数据运筹研究生

文|Wing学姐近年来，数学优化和统计方面的新发展已经彻底改变了系统工程，信息科学，信号和图像处理，统计错误校正和密码学。在学术研究和实际实施中，都迫切需要新一代数学家，他们需要在数学优化，统计学及其在工程，医疗保健，金融和经济学中的应用领域工作。运筹学、统计学、商业分析方向的专业既技术又实用。学生能够集成最新的统计知识和优化知识，以解决，分析和提供对不同专业环境中给定问题的合理评估。这是一个多学科领域，涉及数学优化技术，运筹学方法，程序设计和统计的研究，并将其应用于经济学，金融，医学，工业管理，自然科学等领域，受到越来越多有相关专业背景的学生的青睐。01 伦敦大学学院推荐专业：Statistics MSc统计硕士/Mathematics Ecation MA数学教育硕士课程1：Statistics MSc统计硕士系所：统计科学该系所有三个硕士项目：MSc Data Science；Statistics MSc；MSc Statistics (Medical Statistics)课程特色：该项目学习统计方法，将理论和实践结合起来。它涵盖了现代统计学思想，包括应用的贝叶斯方法，广义线性建模和面向对象的统计计算，以及传统统计学理论和方法的基础。适合希望获得定量学科（例如数学，统计学，物理学，化学，生物学，计算机科学，工程学或经济学）第一学位的学生可以申请，可获得统计理论和应用方面的高级培训，以使他们能够进入专业工作或学术研究。申请注意：1.申请者需要具备大学水平的数学方法和线性代数的知识，并熟悉概率和统计学。还将考虑相关的专业经验。2.个人陈述：结合基本的学术要求，个人陈述是说明申请人要申请此课程的原因是否与课程提供的内容相符。打包文件3000字符（含空格）；或一份包含个人陈述的文件（无字数限制，但建议不超过2页A4纸）课程2：Mathematics Ecation MA数学教育硕士系所：课程，教学法与评估系课程特色：UCL的教育学有很多分支方向，其中一个是Mathematics Ecation MA，如果学生有数学背景，可以考虑这个项目。数学教育硕士课程面向教师，导师和其他对在各级教育中如何教授和学习数学感兴趣的人。该项目使学生有机会探索数学教学中的问题，考虑理论基础，并对数学学习进行严格的研究。该课程适合对数学教育感兴趣的初等，中等和继续教育的教师，以及在数学和教育方面具有深厚背景的其他人。申请注意：1. 申请者要具有通常在数学或教育方面的专业背景，而专业的教学或辅导经验也将被视为相关经验。2. 除个人陈述外，所有申请人还必须提交一份具体的书面录取任务，其中概述了申请者感兴趣的数学教育研究调查。02 爱丁堡大学推荐专业：Operational Research MSc运筹学硕士系所：数学与统计课程特色：项目帮助学生如何使用数学技术解决现实生活中的问题，这些问题包括计划航班和路由移动电话，优化电力系统和物流网络，管理投资并最大程度地降低风险。完成学业后，学生将收获到：在数学建模方面积累了专业知识，基于对运筹学、优化和数据分析技术的深入了解以及使用适当软件进行应用的能力，从而获得了灵活的问题解决能力，获得可转移技能，以最大程度地扩大在各种公共和私人机构中的就业前景，包括写作、口头陈述、团队合作、数字和逻辑问题解决，计划和时间管理，在各种应用的编程和建模方面学习过实践技能，扩展了对相关学科的理解，例如高性能计算，金融和工程。申请注意：申请者专业：在数学、工程学、计算机科学、物理或生物科学、经济学或商业等学科中获得英国2：1学位或其国际同等学历。03 布里斯托大学推荐专业：MSc Business Analytics商业分析理学硕士系所：管理学院管理学院78％的研究被评为世界领先或国际一流（REF 2014）课程特色：理学硕士商业分析课程将使学生具备技能和能力，可以根据数据和统计方法对客户的行为，市场趋势和商机发展出切实可行的见解。学生还将根据对社会负责和合乎道德的数据使用方式，了解业务分析的战略价值和管理含义。申请注意：申请者：需要有应用社会科学或自然科学学科（或相关领域）的2.1学位，例如数学，统计学，经济学，计算机科学，工程学，科学，数据科学/分析，运筹学，会计，金融，管理/决策科学。申请人必须在定量分析（例如，应用统计，统计分析/分析）中通过单元/模块的考试。