申请

总的来说，数据科学是个跨学科专业，各个专业的人都可以申请。一、不过它有以下特点：1）面向职业培训、侧重工业界需求，没有博士学位为了符合工业界需求，专门的数据科学项目课程都很实际，侧重培养学生分析数据、解决问题的实际动手能力，课程一般不涉及理论知识。如果要读博士，申请统计和生物统计专业最对口，其次是计算机或者电子工程里做机器学习、数据挖掘这些相关方向的。另外，数学、IEOR、经济等专业也有少数博士生做的方向可以转到数据科学上，比如做优化（optimization）的。2）作为新兴专业，很多学校没有开设专门学位，综排前50里只有少数学校才有也就是说，申请选校范围很狭窄、选择非常少，这也决定了申请综排前50的学校，难度很大3）不同的项目对学生背景要求不同，录取标准各异大多数项目倾向于录取数学或者统计等计量学科背景的学生，同时希望申请人有软件编程基础、会写程序分析数据。比较牛的项目，更是如此。如果你只是上过高数、线性代数、概率统计这三门理工科专业都上的基础课程，那你的背景是不够的。尽管修课背景的缺乏并不代表你一定拿不到录取，但是你是处于劣势的。如果你修课背景缺乏，可能更适合的是商学院里开设的项目，这类项目侧重business/marketing analytics，而不是data science，对各种背景的申请人都更友好。 有的学校还有特殊要求，比如西北大学希望申请人上过Java课程、NCSU有很严格的面试。这也增加了申请难度。4）申请文书质量至关重要基本上所有学校的录取委员会，都希望在文书里能看到你对数据科学、对商务分析，能有一定的理解，而不是在对这个专业所知聊聊的情况下蒙头胡申。同时，作为很侧重职业培训的项目，有相关工作经验是加分。如果你有工作经验，那一定要结合工作，体现你对这个专业的理解和看法。如果你没有工作经验，你文书里更是要设计合适的内容，充分体现自己的背景和基础可以胜任这个专业。5）建议考GRE而不是GMAT商学院里一般都接受GMAT，但是有些项目并非商学院开设的。如果想选校不受限制，最好考GRE。二、关于数据科学专业申请定位，其实很简单：1）背景很好，可以在综排前50里选校；除非真的很牛，否则不要只考虑综排牛校。2）其他人等，建议多申请一些50名以后的学校，会比较稳妥。另外，考虑到很多申请人可能也有其他选项，比如在申请数据科学的同时，也申请本专业，所以定位问题往往需要全面考虑。三、项目情况ds因为是比较新的一个专业，项目普遍比较新也比较杂，很多不同的学校有ds的项目，但是名字不尽相同。比如说Stanford ICME，Columbia, NYU Data Science, Northwestern Analytics, Georgia Tech Analytics这些都是ds或者是ds相关的项目。但是在申请的时候，不要看到ds就申请，一定要结合自己的背景，深入的了解之后再做决定，因为不同的项目是由不同的偏重的。举例来说Stanford 的项目因为是icme和stas同时申请的，所以偏重数学多一点，Columbia 因为是在工学院的下面，所以偏重cs多一点。大家也可以结合自己的本科专业和未来的职业规划选择项目，这样在申请的时候也更有优势。不同项目的信息是可以网上找到的，也可以问问自己的学长学姐，或者校友，他们会给你很多有用的信息。四、申请建议：GPA很重要，有精力的话，一定要保证自己的GPA是漂亮的。ds项目是很偏重数学和编程的，这两方面的课程成绩尤为重要。GPA不是唯一的申请条件，但是绝对是很重要的一项。接下来，暑期科研可加分，对于大二大三的同学，尤其是大二的同学，可以在大三暑假的时候去做一份暑期科研。大三的同学应该申请暑期科研申请的差不多了，还没有申请到的同学可以继续努力，但是暑期科研对于申请来说绝对是一个加分项。暑期科研一般来讲，最最现实的意义就是国外教授的推荐信。实习可加分，大部分大三的同学应该都会遇到找实习的问题。首先，不要着急；其次，有的放矢，一定要考虑好和未来的申请相关的实习，不一定是big name，小公司也可以，只要适合申请有关的，都可以算作是一份好的实习，在实习的过程中，也是好机会了解行业的现状。知道什么是应用中重要的，而且你可能会发现和之前科研中相比，工作中真正重要的部分是不同的。申请实习的同学，简历也是很重要的，不要直接用申请学校改好的简历，毕竟企业和学校是不一样的。还是要稍微改一下地，突出自己的优势。而且国内和国外的简历要求也是不一样的。最后，因为ds是一个交叉学科，所以其实对于各方面的能力要求都有一点，不用因为觉得自己的背景差一点就气馁，有很多背景知识是可以自己提高的，做一些相关的科研项目，上一些网上的课程都是很好的选择，当然也是可以写在简历上的。

导读为跟进“名校数据学位巡礼”板块，察言观数今天奉上“牛津大学社会数据科学博士”招生简章。社会数据科学博士是牛津大学互联网学院联合统计学、工程科学、社会科学等院系2019年开设的新项目，申请截止日期为2019年11月15日。该项目为申请者提供关于人类行为非结构化数据前沿研究的机会，体现了社会学与数据科学的融合。课程介绍社会数据（通常来自于移动设备、社交媒体或其他可穿戴设备）提供了一种获得大规模数据的新方法。用凌乱的真实数据创建可行的数据集，开发分析数据的工具和技术，透过解释、预测和测试来描述现实世界。社会数据科学与个人和社会的行为息息相关，其核心是产生并分析实时数据。该项目的课程由多个院系开设，分为项目推荐课和学院通识课，学生可根据需要自主选课。工程学统计学社会学人口统计学信息，交流与社会科学社会数据科学互联网社会科学申请要求硕士阶段均分65分以上；本科阶段均分85分以上（双一流，985、211高校）或均分90分以上（其他大学）雅思7.5（单项不低于7.0）/ 托福iBT 110 /CAE191（最低项185）/CPE191（最低项185）不要求GRE和GMAT分析能力强，熟悉互联网相关技术申请材料成绩单CV/简历个人陈述和研究计划英文学术出版材料（不强制论文）三封推荐信官网链接：https://www.ox.ac.uk/admissions/graate/courses/dphil-social-data-science?wssl=1#编辑 | 千寻

最近这两年随着大数据和互联网的发展，数据科学专业也热起来了。最近来咨询美国数据科学（DS）留学申请/美国商业分析（BA）留学申请的同学是最多的。为了帮助更多关注美国数据科学专业选校定位的同学，我推荐一个简易的定校表格，大家可以做个参考，如果是需要一对一咨询留学问题，可以联系时代兴华留学，我会给大家详细介绍。美国研究生申请条件参考华盛顿大学西雅图-美国数据科学（DS）留学Master of Science in Data Science华盛顿大学西雅图(University of Washington)提供数据科学方面的顶级硕士学位。它的特点是综合性，跨学科的课程。该专业是与以下不用学院学系合作开发的:应用数学系生物统计学系计算机科学与工程系设计与工程系统计系信息学院课程安排在晚上，全日制学生每周有两个晚上在UW西雅图校区上课。该项目包括九门核心课程和一个Capstone项目。毕业生将专注于的专业领域如:统计建模机器学习软件工程数据管理#29 -Stanford University斯坦福大学-美国数据科学（DS）留学M.S. in Statistics: Data Science斯坦福大学(Stanford University)数据科学专业的顶级硕士学位是与统计学系和计算与数学工程研究所(ICME)合作授予的。通过以下课程，学生接受以计算为重点的数据科学训练:数学统计数据编程数据科学没有论文要求，学生可以继续准备高级博士学习。专业选修课的范围如下:机器学习挖掘海量数据集数据驱动的医学来自大数据的商业智能#28 -Georgetown University乔治城大学-美国数据科学（DS）留学Master of Science in Analytics-Data Science乔治城大学(Georgetown University)的顶级分析硕士学位是通过与计算机科学系和数学与统计系的合作而授予的。这个严谨的项目为学生提供数学、计算和统计方法方面的培训。该项目面向应届毕业生和寻求晋升或新职业的专业人士。全日制学生只需两年就能拿到学位(转学学分或暑期课程更少)。