04 伯明翰大学推荐专业：Mathematics, Operational Research, Statistics and Econometrics (MORSE) Masters/MSc数学，运筹学，统计和计量经济学（MORSE）硕士/理学硕士系所：数学学院课程特色：伯明翰大学的研究人员最近展示了现代优化和统计方法如何成功地应用于工程设计，财务和经济数据分析，元分析，经济均衡，网络通信和组合优化。该课程引导学生在定量分析的广泛专业领域中发展他们的数学，商业，经济学，科学或工程背景，使得学生具备整合统计和优化知识以解决，批判性分析和对问题进行合理评估的能力；学生可以学习使用软件包进行统计分析和实证研究。在数学学院学习，该学院因其在各个领域的研究质量而享誉国际。学生可以专注于寻找更广泛，更具挑战性环境中优化问题的最佳解决方案。申请注意：1. 伯明翰大学的本校毕业生无需提供成绩单或学位证书的副本，但是学校建议2000年之前毕业的申请人提供其学历的副本，因为他们可能需要更长的时间来进行验证。 2. 个人陈述：大约5,000个字符，说明申请者对选择的课程感兴趣的原因。可以将其上传到PDF或Microsoft Word格式的个人声明部分。或者，可以在应用程序门户中输入此内容。05 曼彻斯特大学推荐专业：MSc Business Analytics: Operational Research and Risk Analysis商业分析硕士：运筹学和风险分析系所：曼彻斯特联盟商学院课程特色：在Data Analytics（数据分析）课程上，有一个单元将向学生介绍SAS Enterprise Guide 和 Miner软件。而该项目的课程作业奖励将由SAS公司赞助。此外，该课程还包括一个德勤（Deloitte）进行的案例研究，一个SAS关于分析的未来的演讲以及关于联合利华（Unilever），CGA，巴克莱银行和Convergys公司正在进行的专题论文项目。该课程与决策和认知科学研究中心紧密相连 ，这意味着学生将从结合了最新研究的教学中受益。学生可能还会发现与正在进行的研究项目合作并参加由研究中心组织的研究研讨会的机会。06 南安普顿大学推荐专业：Operational Research (MSc) 运筹学硕士系所：曼彻斯特联盟商学院课程特色：发展学生分析技能，以取得在商业和行业中取得成功的能力。在发展知识以解决复杂挑战时，学生将与跨国组织一起进行现实案例研究。为行业或研究中的奖励职业做准备。运筹学是将科学方法应用于复杂组织问题的研究。 作为运营研究人员，学生将在商业和行业中扮演重要角色，为管理团队提供分析和指导。如果学生擅长数学，享受解决问题的能力并且具有很强的沟通能力，那么这对学生来说可能是一个有益的领域。 在这门英国硕士课程中，学生将学习关键技能和知识，以为组织问题提供有效的解决方案。 学生将学习诸如收入管理和预测之类的主题，并学习提高组织效率和生产力的技术。 申请注意：申请者需要有2：1的学位，并有计算机科学、经济学、工程、数学、物理、统计等相关专业的背景。 英国自然科学专业（数学等科目）前25所高校在QS 2020年排名

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%。

【基本情况】S同学本科毕业院校：Virginia Tech毕业一年的学生所学专业：Instrial and System Engineering学生成绩：GPA: 3.85/4.0，TOEFL：免，GRE: 327+3.0（159+168）录取院校：Cornell (NYC tech MEng. in Operations Research and Information Engineering），GIT（MS Operation Research engineering），USC（MS in Global Supply Chain Management），WUSTL（MS in supply chain management），UMich（MS Supply Chain Management）；目前还有两所学校未出结果入学时间：2020年秋S同学申请优劣势分析优势：1.美本+高绩点+优秀的GRE2.含金量优质的毕业设计，帮助企业节省预估约5 million dollar3.