课程通常在下午晚些时候或晚上提供，以适应职业人士。学生有机会参与独特的活动，如数据可视化挑战，德勤核心咨询系列和分析学生展示。#27 -Southern Methodist University南卫理工大学-美国数据科学（DS）留学Applied MS in Statistics and Data Analytics Program (MASDA)位于德克萨斯州达拉斯市的南卫理公会大学(Southern MethodistUniversity)的统计与数据分析应用硕士(Applied MS in Statistics andData Analytics)项目旨在培养学生具备强大的统计基础和分析能力，以解决复杂的问题。学生只需18-24个月就能完成学业。统计及数据分析应用硕士课程的重点如下:流行病学统计方法时间序列分析数据库管理统计计算计算统计数据学院师资力量雄厚，数据分析经验丰富。学生发展统计计算能力的SAS和R，许多能够通过SAS认证考试。通过统计咨询服务中心提供咨询实习经验，让学生有机会与实际客户合作。#26 -University of San Francisco旧金山大学-美国数据科学（DS）留学MS in Data Science旧金山大学艺术与科学学院(College of Arts and Sciencesat The University of San Francisco)的数据科学专业的顶尖硕士学位只需要12个月就能完成。这个严格的项目使用了最先进的开放源码课程，为学生发展所需的技能，以成功在世界上增长最快的领域之一。课程主题包括:机器学习回归网页抓取SQL和NoSQL数据库管理聚类分析这个35学时的项目有一个夏季分析训练营，旨在帮助学生学习或温习数据科学家工作所需的技能。实习项目允许学生在该领域兼职，以获得为期九个月的专业工作经验。学生在平日上课，并预留两天进行实习工作。#25 -The University of Texas at Austin德克萨斯大学奥斯汀分校-美国数据科学（DS）留学Master of Science in Business Analytics德克萨斯大学奥斯汀分校(Universityof Texas Austin)的麦库姆斯商学院(McCombsSchool of Business)开设了一个顶级的商业分析硕士课程，只需10个月就能完成。学生们受益于独特的网络机会和行业联系，而这在其他数据科学项目中并不常见。课程涵盖了供应链分析、文本分析、决策分析和数据分析编程等领域。学生们与职业发展团队一起工作，帮助他们确保毕业后获得成功。#24 -University of Colorado科罗拉多大学-美国数据科学（DS）留学MS in Computer Science with emphasis in Data Science & Engineering科罗拉多大学拥有数据科学创新顶尖硕士学位，提供广泛的雇主在尝试和理解大数据时需要的知识。该计划既可在线上也可在校内使用，课程由经验丰富的教师授课。课程涵盖数据系统的设计和分析，数据中心规模计算，数据挖掘和机器学习等领域。#23 -Arizona State University亚利桑那州立大学-美国数据科学（DS）留学Master of Science in Business Analytics凯里商学院商业分析理学硕士课程为期九个月，包括10门数据和分析课程。这是一个很好的项目，为刚毕业的学生与强大的数量背景。该项目每年8月开始，课程在网上或工作日在校园里提供。全日制学生只需九个月的学习就能获得学位。这是一个指定的STEM项目，所以国际学生有资格在毕业后在美国从事长达36个月的全职工作。根据《美国新闻与世界报道》(U.S. News and World Report) 2019年的一份报告，亚利桑那州立大学(Arizona State University)的W·P·凯里商学院(W. P. Carey School of Business) 被认为是最好的商学院和信息系统研究生院之一。#22 -University of Central Florida中佛罗里达大学-美国数据科学（DS）留学Master of Science in Data Analytics (Big Data)中佛罗里达大学拥有30学分的跨学科硕士学位数据分析工程与计算机科学学院和科学学院。学生可以在16-20个月内完成学位。教学是面对面的形式，课程在晚上和周末提供。学生在一个队列中完成该计划，从而获得强大的同伴支持和互动。课程在晚上或周末提供，以满足工作专业人士的需求。这个顶级数据科学硕士课程的课程包括：并行和云计算网络科学机器学习并行和分布式数据库系统数据挖掘统计分析#21 -University of Oklahoma–Norman俄克拉荷马大学-美国数据科学（DS）留学Master’s in Data Science and Analytics俄克拉荷马大学拥有与计算机科学与工业与系统工程学院共同提供的数据科学与分析计划的顶级硕士学位。全日制学生只需14个月即可获得学位。无法承担全日制课程的学生也可以获得兼职机会。课程在线提供，校园提供，或两者兼而有之。所有核心课程完成后，为学生提供实习经验。核心课程包括计算结构，算法分析，智能数据分析和工程统计分析。对于计划继续攻读博士学位的学生，可以选择论文选项。#20-Oklahoma State University–Stillwater俄克拉荷马州立大学-美国数据科学（DS）留学M.S. in Business Analytics (MSBAN)俄克拉荷马州立大学斯皮尔斯商学院(SpearsSchool of business at Oklahoma State University)提供的顶级商业分析硕士(The topmaster’s in business analytics)课程是一个为期四个学期的在线和校内课程。该项目极具竞争力，每年平均录取率为21%。数据科学硕士已获得STEM分类。这使得国际学生可以在美国额外获得17个月的可选实践培训：分析机器学习统计数据这个顶尖的数据科学硕士学位也为学生提供了在各种会议上发表和发表研究论文的机会。#19-Kennesaw State University肯尼索州立大学-美国数据科学（DS）留学Master of Science in Applied Statistics (MSAS)肯尼索州立大学(KennesawState University)提供应用统计学硕士学位，旨在帮助学生学习分析真实世界的数据，以开发数据驱动的解决方案。这个36学时的课程有别于大多数传统的统计学硕士课程。它利用SAS和JMP等统计程序分析数据，并在第一学期开始创建摘要。然后，学生们用他们工作或实习中的真实数据完成一个应用项目，以展示他们的技能和知识。该项目的重点是以清晰和简洁的方式将结果传达给不同层次的利益相关者。学生在第二学年也有独特的机会获得他们的六西格玛黑带，以增加毕业后的就业机会。#18 -Seattle University西雅图大学-美国数据科学（DS）留学Master of Science in Business Analytics西雅图大学开发了业务分析计划的顶级硕士学位，以满足对合格商业数据和情报分析师不断增长的需求。SU位于全国发展最快的科技中心之一，地理位置便利，能够与该国一些最具创造性和新兴业务合作。课程涵盖以下领域：数据争夺，可视化和通信决策的数学模型大数据分析新生每年秋季开始学习该课程，每年对申请进行两次复习。该计划由高级商学院协会认可。#17 -University of Virginia弗吉尼亚大学-美国数据科学（DS）留学Master of Science in Data Science (MSDS)弗吉尼亚大学数据科学研究所提供顶级数据科学硕士学位课程。它可以在短短11个月内完成。该计划每年7月开始，并在接下来的5月结束。课程由来自各个领域的教师讲授，包括：计算机科学统计系统和信息工程学生作为一个队列进行整个计划，完成并遵循一个专注于实践学习的综合课程。在课程结束时，学生将完成一项关注数据科学挑战的顶点体验，以获得真实的体验。学生在他们的顶点体验期间接受教师的指导和指导。该计划为MSDS毕业生提供100％的就业率。#16 -University of Chicago芝加哥大学-美国数据科学（DS）留学Master of Science in Analytics (MScA)芝加哥大学格雷厄姆学校的分析科学硕士课程欢迎来自世界各地的学生成为分析领域。课程涵盖以下领域：机器学习和预测分析贝叶斯方法时间序列分析和预测学生可以获得兼职或全日制学位，全日制学生只需五个季度即可完成学位。毕业生将具备在该领域取得成功所需的数据工程和软件技能的高级熟练程度。#15 -Brown University布朗大学Master’s Program in Data Science布朗大学数据科学专业的高级硕士课程由四个学术部门合作提供。该计划可在短短12个月内完成。课程涵盖以下领域：作为数据工程数据和社会统计学习机器学习数据实习允许学生在行业或学术界中处理现实世界的数据项目。学生会接触到影响数据科学领域的道德和社会因素。新生将于9月份开始这项计划。#14 -Northwestern University西北大学-美国数据科学（DS）留学Master of Science in Analytics Program (MSiA)美国西北大学麦考密克工程学院(McCormickSchool of Engineering at Northwestern University)提供分析学硕士学位。它将数学和统计研究与先进的It和数据管理相结合。学生们完成了为期8个月的实习项目、为期3个月的暑期实习和为期10周的顶石设计项目，为就业做好了准备。该项目采用队列模式，每个队列约有40名学生。学生全日制在校学习，预计15个月后就能拿到学位。数据科学硕士课程由以下学院教师讲授:麦考密克工程学院凯洛格管理学院麦迪尔新闻、媒体和综合营销传播学院#13 -Boston University波士顿大学-美国数据科学（DS）留学Master of Science in Computer Information Systems concentration in Data Analytics位于波士顿大学计算机信息系统硕士学位，是该领域的领导者独联体和创新。数据分析硕士课程让学生了解各种主题，包括：数据挖掘文本挖掘，网络挖掘这个40学分的课程包括核心课程和集中课程：概率和统计网站分析和挖掘用R进行数据分析和可视化该计划以在线和传统形式提供，足够灵活，适合专业人士。#12-Massachusetts Institute of Technology麻省理工大学-美国数据科学（DS）留学Master of Business Analytics麻省理工学院斯隆管理学院是世界顶级管理学院之一。麻省理工学院的网络遍布90个不同的国家，拥有超过136,000名校友，网络庞大且令人印象深刻。这是一年专业的商业分析硕士。它专为最近的大学毕业生或希望使用尖端数据科学解决业务挑战的现有学生而设计。课程涵盖以下领域：数据沟通R，Python，SQL和Julia中的分析软件工具机器学习麻省理工学院为那些计划继续超过硕士学位的人提供博士学位的额外数据科学机会。#11-University of Southern California南加州大学-美国数据科学（DS）留学Master of Science in Computer Science (Data Science)南加州大学维特比计算机科学系提供顶级的数据科学硕士学位，为学生在以下领域工作做好准备:能源环境健康医药运输计算机科学系拥有来自信息科学研究所和创新技术研究所的40多名教员。32学时计划结合了数据系统和数据分析两方面的课程。包括一些独特的选修课，例如:信息可视化构建知识图优化理论与技术#10 -DePaul University德保罗大学-美国数据科学（DS）留学MS in Data Science德保罗大学有着提供高质量课程的悠久传统。它的数据科学硕士课程也不例外。学生可以从四个不同的集中领域进行选择，包括:计算方法卫生保健市场营销热情好客学生可以进入数据科学中心和德保罗分析学生小组。这个顶级数据科学硕士项目的学生通过与行业和非营利组织的合作来处理现实世界的分析问题。基础课程的范围包括:Python编程先进的数据分析web数据挖掘先进的机器学习此外，学院亦提供广泛的选修课程，以进一步调整学位#9 -Georgia Institute of Technology佐治亚理工大学-美国数据科学（DS）留学Master of Science in Analytics佐治亚理工学院是一个很受尊敬的学校，它出现在我们的数据科学项目的顶级硕士名单中并不令人惊讶。《美国新闻与世界报道》对佐治亚理工学院进行了排名:研究生课程商业和定量分析统计和运筹学计算机科学佐治亚理工学院提供校内和在线跨学科分析硕士学位。在校学习一年就可以完成。学生可以从以下几个项目中进行选择:分析工具业务分析计算数据分析以队列形式提供的课程，学生们一起完成几门课程，然后扩展到他们的专业领域。#8-North Carolina State University北卡罗来纳州立大学-美国数据科学（DS）留学Master of Science in Analytics北卡罗来纳州立大学高级分析研究所被认为是首要机构之一根据哈佛商业评论，数据科学。这个为期10个月的队列分析师为学生提供团队合作和个性化辅导。课程将定期进行审核，以反映不断变化的业务需求。在毕业生就业能力方面，NCSU毕业时的就业率几乎接近完美，而且近期毕业生的平均基本起薪超过98,000美元/年。#7 -University of Iowa爱荷华大学-美国数据科学（DS）留学Full-time Master of Business Analytics爱荷华大学蒂皮商学院提供三个学期的全部 -时间掌握在业务分析中。学生通过分析咨询顶点课程和实习经验，应用课堂学习来解决实际的业务问题。这个数据科学硕士课程的课程涵盖以下领域：数据和决定数据管理和可视化分析高级分析R中的数据编程数据科学#6 -Colorado State University科罗拉多州立大学-美国数据科学（DS）留学Master of Science in Applied Statistics (MSAS)科罗拉多州立大学应用统计学硕士课程设计作为学生可以在一年内完成的全日制课程。课程由经验丰富的科罗拉多州立大学统计学院教授，可在线获取。学生将学习高级统计程序以增强：市场调查产品开发质量控制这位数据科学计划的顶级硕士课程以实践咨询技术结束，旨在帮助学生利用他们与现实世界客户的沟通和统计技能。课程包括：商业视觉应用开发机器学习的应用定量推理回归模型和应用#5 -Columbia University哥伦比亚大学-美国数据科学（DS）留学Master of Science in Data Science哥伦比亚大学数据科学研究所提供数据科学硕士课程。该计划建立在通过数据科学专业成就认证计划提供的课程基础之上。学生们参与研究，包括最终的顶点项目。该计划可以由全日制和非全日制学生完成，全日制学生只需三个学期即可获得学位。课程涵盖以下领域：概率和统计数据科学算法统计推断和建模机器学习数据科学集中区域包括但不限于：创业数据驱动科学的计算系统数据，媒体和社会健康分析财务和业务分析#4 -Carnegie Mellon University卡内基梅隆大学-美国数据科学（DS）留学Master of Computational Data Science卡耐基梅隆大学(Carnegie MellonUniversity)数据科学的顶级硕士学位位于语言技术研究所(LanguageTechnologies Institute)。课程由计算机科学学院的教师讲授。通过计算数据科学硕士课程，学生可以深入了解:云计算机器学习交互式数据科学学生既要完成行业实习经历，又要完成有助于发展该领域知识和经验的顶石项目。学生根据自己的专业兴趣和工作经验，选择数据科学硕士课程的三个专业之一。浓度为:系统分析以人为中心的数据科学希望寻求研究机会的学生可以直接申请与教员一起工作。#3-New York University纽约大学-美国数据科学（DS）留学MS in Data Science纽约大学的数据科学顶级硕士课程是专为在数学、计算机科学和应用统计学领域有突出表现的学生设计的两年制高选择性课程。