丰厚的Course Projects 和三段大公司实习经历申请历程：S同学是一位心思缜密的学生，也相当有实战能力。很多事情都必须亲力亲为才放心。他申请了两个专业OR+Supply Chain Management，定校时GRE分数只有310左右，但目标为TOP10院校（签约为保前十院校）。当时也是历经较激烈的拉锯战才最终把学校确定。一方面分数未能达到要求，另一方面要挑选靠前的学校。幸好后来学生也相当的争气，成绩刷分刷至327分，最终定校如下：MIT（OR），Cornell （NYC tech Meng. in Operations Research and Information Engineering），UCB（MS in IEOR），Columbia（MS Operation Research），GIT （MS Operation Research engineering），USC （MS in Global Supply Chain Management），WUSTL（MS in supply chain management），UMich（MS Supply Chain Management），Stanford（MSE management science and engineering），MIT（Supply chain management residential）下面具体陈述下申请的过程：1）.首先先描述下文书，学生是一个超级细致的男孩，素材提供方面还是相当到位的，总能提供很多优质的素材，海顾返稿后，会认真进行修改。最后招生官再进行审核。有时审核过程中有一些批注是需要内容补充或反问的，学生修改完毕之后，还会继续要求让招生官进行查阅，再定稿递交。全部递交定稿的文书均是招生官一字一句审核过的。后面有些学校发来面试邀请通知，我们也会给学生找寻一些面经进行辅导，面试准备规划过程中，学生若是遇到不太确定怎样回答的问题，也会请求海顾老师帮忙撰写一版作为参考。总之，方方面面均是相当细致与完美。2）.其次为推荐信，学生三位推荐人都是国外老师。这中间也是前后经历了许久的时间才最终将推荐信状态全部补齐。常常要梳理推荐人的状态，由于国外老师联系起来不是那样方便，学生也不好意思时常催促，赶在圣诞节放假前一周，再次梳理推荐人的状态，提醒学生联系尽快让老师完成。3）.招生官在整个过程中对于学生的指导和帮助都很大。不仅对文书进行详尽把关，约聊过程中也会给予学生诸多启示4）.S同学最想前往的UCB给了拒信。因为这是此前他同学申请就读的学校，同学在1月份作为UCB目前的Current Student，还曾经联系Director给他做过推荐。我们这边也积极争取，最后还给予学校写了一封诚意满满，相当长的一封Love letter，收到回复说转给Admission Chair。

2018年考研过去不久，即将来临的是新一年的考研浪潮。面临考研，学子的竞争压力可谓一年比一年重，因为随着我国教育的发展，选择考研的大学生基数每年都在增长，考研竞争力越来越强。自己的专业要不要考研，要不要调整自己的专业取向，以及如何增强自身硬实力与求职竞争力，成为了令众多大学生最头疼的最敏感的问题。近日，中国教育在线与中国研究生招生信息网先后出台了关于考研的统计数据《2019年全国研究生招生调查报告》与《2015-2018年硕士研究上报考数据分析报告》，从侧面透露了在近年来与即将到来的新一年考研中的多项重要信息。结合其他调查资料，我们可以看出近年来这四类专业的火爆程度。不知道你的专业在榜上吗？一、工商管理硕士工商管理专业的应用性很强，涉猎知识面囊括经济学、会计学、统计学、金融学、证券投资学、财务管理、管理学、人力资源管理、运筹学、市场营销等方面。按以往的毕业生去向，主要从事销售、会计、证券行业，就业范围很广， 尤其是研究生身份，可以进一步增强毕业生的求职资本，就业形势十分喜人。二、法律硕士（非法学）只招收具有大学本科学历（或同等学力）的非法律专业毕业生，与法学硕士不同的地方在于，法律硕士属于应用型硕士，而法学硕士属于学术型硕士。因此，法律硕士的就业范围要更广，除了法律相关的就业范围外，还可以成为企业管理和行政管理的综合素质型管理人才。由于其跨专业的背景，法律硕士在工作中具有更大的优势，综合能力更强，更能得到社会的普遍认可。可以说，考取法律硕士是很不错的一条未来规划。三、会计专业虽说近年来学会计的人数越来越多，但依旧无法改变会计硕士的热门程度。