该计划的一个关键特点是顶石项目。学生将使用他们的知识和技能来开发和实现一个解决方案来解决一个现实世界的问题。学生可以全日制或非全日制攻读数据科学方面的顶级认证硕士学位。然而，他们必须完成至少24学分的住院实习。专业可用于：数据科学数据科学大数据数据科学、数学和数据数据科学自然语言处理数据科学物理学数据科学生物学#2 -University of Rochester罗彻斯特大学-美国数据科学（DS）留学Master of Science in Data Science罗彻斯特大学戈根数据科学研究所是美国最好的数据科学硕士项目之一。全日制学生只需两三个学期的全日制学习就能完成。许多学生在学期之间获得实习机会，以获得额外的专业经验。未来的学生应该有编程经验，可以来自不同的背景，包括科学、工程、数学和商业。开设细分研究方向有:计算及统计方法健康及生物医学商业及社会科学新生每年秋天入学。课程在白天提供，需要亲自出席。#1 -Pure University普渡大学-美国数据科学（DS）留学Master of Science in Business Analytics and Information Management我们的顶级商业分析和信息管理硕士课程由普渡大学Krannert管理学院提供。这是一个为期11个月的全日制项目。它的目的是教授学生最先进的信息技术，分析技术和软件工具在行业中使用。课程范围包括:六西格玛和质量管理大数据技术优化建模和电子表格这个STEM认证项目不需要以前的工作经验来申请，尽管它确实加强了申请。招生决定每年进行一次，每年夏天开学。

新京报讯（记者 戚望）5月8日，记者从香港中文大学（深圳）获悉，该校数据科学理学硕士项目设立了抗击新冠疫情特别奖学金。通过申请并符合抗击新冠特别奖学金发放条件的2021级研究生，将获得五万元人民币奖学金。港中大（深圳）称，符合数据科学理学硕士项目入学要求的2021级新生，如身份为医护人员子女、家庭户口落于湖北省的或本科院校位于湖北省的学生，均有资格申请抗击新冠特别奖学金，奖学金数额为五万元人民币。港中大（深圳）称，抗击新冠特别奖学金申请流程为第一学年结束，由学生本人向项目组提交申请，并提供相应支持文件，项目组报项目委员会审核及评定。据了解，港中大（深圳）数据科学理学硕士项目由该校理工学院与经管学院共同开设，并与深圳市大数据研究院和深圳高等金融研究院合作，来自两所学院及研究院师资共同担任项目授课教师，毕业颁发香港中文大学硕士学位。新京报记者 戚望 校对 张彦君

编者按：项目分析是由我们指南者留学新推出的一个专栏。应广大粉丝号召，我们将挑选部分热门专业，对比分析不同开设院校的项目特色、申请难度、申请要求、就业数据、课程设置、师资力量等，都是干货接地气的信息，希望对大家选校和申请准备有所帮助。很多同学对成为数据科学家（Data Scientist）很感兴趣，我们在这里介绍一下Data Science和Analytics这类专业的申请特点和如何定位。严格地说，Data Science和Analytics不一样，同样是做Data Scientist不同行业不同公司侧重点也可能不一样。本文主要从申请出发，故不做特别区分。下面我们将具体介绍10大热门数据科学硕士研究生项目：哥伦比亚大学哥伦比亚大学的MS in Data Science 项目处于美国数据科学硕士申请难度的第一梯队。该项目为期1年，学生共需修读30个学分，无需撰写毕业论文。该项目开设获得专业成就认证必需的四门基础课程，学生可以在此课程基础上将数据科学技术运用于各自的兴趣领域。该项目要求申请者拥有一定的数学及编程基础，最好学过微积分、线性代数、计算机编程等课程，没有强制性的工作经验要求，有的话也会为申请者加分。需要递交GRE成绩，托福100、雅思7.0，不可使用GMAT代替GRE成绩。项目的学生将有机会从事包括毕业项目在内的独创研究，并与行业合作伙伴以及教学人员沟通互动。毕业生可以选择金融等服务领域工作，也可以选择偏向技术的IT企业。杜克大学杜克大学的Master in Interdisciplinary Data Science (MIDS)项目为期2年，该项目致力于培养一批能够使用计算策略来激发创新能力和洞察力，并且善于定量思考的新型领导者。旨在培养学生成为能给任何领域做出贡献的数据科学家，通过跨学科训练与团队合作科学实验的经验促进学生更好地利用数据的力量。项目规模不大，每年招收25-35名学生。申请要求方面，不强制要求申请者有数学、计算机等专业背景，但是最好要学过微积分、线性代数、统计等数学方面的课程。需要递交GRE成绩，托福90，雅思7。毕业生去向良好，实习就业机会较多，从事的领域以计算机科学，金融，生物科学等领域居多。宾夕法尼亚大学宾夕法尼亚大学数据科学硕士项目为期一年半至两年，将有关机器学习、大数据分析与统计学等核心课题的前沿课程与多样化的选修课有机结合，给予学生选择在特定的目标专业领域内应用技能的机会。项目包括基础课程及数据科学应用领域的实习。要求提供GRE，无最低分数要求。托福100，雅思7.5。毕业生就业形势良好，就业率较高，可以进入工程技术、咨询、决策等领域。西北大学西北大学分析学理学硕士项目（MSiA program）由西北大学工业工程与管理科学学院开设，为期15个月。该项目的核心课程由统计学、机器学习、优化、数据库、数据处理组成，每一门课都已之前的课程为基础，强调在商业实际中的学术研究。申请要求方面，需要提供GRE分数，要求托福95，雅思7.5。适合本科工程、商学、计算机科学、数学、信息科学技术专业背景的人士。该项目面向商业，加上课程时间较短，有很多的实习机会，大部分学生毕业后选择直接工作，毕业生多进入金融领域。康奈尔大学康奈尔大学运筹学与信息工程硕士项目（数据分析方向）为期1年，共计30个学分，要求申请者拥有数学、工程、物理、化学、数学经济学等本科背景，且已经修读过微积分、概率论、统计、计算机编程、数据结构等课程。每年招收50人左右，其中中国人大约30个。该项目选课自由度很大，并且有选CS系课程的优先级，无论你是想学CS，IS还是商科，金融，统计，统统都可以选。这种选课的自由度放眼全美也是十分罕见的。申请者需要托福100（写作不低于20，听力不低于15，阅读不低于20，口语不低于22）；雅思7；GRE数学不低于166，阅读不低于165，写作不低于3.5；不接受GMAT。毕业生2015年平均起薪达到83925美元，大部分学生进入苹果，微软，甲骨文，Facebook等互联网公司。南加州大学南加州大学计算机（数据科学）理学硕士项目需要修满28个学分，要求课程读完GPA不低于3.0，班级规模较小，每年招收20-30人，偏向于理论研究方向。要求申请者提供GRE，托福：90-100（单项不低于20）；雅思：6.5-7（单项不低于6），不需要接受学校ISE测试，GPA3.0以上。该项目的毕业生可进入微软、百度等世界500强的企业机构。卡耐基梅隆大学卡耐基梅隆大学Heinz学院下设两个数据科学硕士项目：MSPPM Data Analytics track和MISM Business Intelligence & Data Analytics。一个偏技术导向，一个偏商科导向。这里只介绍技术型的MSPPM Data Analytics track项目。该项目分标准（Standard）、延伸（Extended）、快捷（Accelerated）三种修读模式，学制分别为16个月、20个月和12个月，总学分均为144个学分，每年招收学生较少。该项目要求提供GRE，不接受GMAT，托福100以上，雅思7以上。项目的综合性课程体系有助于学生习得专业技能与知识，以开发用于下一代大规模信息系统部署相关的技术层，以及分析这些系统生成的数据。毕业生就业形势良好，能够成为前沿信息技术、软件服务与社会传媒企业中备受青睐的软件工程师、数据科学家与项目经理人。佐治亚理工学院佐治亚理工学院的MS in Data Analytics项目是2015 Fall新开设的项目，有三个Track:Analytical Tools Track、Business Analytics Track、Computational Data Analytics Track。是跨学科硕士项目，根据以往的经验，这个学校的所有研究生项目都不太好申请，跟UC-Berkeley类似，申请难度较大。申请者需要提供GRE，且托福100，不接受雅思。学生有机会直接向顶级的国际商业智能权威机构、统计学与运筹学尖端分析技术的开发者，以及大数据与高性能计算领域的世界级领导者学习。毕业去向主要面向商业智能与决策支持。New York University纽约大学的MS in Data Science 以其超高的就业率一直人气颇高。这是一个2年制的项目，且拿到了STEM资质。班级规模30-40人，且50%为国际生。一般为期4个学期，要求学生有足够优秀的数学知识背景和一定的计算机科学基础知识，并且学习过微积分、线性代数、统计学、概率论以及计算机科学等课程。要求托福100，雅思7，接受GRE/GMAT。该项目跟CMU类似，有很多细分的项目，跟不同的院系合作设立，从偏技术到偏商业的都有，偏技术的相对好申请。北卡罗莱纳州立大学北卡罗莱纳州立大学分析学理学硕士项目是由高等分析研究所（Institute for Advanced Analytics）开设的全美第一个分析学硕士项目。NCSU analytics是分析学项目里的顶级老牌项目，但是学校综合排名不高。要求托福80（单项不低于18），雅思6.5（单项不低于6.5）；不要求GRE/GMAT，每年招收20-30人，其中国际生50%。

全文共1877字，预计学习时长6分钟图源：unsplash想成为数据科学家吗？作为如今最有吸引力的工作之一，数据科学吸引着无数人前赴后继。但或许你有时会觉得想入门却不得其法？笔者的朋友圈里有着50+位数据科学家，我常常和他们一起喝咖啡听他们的故事，也和这个领域其他更多的人一起工作。来听听前辈们是如何过渡进入数据科学领域的吧，有的是比网课更好的方法。1.通过机器学习解决一个实际问题选一个实际问题，然后用机器学习来解决它。这是困难的，因为没有路线图。但是无论成败，它提供了真正的经验和一个可以写进简历的实践经历。以下是可以解决的问题：· 检测虚假新闻· 预测周围房屋的价值· 基于生活方式向人们推荐宠物如果你的解决方案奏效，创建一个他人可以使用的UI界面并在Hacker News或Proct Hunt上进行展示。将这段经历加入简历，在面试中把它当作一个故事讲出来，相比网课证明这会更有分量。图源：unsplash2.参加一次机器学习实习找一份薪水较低的短期工作，但这份工作具有能让你动手实施人工智能的实际项目。一位以前在我初创公司工作的机器学习实习生，如今已经是Facebook的数据工程实习生，并且很可能成为全职员工。这个方法并不适用于所有人，如果你还年轻并且是在校生，效果会更好。不是所有人能够辞职然后成为实习生，但是你可以找一些兼职或者线上工作。关键是要让与人工智能相关的经历写入你的简历。3.找一位人工智能专家做导师和一个有经验的人建立关系，他们能够为你正在解决的问题推荐人工智能驱动的解决方案。这就是我进入数据科学的方式。图源：unsplash一个创业加速器每周会把一位人工智能博士借给我司几个小时。我们讨论问题和可能的解决方案。我着手实施，然后我们检查并重复操作。六个月后，我们解决了不少重要的问题。这段经历是无价的。你可以通过这样的套路找到自己的导师：· 在领英上私信您所在城市的数据科学家· 邀请他们喝个咖啡· 头脑中有一个具体的问题，以及你想要获得反馈的可能解决方案· 在实施解决方案后跟踪结果4.先成为一个软件工程师只要数据科学家用编程解决问题，和软件工程就会有很大重叠。在获得软件工程师的经验后，找一份数据科学的工作，这份工作使用与你的经验类似的技术堆栈（如：数据库、语言、框架和包）。如果你满足大部分的工作要求，就会有面试的机会。此外，先成为软件工程师还有其他的好处：· 工资体面· 在招聘数据科学家的公司工作· 建立通才的技术背景· 证明自己可以做一个类似的工作图源：unsplash5.在你的现有工作中从事数据科学弄清楚你现在的公司如何利用人工智能来解决问题，然后试着自己去解决它。可以试着在业余时间完成这些事。如果你现在的公司很小，没有人会反对你增加更多的价值。如果这项工作真的很有价值，公司也可能允许你将它作为日常项目之一。然后，把这个项目写进你简历，如果可能的话，更新一下自己的工作头衔。6.参加一个数据科学训练营参加一个付费的数据科学训练营。这要花钱，并且不是所有的训练营都是等价的。但是我知道至少10个人在训练营结束后进入了数据科学领域，都是声誉良好的大公司。图源：unsplash最好的训练营只接受博士，所以申请者的成功很有可能基于“幸存者偏差”（训练营接受的学生总归是可以成功的）。不过对于以下几个方面的候选人，训练营是有用的：· 候选者为实际公司做咨询· 毕业生与想要招聘的公司有联系· （为候选人）提供工作准备7.先获得工科博士或硕士学位，然后再申请工作我遇到的大部分数据科学家都是这样过来的。他们中要么是人工智能相关的硕士，要么是工科博士（不一定与人工智能相关）。当然，重返校园然后再进入数据科学领域不太实际。但是如果你现在是在校生，并且能转到人工智能相关专业的话，转吧。据传，获得人工智能领域最高的薪水需要最高等学历。尽管成本高、花时间，传统的学历具有在线证明所没有的可信度。图源：unsplash必须声明，我对网课没有偏见。网课的好处包括学到你所不知道的知识，以及深入学习一些具体的特定技能。但另外一方面，课程只给人成就感，而不是去做最难、最畅销的事情，也不是去解决一个真正的问题。这对于找工作的帮助微乎其微。当然，你也可以找个要解决的问题，然后上网课来学着去解决它。实践经历的解决问题的能力对于进入数据科学领域来说是很重要的。留言点赞关注我们一起分享AI学习与发展的干货如转载，请后台留言，遵守转载规范

文/程一祥如今，我们每个人都在谈论“数据科学”，哈佛商业评论杂志甚至将数据科学家定义为“21世纪最性感的职业”。在这个大数据时代，究竟什么是数据科学？数据科学领域的科学家、顶尖从业者们又究竟是怎样的一群人？他们在创造着什么令人着迷的东西？DT君将在2018年走访50位来自各行各业的数据科学领域的顶尖专家，希望能让你们了解这些神奇的人和他们神秘事儿，为你们一窥数据科学的未来与未知。赶在农历鸡年的尾巴上，DT君来到百分点在亚运村附近的新办公室，拜访了它的首席数据科学家杜晓梦博士。玩摇滚的数据科学家入冬以来，北京呼呼的大风，让首都的天空，没有往年那么阴霾。在亚运村附近的一间小音乐排练室里，为了迎接农历新年的到来，杜晓梦正和与几位乐队成员一起，排练着陈升的《北京一夜》。她双手抚在键盘上，聆听着吉他、贝斯和鼓的节奏，在最合适的时机弹奏黑白琴键，为音乐铺陈旋律，感受着乐队彼此之间的默契配合。杜晓梦是这支乐队的键盘手。与普通的摇滚乐队不太一样，这支乐队玩儿音乐以外，成员们平常大部分时间其实都在搞“副业”——数据科学，比如做做机器学习，搞搞图像识别，用大数据建建模什么的。（图片说明：杜晓梦和乐队正在排练）这不，就在去年，键盘手杜晓梦和萨克斯手苏萌合作的一篇关于赞助广告搜索中的多关键词定价策略的论文被ISR（Information System Research，由美国运筹学和管理科学学会出版，国际顶级学术期刊之一）收录。这是一支名副其实的数据科学家乐队。（图片说明：杜晓梦等人合作的论文Bidding for multiple keywords in sponsored search advertising: Keyword categories and match types被Information Systems Research期刊收录）在乐队中，杜晓梦是键盘手；在公司里，她是首席数据科学家。杜晓梦博士的研究主要集中在量化市场方向，曾多次在INFORMS Marketing Science Conference等国际顶级学术会议上发表研究报告。谈起自己与数据科学结缘，杜晓梦博士说，一切都还要从北大说起。一切都要从北大说起2003年对于中国互联网行业，是令人兴奋的一年。大洋彼岸刚刚走出科技泡沫的阵痛，世界正在经历互联网浪潮的又一个春天。这一年，马云成立网上购物平台淘宝网；马化腾推出了QQ游戏，开始对VIP服务收费；李彦宏的百度图片、新闻搜索服务上线。中国的互联网正在发生翻天覆的变化。这一年，杜晓梦来到了燕园。对于刚进大学的她来说，选择信息系统管理专业几乎是一个不用做太多考虑的决定。