考上会计硕士，等同于可以在商海中指点江山了。对于会计硕士专业来说，有源源不断的社会需求，就业形势良好。可以说，优秀的会计人才是每个团体必备的香饽饽，各大单位和事业集团都少不了会计。随着近年来中国各类经济实体的不断涌现，社会对会计人才的需求将会持续保持热度，因此考取会计硕士会让你更脱颖而出，绝对吃不了亏。四、金融专业金融专业，听起来都散发着一股子热门的味道。毕业生的就业去向有证券、银行、信托、保险、基金、租赁、期货等行业，听起来都是高薪的代名词。如果硕士毕业名校，在北上广深等金融机构总部工作，薪酬几十万肯定不成问题。但是金融考研的难度也是出了名的，因此如果要考金融硕士的学生一定要狠下功夫。以上就是近年来一直保持高热度的四大专业了。不知道你们有什么看法呢？欢迎在评论区留下你的见解。

7月1日，香港中文大学（深圳）数据科学学院于正式成立，这是港中大（深圳）继经管学院、理工学院、人文社科学院、生命与健康科学学院后的第五所学院，由戴建岗教授担任首任院长。戴建岗教授戴建岗教授是国际运筹学研究的引领学者，是国际数理统计学会（IMS）和运筹学和管理科学协会（INFORMS）的双重会士（Fellows），并曾长期担任运筹学顶尖杂志之一《运筹学数学》主编。戴建岗教授的主要研究方向包括应用概率，流体模型，扩散模型，随机过程和强化学习等。中国工程院院士、香港中文大学（深圳）校长徐扬生教授表示，“数据科学学院专注于数据科学方向的人才培养与科学研究，学院在运筹学、统计学、计算机科学等基础领域以及运营管理、决策科学、机器学习等前沿领域有着系统的教学体系，为学生提供完整且前沿的理论与实践相结合的教育。这些领域与大数据、人工智能和机器学习的发展和应用密切相关，是数据科学的基础领域，也是未来的数字化技术成长的动力。学院致力于为学生提供多元发展的优质环境，充分发挥学生潜能，培育具有全球视野的顶尖创新型人才, 矢志成为大湾区乃至全世界领先的数据科学教学和科研中心。”据悉，数据科学学院吸引了众多来自计算机科学、运筹学以及统计学等多学科的国际化学术人才，已组建了一支高水平的教授队伍。这种多学科的知识结合体系将促进基础研究和应用研究的平衡发展。目前，学院的应用研究领域包括：生物信息学、通讯系统、金融、人工智能医学诊断、精准医疗、云计算、机器人技术、物流和供应链管理等；其中许多应用研究已通过一系列深度合作实践于众多实验室与研究院，如腾讯联合实验室、京东联合实验室、华为联合实验室、深圳市大数据研究院和深圳市人工智能与机器人研究院。有赖于香港中文大学（深圳）数据运筹学相关的科研资源，数据科学学院建立了从本科到博士的完整培养体系，包括数据科学与大数据技术、计算机科学与技术、统计学、金融工程四个本科项目；数据科学、金融工程两个硕士项目以及数据科学博士项目。数据科学中最前沿的核心课程如机器学习、人工智能等将贯穿各个项目，为本科生、研究生提供系统、前沿的数据科学方面的教育，拓宽学生的视野，打开未来数据科学研究与应用的大门。目前，数据科学学院的应用研究领域包括生物信息学、通讯系统、金融、人工智能医学诊断、精准医疗、云计算、机器人技术、物流和供应链管理等，学院把数据科学的各个专业结合在一起相辅相成、互相促进，达成多学科知识结合的教学和科研体系。

中部战区空军雷达某旅数据分析师刘志成（右一）指导战勤参谋完成作战课题研究。刘川摄湛蓝的天空，辽阔而深邃。飞行器、鸟群、空飘物……每一分钟，就有千百个目标从这片天空飞过。在雷达兵眼中，一个个目标就是一方方屏幕上无数个闪烁的小点。屏幕背后，一双双警惕的眼睛紧盯着每一个蛛丝马迹。凝望天空，守望祖国。这些目光中，有一束格外坚定犀利。调整改革后，博士刘志成成为中部战区空军雷达某旅首批数据分析师。他一头扎进雷达情报数据的海洋，与战友们一起攻克制约战斗力生成的诸多难题，打开了预警体系能力建设的一扇窗。结缘数据，目光锁定战场枯燥、烧脑，这是很多人对数据的第一印象。中部战区空军雷达某旅数据分析师刘志成却觉得数据“有点意思”。喜欢数据、追逐数据、痴迷数据，这是刘志成给许多人留下的第一印象。走进刘志成办公室，记者一眼就发现了“不一样”：他的电脑桌上，有横竖两块屏幕。竖屏上，爬满了正在仿真推演的信息数据；横屏里，排列着10多项与数据相关的课题。再仔细一看，每项课题的“完成时限”都精确到了某一天。