更何况那个时候，北大还有一个明星学长做榜样——同样是毕业于信息系统管理系的李彦宏创立了百度，彼时在北大引起了一阵不大不小互联网风潮。（图片说明：从本科到博士，北大是杜晓梦在数据科学道路上梦开始的地方；图片来源：视觉中国）虽然是女生，但杜晓梦从小就表现出来一种对数字的敏感性。用她自己的话说就是，“喜欢用数据去解释问题”。“我从小就喜欢刨根问底，喜欢去质疑一些事情”，杜晓梦说。她的这种质疑精神与北大的气质有着天然的共通之处。质疑、思考、创新，这些抽象的词汇在杜晓梦这儿，其实没有那么复杂，对于一个理工科爱好者来说，其实就是用技术来做一个产品的过程。“北大当时好多课都很有趣，我们发明了好多有意思的东西。”回忆北大的生活，杜晓梦印象最深的莫过于当年的她研究的“哼唱软件”了。当时，她和同学们正在研究声纹系统课题。声纹，就是声音的密码。如今我们讨论很多的语音识别等人工智能技术，也是基于声纹的特征逐渐发展出来的。声音作为一种复杂的生物特征，其变量比指纹还要丰富得多。“当时互联网音乐非常流行嘛，大家常在网上听歌。但是我觉得当时的音乐搜索功能太不智能，只有知道歌手或者歌曲名字才能搜索。但是如果知道了名字，那其实就不用搜索了嘛。”杜晓梦说，很多时候人们可能在某些场合听到一首歌，只记得一段旋律，那么当时的音乐搜索引擎就没办法使用了。于是，基于对声纹技术的探索研究，杜晓梦他们发明了一款哼唱搜索软件。这款软件相当于如今很多音乐app的“听歌识曲”功能——只要你能够哼唱一段旋律，系统就能实现对音乐的搜索——只不过比它们早了十几年时间。这个作品当时还获得了北大“挑战杯”五四青年科学竞赛的二等奖。“当时我们完全没有什么创业的想法，只是单纯地觉得这件事儿挺有趣的。”杜晓梦现在笑着说。那个时候，在北大的校园里，除了弥漫着科技创新竞赛风潮外，同学们还都普遍开始流行学习双学位。大家不再一成不变地沉浸在自己的专业中，交叉学科的概念开始越来越受欢迎。在这样的背景下，杜晓梦接触到了经济学。“我当时就觉得，经济学实在太有趣了！”杜晓梦回忆起刚去国发院上课的情景，依然兴奋地说道。当时在北大上课的老师，有很多都是现在中国著名的经济学家，包括林毅夫、周其仁、海闻等，这些“大家”们深入浅出的讲解，让杜晓梦的视野逐渐从技术拓展到经济，开始寻求两者之间的交叉点。后来，她师从苏萌教授，专攻市场营销模型专业。没错，就是文章开始时的那位萨克斯手。他不仅是乐队的萨克斯手，也是杜晓梦的博士生导师、百分点的创始人。也正是由于苏萌的影响，杜晓梦逐渐走上了数据科学这条“不归路”。骄傲的程序员与服务型的数据科学早在2009年，当杜晓梦还在北大上学的时候，她的导师苏萌就已经在筹备成立一家以“数据科学”为主体的公司。那时，苏萌带领一群博士挤在北大旁边一间七十多平的出租公寓里，花了几个月的时间，做出了国内第一款第三方个性化推荐引擎。当杜晓梦在2013年加入百分点时，她负责的数据科学业务仍是沿着推荐引擎这条路，研究如何打通用户的跨站点数据，优化电商的个性化推荐引擎。在公司里，她聚集了一批爱数据、懂统计、善编程的高端数据人才。他们大多高学历高技能，希望用数据分析改变一些事情。不过唯一的问题在于，那是在2013年，一个“大数据”还没在中国普及的年代，一个还都簇拥在移动互联网热潮怀抱里的时间点。“我们当时做线上服务，基本是不出差的，因为我们的大部分业务在网上就可以完成。”杜晓梦说，当时他们不需要跟客户解释什么大数据，大家追求的都是极致的算法和工程效果，较少考虑具体的业务问题。这样的工作模式培养了很多“骄傲”的程序员。一方面，国内数据市场还没有成熟；另一方面，她的数据科学团队又在追求极致的技术。这种市场与行业的认知脱节，是杜晓梦在数据科学上遇到的第一个挑战。“后来有一次，我们跟客户讲模型、讲大数据，他们对这个领域不了解，就听不懂你在说什么，然后觉得你这个东西没用，开始提各种意见。”杜晓梦说，那个时候，有些同事就没有耐心了，一些自己的”常识“，到了别人那里，就变成了“天书”，起争执是经常的事——“有时候，一些‘骄傲’的程序员感觉跟客户讲不通，甚至想掀桌子走人的都有。”随着行业的发展，百分点高层决定将公司的业务更多的从互联网转向企业级服务，不仅关注线上，更关注线下的传统行业。正是由于这次转型，很多“骄傲”的程序员也逐渐开始接触产业、接触实际业务。“有一次我们跟客户介绍价值度分析，他们听不懂我们的逻辑，就问为什么你要把用户分成八类而不是六类？为什么要这样分？在我们的角度，分成八类是算法决定的，是最科学的；但是后来我们明白，站在他们的角度，分成六类最符合实际应用场景的。”实践中，杜晓梦逐渐了解到，在数据科学里，业务规则有时候更加重要。2015年，转型后的百分点宣布获得D轮4亿元人民币的融资，刷新了当时中国大数据企业的融资记录。“数据科学，现在看来是一门非常接地气的学问，它一定是解决某一个业务问题的。这就要求你不仅要有学术知识，更要有行业洞察。”最初的那些“争执”，多是源自业务人员与技术人员的认知差异——业务人员不懂数据，数据科学家不了解实际业务。杜晓梦介绍说，现在自己的数据科学团队多是交叉背景人才，各自分领域进行研究，例如金融、制造业、安防、零售等等。在杜晓梦看来，通用型的数据科学家，就相当于“没用型”。如果不专注深入到某一行业的第一线，大数据是无法真正发挥价值的。对于杜晓梦自己来说，研究消费者行为是老本行，她最近的研究方向之一就是2017年风起云涌的“新零售”。数据科学下的“新零售”“新零售”这个词自从2016被马云与雷军同一天提出后，已经变成了又一个“风口”。盒马鲜生、京东3C等纷纷试水，业内关于这个话题的讨论层出不穷。时至今日，虽然对概念的解读还是百家争鸣，但是大家都不否认的一点，就是数据科学在背后的决定性作用。杜晓梦在博士阶段的研究课题是营销模型，主要围绕消费者对市场和营销进行数据分析和建模。关于“新零售”的探索，杜晓梦和她的数据科学团队则做了不一样的尝试——他们尝试通过联通数据的方式，构建新的业务场景，拓展商业的范畴。在宏观的数据视角下，杜晓梦看到了改变传统零售的机会。比如说，我们常去逛的商场。在杜晓梦的眼里，商场不是一家家店铺的集散地，而是一个由庞大数据交织的有机生命体。按照传统的线下商业模式，商场主要将店铺位招租给个体商家，然后收取商家的租金费用，每个店铺是相对独立的。但是，通过打通商场的消费数据，杜晓梦她们发现，店铺之间其实是密切关联的。“凡是去逛SK-Ⅱ商店的消费者，90%都会同时光顾星巴克。”杜晓梦说，数据分析让他们发现了品牌之间的联动效应，“这样我们可以建议在SK-Ⅱ的小票上印上星巴克的优惠券，实现品牌的交叉关联引流。如果没有数据分析，我们就不会发现这样这种跨品类整合营销资源的机会。”（图片说明：大数据让商场中店铺的营销策略，不再单一地以折扣方式存在。它可以通过品牌关联等方法灵活制定营销计划，拓展自己的商业边境）“再比如说我打通你的会员卡号和你的车牌号，当你进地下停车场的时候，机器就直接抬杆，等你购物完了之后，缴费处扫一下车牌，通过扣减你的会员积分就抵这个停车费了，就完全不用停下来交钱也不用扫码交钱，让购物体验更加便捷。”杜晓梦和她的团队还构思了很多诸如此类的新业务场景。如果没有数据支持，这些新的业务场景就没有办法实现。数据就像是用来拓荒的斧头，拓展了商业思维的尽头。不仅如此，杜晓梦说，她从数据中还发现了人们思维的变化。联通消费行为数据、社交大数据等，她们逐渐发现，人们更愿意在消费时，购买与自己价值观相符的产品或品牌。人们购物的原则不再是“物美价廉”这么简单，这是一股消费观念的升级。“这不是过去，例如办信用卡你送点东西就可以了，信用卡商现在要跟二次元、跟明星合作，这也是消费升级。”杜晓梦认为，数据体现了消费者观念的变化，数据分析能够提醒商家，要跟上这股变化。除了新零售以外，杜晓梦和他的数据科学团队还在电商、金融、公共安全等多个领域开展了关于数据科学的应用和研究。日前，他们正在和公安大学合作，尝试将知识图谱等数据科学技术应用到安防机器人、刑侦案件分析等领域，提升公共安全的效率，让数据科学从底层逻辑上帮助传统行业发展、变革。（图片说明：杜晓梦和他的乐队在岁末的年会上表演，大屏幕上弹钢琴的是百分点创世人苏萌教授。）在采访结束后几天后，杜晓梦和她的摇滚乐队在年会上，演唱了那首他们已经排练多次的《北京一夜》。窗外北风呼啸，屋内余音绕梁。不知过了多少个夜晚，也不只在北京，这群人对数据科学的热情才刚刚开始。题图 | 站酷海洛▍关于数据科学50人数据科学50人项目是DT财经旗下数据侠计划重点内容产品，旨在与数据科学领域KOL共同挖掘数据内容的价值。我们从商业数据科学领域选出最具代表性的50位先锋进行深度专访，50人由DT财经独立评审并发布，第一财经数据科技及合作伙伴倾力支持。▍数据侠门派杜晓梦博士，毕业于北京大学营销模型专业，现任百分点首席数据科学家。专长于营销模型、消费者行为预测、互联网广告、社会媒体营销；擅长大数据统计建模及数据挖掘，精于归因模型、流失预警模型、社会网络分析等大数据商业模型；现负责百分点数据科学部管理工作。曾多次在INFORMS Marketing Science Conference等国际顶级学术会议上发表研究报告。▍加入数据侠“数据侠计划”是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。了解数据侠计划详情请回复“数据侠计划”，投稿、合作请联系datahero@dtcj.com。

导语：数据科学有着极其陡峭的学习曲线，学习者往往有面对“钢锯岭”之感。如今数据科学、大数据、人工智能、区块链、数字经济等热词横行。放眼宏观，《2018政府工作报告》中5次提到了“智能”、3次提到了“大数据”。“做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用”，来自国家战略层面的重视不言而喻。着眼微观，从人才发展角度，随着全国各省高考分数线的公布，考生和家长也没法休息，立刻投入到选专业的大战中。的确，人生重在选择，有时选择比努力还重要。莘莘学子十年寒窗，都希望能够在这一关键时刻选好人生之路。 大数据时代的到来，产生百万级人才缺口，企业愿意砸钱抢人才。据业内知情人士透露，全球化、一站式移动出行平台滴滴出行于2017年9月成立数据科学部，部分高级职位，例如数据分析专家、数据科学家等岗位收入逾五万元人民币，已成为人才将知识与能力转化为财富的又一佳话。大数据与人工智能发展的竞争，归根结底是人才竞争。我们来梳理一下关键问题：第一、“数据科学”的定义是什么？第二、“数据科学”需要什么样的技能？第三、成为“数据科学家”应该接受什么样的教育？问题一：数据科学是什么，怎么用？数据可以是数值、文字、图像、声音等。现在，各个专业领域都会产生各类独具特色的数据，所以有人说任何一个专业都会和数据科学打交道。严格来讲，数据科学的定义是模糊的，但是发展前景非常广阔。作为交叉学科，涉及范围广，横跨多个领域，包含大量应用技术，与应用数学、统计学、运筹学等多个学科相关，又与最新的技术领域，机器学习、深度学习、人工智能、物联网等 “亲密接触”。所以大家对数据科学产生了不同的理解，但最关键是【数据科学】这个瓶子到底装什么【酒水】。数据科学在不同在应用领域中的理论、方法和基础自然也都是数据科学的一部分，装着不同应用领域的【酒水】。我们在对北京大学王汉生教授的采访中，他谈到，以践行数据价值为核心研究目标的学科，都是数据科学。的确，现在有很多专业都涉及到数据科学的知识和应用，例如生物、医学、环保、金融、社会学等等。以医学为例，一张肺部多发毛玻璃结节的胸片是个人信息，一百张肺部多发毛玻璃结节的胸片数据可以用统计学的方法研究，一百万张肺部多发毛玻璃结节的胸片，可以使用运用机器学习的算法来分析。现在的应用不是手动编码带有特定指令设定的软件程序来完成读懂胸片的任务，而是使用大量的数据和算法来「训练」机器，赋予它学习如何执行任务的能力。将大数据驱动的人工智能应用于肺癌早期诊断中，让计算机自动、快速、准确的从病人的肺部 CT 扫描序列中发现疑似结节位置，则可以降低肺癌早期筛查的成本，提高检测速度和检测的准确率。这是数据科学和人工智能应用的典型例子，也是数据科学家与人工智能专家结合医学知识解决重大疾病问题的例子。对于将要学习不同专业的同学来说，培养数据的思维也很重要，站在更高的角度，也就是数据科学的角度，去看待不同的专业领域和专业知识。培养运用数据科学的思维解决问题的能力。未来各行各业都会涌现出专有领域的数据科学家。现在企业中不少工作岗位都叫数据科学家，然而即使是在同一家企业，同一个数据科学家团队工作，每个小组做得方向和工作内容也都不一样。 所以可以说：我们不一样，因为数据科学有其应用的独特方法与技术；我们也一样，对数据科学思维和算法的运用，都是为了提高效率，解决问题，让数据产生价值。 问题二：“数据科学”需要什么样的技能？简而言之，数据科学对数学、统计学、计算机、运筹优化等基础理论的要求较高。没有扎实的基础理论训练，将来很难胜任数据科学的工作，学生必须在本科学习时期获得了扎实的基础功底后，长期方有实力发力。我们采访了部分知名数据科学企业的人力资源人士，他们认为：对于本科学历的同学，用人部门或者团队需要花费大量人力、物力、精力来培养，如果学生基础好，素质高，团队也有时间和机会培养，那本科学历的同学还是有一定的机会的。言下之意，偏爱高学历。由于数据科学领域技术和应用的发展非常快，数据科学家需要在工作中不断学习，如果没有强大的学习能力，将会遇到巨大挑战和困难。同时，这也对高校培养符合市场需求的人才提出了新要求。是不是计算机专业的同学会更有优势？答案是那也未必，除了计算机相关知识，还需要有统计学、应用数学、运筹学的基础功底。本文以下的内容由两部分组成，一方面来自知名教授曾经的经典访谈、一方面来自亲爱的数据团队的专访，尽力呈现“成为数据科学家应该接受什么样的教育？”这一问题的真实答案。迈克尔·乔丹：计算机科学和计算思维的重要性2015年有一项计算机科学领域的排名，迈克尔·乔丹教授影响力名列第一，同时乔丹教授门下人工智能英雄辈出，如原百度首席科学家吴恩达、斯坦福大学计算机系助理教授、斯坦福人工智能实验室成员Percy Liang等。回顾教授在中国的一篇演讲，我们来看一下大师是如何理解计算机科学和计算思维的重要性。计算思维来自于计算机科学，是一种思想，是关于思考特定问题的抽象化、模块化、扩展化和稳健化等方法，绝不仅仅是如何编程。计算机专业的学生在这些方面都会接受很好的训练，但被大家忽视的，也是特别重要的推理思维。推理思维不是新思想，它是有几百年发展历史，它是统计学中最核心的东西。推理思维强调的是——拿到数据。我们要思考数据是从哪里来的，背后的真实世界是怎样的，数据如何从真实世界中采集来的，会不会有采样偏差，等等。遗憾的是，计算科学和统计学长久以来独立发展，直到如今的大数据时代，两个学科的交叉才使得这两门学科遇到了真正的机遇，同时也带来了挑战。哈佛大学统计学刘军教授：扎实受训的数学功底+解决实际问题的能力刘军教授于1985年毕业于北京大学数学系，后赴美国留学，并于1991年获统计学博士学位。2000年起任哈佛大学统计学系教授，并兼任生物统计学系教授。我们找到了他曾经的一段英文采访，第一次翻译成中文。刘军教授问：近年来，越来越多的中国学生对统计数据感兴趣，您对他们有什么特别的建议吗？刘军教授：我在斯坦福大学见过很多非常有才华的学生。学生从中国顶尖大学获得了本科教育会在数学方面很强，但是往往在批判思维、写作、驱动力和创造力方面都比较薄弱。大多数中国学生一生都在被动的接受知识，按照老师的要求做。有优秀的老师领路很好，但是会导致独立思考的能力、创造力、个性发展的不够。这样会导致他们在从学生到研究者的转身过程中面临巨大的挑战。一般来说，人们倾向于认为：数学好的人在批判性思维方面必须与生俱来的强壮。然而，我发现这个假设与现实相去甚远：许多学生的数学能力好，但是解决现实问题的能力很弱，究其原因，是训练不足。相反，我发现那些擅长编程或工程的学生在关键问题和解决问题方面往往非常强大，如果这方面能力弱了，他们将在调试程序方面碰钉子。但是，这些工程专业的学生缺乏抽象和概括的经验。因此，我真心希望中国未来的统计学的学生能够拥有扎实受训的数学功底和解决实际问题的能力，比如编程和批判性思维。百度商业智能实验室主任熊辉：我挑人就十个字高考毕业需要选专业的同学很多都有这样的疑问：选择专业到底是应该从兴趣出发还是从就业出发？百度商业智能实验室主任熊辉博士这样告诉我们，对学科的兴趣是成为一个行业顶级人才首要要素。熊辉主任也是美国罗格斯－新泽西州立大学终身正教授、博士生导师。他常年带领科学家团队活跃在数据科学前沿，具有一流的实战经验。同时他在育人方面也是一位“高产”的学者，在美国已经培养出七位教授。他在回答如何成为一名优秀的数据科学和人工智能的专家方面很有发言权。熊辉教授在O'Reilly人工智能大会2018北京站，接受了我们的采访，分享了他选拔人才的十个字的心诀：“第一：兴趣。在人生和工作最困难和最黑暗的时候，往往是兴趣和热情支撑着信念，驱动自己突破极限。第二：态度。人生发展一定会有撞墙的时候，所以乐观和阳光以及能够做好小事的态度非常重要。难的不是在顺境中前进，而在逆境中不迷失自我。既能行的了顺水舟，也能开得了逆水船，所以做人做事的态度很重要。第三：基础。我的选人顺序，第三才是基础，数据科学这行是有护城河的，对数学有着很高的要求，数学基础要好。但是满足我对数学基础要求的学生就非常多了。我不会要求说你必须是前三名。不是说你必须是名校的。只要你数学基础好，我觉得就有培养的前途，主要是数学基础。第四：习惯。优秀的数据科学家一定要有良好的习惯。做人做事的习惯、生活的习惯。有一个好的习惯，才不容易犯错，可以保证走得更长远。 活得长的人，成功的机会多。健康的身体需要好的生活习惯。第五：认真。若想成才，必须认真。做一件事情，就要认认真真地把这一件事情做好，认真是把握机会的钥匙。能做到这十个字的基本上都会成才。”北京大学王汉生教授：【计算机】+【分析方法】+【经济管理基础】+【行业实践】北京大学光华管理学院商务统计与经济计量系主任王汉生教授，也是北大光华商业分析（Business Analytics,）硕士项目的负责人。王教授说，该硕士项目在要求中明确提出“既欢迎有商科类专业背景的，擅长数理分析的同学申请，也特别欢迎有计算机或工程类专业背景、编程能力很强的同学申请”。他在采访中提到，对商业分析项目的定位要素是：【计算机】+【分析方法】+【经济管理基础】+【行业实践】。这也反映了数据科学家确实需要两大类的知识和和技能，一方面是基础理论，很多理工科的同学通过刻苦的学习都可以具备，另一方面是来自应用领域的知识，也有人称为业务知识。需要结合不同行业的业务实践。专业数量激增，选择普通院校新成立的数据科学专业是否有风险？“数据科学与大数据技术”本科新专业，批次情况如下：（教育部通知，含学校名单：http://www.moe.gov.cn/srcsite/A08/moe_1034/s4930/201803/t20180321_330874.html）显而易见的数量激增。近年来，各行各业对数据科学家对求贤若渴，在人才颇为紧张的前提下，这么多学校获批专业，到哪里去找老师成了难题。而且从院校情况来看，全国开设大数据本科专业的高校中，985和211仅仅占13%。好学校好专业竞争激烈也反映在数据科学专业。业内不愿透露姓名的专家持有更有激烈的观点认为，“第二批获批“数据科学与大数据技术”的35所高校中，大半高校不适合以培养数据科学研究型人才为核心目标。因为缺乏相应的积累和能力”。那么第三批的情况就更不乐观了。不过，第三批获批高校数量众多，本来就很难用标准来衡量。不难看出，普通高校一窝蜂的申请数据科学与大数据技术专业是追赶潮流的行为。正如前文所说，计算机技术、应用数学与统计学的基础功底非常重要，如果学校在这几个专业方向上并无优势，赶潮流的成立新专业，在人才培养、教师水平提升方面都面临严峻考验。建议：学生在选择专业时，往往选择有一定发展年限，在教学传统已有积累、学习氛围已养成、教学特色已具备的专业是比较稳妥的。数据科学与大数据技术在当下火爆，而且还在不断发展，几年后对人才的要求是否会有变化，也增加了选择“数据科学与大数据技术专业”不确定的风险。但是，可以肯定的是数据科学在中国的发展会越来越落地，越来越有用武之地，只是人才培养的经验，才刚刚起步。尤为惹人注意的现象是，很多人转行数据科学，让市场上鱼龙混杂的培训赚到了钱，很少有机构能够公开真实的培训课程完成率，夸大宣传，硬说自己口碑好。师资也往往来自于知名企业的技术人员。企业确实拥有数据可以应用，并创造价值的场景。但是正如日本教育学家佐藤学所说的“世界上没有比教师更难的工作了”，教学是一个要求非常高的工作，会不一定等于能教。可以这样说，培训从根本上解决不了一个学习曲线极为陡峭的学科对人才的需求，往往是花钱解决焦虑问题。攀登数据科学的奥林匹斯山，除了登山素有的高难度，缺少好的登山向导也是根本性困难之一。总而言之，攻城先下护城河，数据科学人才发展绝不能错过打基础的黄金时间，专业选择实需谨慎。亲爱的数据出品：谭婧编辑：张卓婧、崔颖涵美编：陈泓宇

随着近年大数据人工智能(AI)等技术的极速发展，现今在各行各业都出现了大量的创新应用。为了培育AI和数据分析人才，香港各高校也相继开设了人工智能与数据科学相关专业，不但为相关行业提供高科技AI人才，也为毕业生提供更广阔的就业空间。香港大学Master of Finance in Financial Technology 金融科技金融学硕士 学制：1年Master of Data Science 数据科学硕士 学制：1.5年申请要求：1、雅思6(小分不低于5.5) 或托福80;2、计算机科学、工程、数学、物理、统计或科技相关背景。 香港科技大学Master of Science in Financial Technology 金融科技理学硕士 1年Master of Science in Data-Driven Modeling 数据驱动建模理学硕士 1年Master of Science in Financial Mathematics 金融数学理学硕士 1年申请要求：1、雅思6.5(小分不低于5.5) 或托福80;2、理科或工科专业或具有计算相关领域的相关工作经验。微积分和代数、计算机编程和统计学相关专业;3、GMAT或GRE成绩有优势。香港中文大学Master of Science in Financial Technology 金融科技理学硕士 1年Master of Science in Mathematics 数学理学硕士 1年申请要求：1、雅思6.5或托福79;2、有数学基础知识(如微积分、线性代数、概率)，且精通一门编程语言;3、工程、科学或金融/商业相关专业。香港中文大学(深圳校区)Master of Science in Data Science 数据科学理学硕士 2年申请要求：1、雅思6.5或托福79。2、有数学基础知识(如微积分、线性代数、概率)，且精通一门编程语言;香港城市大学Master of Science in Financial Mathematics and Statistics 金融数学与统计硕士 1年申请要求：1、雅思6.5或托福79或6级450分;2、数学、物理、统计、计算机科学、工程等或经济学、金融学、精算学等相关专业。香港理工大学Master of Science in Data Science and Analytics 数据科学及分析理学硕士 1年申请要求：1、雅思6.0或 托福80;2、数学、统计学、计算机科学、信息技术、工程和科学或同等专业的学士学位。香港浸会大学MSc in Finance (FinTech and Financial Analytics) 金融(金融科技与金融分析)理学硕士 1年Master of Science in AI and Digital Media 人工智能与数字媒体硕士 1年MSc in Data Analytics and Artificial Intelligence 数据分析与人工智能硕士 1年申请要求：1、雅思6.5托福79;2、理科、工科、金融、数学或计算机科学相关基础;3、GMAT或GRE成绩有优势。岭南大学MSc in Artificial Intelligence and Business Analytics 人工智能与商业分析理学硕士 1年该计划旨在教育学生关于人工智能和商业分析技术的基本原则和实际应用，特别是在商业领域，以便他们能够有效地应用人工智能工具和技术解决问题，以及在决策时使用数据分析技能和人工智能技术分析商业问题。申请要求：1、雅思6.5或托福79;2、理学、工程学、工商管理学相关专业。香港教育大学MSc in Artificial Intelligence and Ecational Technology 人工智能与教育科技硕士 1年申请要求：1、雅思6 或 托福80 或 6级430;2、教育技术、统计学、计算机科学和工程相关专业。