在刘志成办公室里，人工智能与大数据技术、数据挖掘与预测分析等书籍塞满一书柜……刘志成认为，“追技术”是技术工作者的天性。当下，大数据、人工智能等新技术日新月异，他一直思考着如何将这些新技术手段应用到工作中。“大炮巨舰时代，谁的火力强，谁就能打赢一场战争。但现在不一样了。”刘志成说，信息数据赋能的时代，每天都会产生海量的数据，这些数据就是装填武器装备的“新弹药”，谁能掌握更充分、更准确，谁就能占得先机。这是刘志成和身边战友越来越清楚的一个事实。为了这一刻，他已经准备了很久。大学本科时学的是数学，研究生读的是军事运筹学，刘志成很早就与数据打起了交道。不过，他真正认识和理解数据，则是近几年的事。回头再看，一切似乎早有安排：刘志成19年军旅生涯里每一次转型，都像是踩着时代的鼓点——2008年，学术界提出“大数据”这一概念。这一年，刘志成在院校读博士，尝试着用数学方法研究排兵布阵、挖潜战场数据。不知不觉间，他迈入了作战数据处理的大门。2013年，是国际公认的“大数据元年”。这一年，负责雷达阵地勘选工作的刘志成，利用计算机编程建立模型，导入卫星图、地形图、航空图等地理数据信息，将阵地勘选效率大幅提升。那一刻，他切身感受到数据建设对战斗力的价值。5年前，刘志成参与某重大任务。接触到海量的空情数据后，他对大数据有了更深的认识。3年前，刘志成所在的中部战区空军雷达某旅改革整编，增设了“雷达情报数据分析师”。首批定岗的数据分析师里，就有刘志成。1年前，中部战区空军启动核心体系能力建设规划。预警系统的建设目标，让刘志成的热血沸腾。“信息数据蕴藏着无形的潜力。人们常说数据海洋，跳进数据这片海，我想做的不只是畅游酣泳，还要战风斗浪。”刘志成敏锐地意识到，随着战争形态从“能量主导”向“信息主导”不断演进，战场信息的多变性和电磁环境的复杂性，给预警网络蒙上了一层迷雾，而吹开“迷雾”的“东风”就是数据。作为全旅首批数据分析师，刘志成想得最多的，是怎样尽快让数据成为战斗力。刘志成很焦急，也很冷静：掌握了数据，不等于掌握了信息。随着数据时代扑面而来的，也有贴了标签、装点门面的“伪数据”。只有对数据进行深加工，从数据中发现价值，才能把数据变成信息，实现从“机械纪元”向“比特纪元”的跨越。有价值的数据从哪里来？用这些数据干什么？刘志成似乎在实践中看到了一把轮廓逐渐清晰的“钥匙”……到底，摸着数据“过河”“我感觉，这个不明空情是鸟群。”“你认定它是鸟群，凭什么？”“不好说，我感觉是！”这是一次异常空情处置复盘时，刘志成与当班操纵员的对话。处置结束，指挥室又恢复平静，刘志成心里却掀起了波澜。这次空情处置，让刘志成既兴奋又无奈。兴奋的是，经查证，操纵员的“感觉”是对的；无奈的是，无论他怎么引导，操纵员的判断还是停留在“感觉”上。雷达情报，位于整个作战流程的源头。现代战争要求雷达不仅要“看得见”，更要“看得清、看得准”。为什么经验丰富的雷达操纵员，虽然说不清判定机理，却能快速判定目标类别？为什么有的操纵员能判别出来，而有的却判别不出来？这些经验、感觉有没有规律？能不能量化？一串“为什么”，让刘志成找到了前行的阶梯，又陷入另一个“黑洞”。每天，空情量数以千计，每个空情信息数据又有着千差万别；即便是同一批目标，每名操纵员的经验和感觉都不一样，每部雷达显示的数据也不一样；就算同一部装备，在不同地域、不同时间显示的数据也不一样……明知山有虎，偏向虎山行。刘志成决定把全旅所有雷达装备、每一名操纵员处理每一次空情的数据都记录下来。第一次提出这个想法时，刘志成自己心里也没底。收集、分析数据的过程分外冗杂、枯燥，许多战友并不理解：“费这么大劲，收集这些数据究竟有啥效益？”“我也不知道这些数据有多大的价值，但觉得里面一定有什么东西。”信念的力量，再次占了上风。很快，旅党委决定，组建一个由刘志成领衔的“智囊团队”集智攻关。基层雷达站主官、雷达技师、操纵员，都成了刘志成的“线人”。他们总会接到刘志成的电话：“今天有什么情况？处置中发现什么问题？装备操作有哪些需求？”一开始，大家还比较耐心。一段时间后，很多人怕接到刘博士的电话，怕他没完没了提问题。刘志成也怕，不过他最怕的是大家“没有需求、没有问题”。后来，他跑到雷达站，跟着操纵员一起值班、一起处置空情。刘志成与团队成员分组行动。科研院所、基层雷达站、演训现场……几乎每个与数据信息相关的地方都能看到他们的身影。当团队整理出近20年上级下发的不明空情处置记录，大家惊呆了——这些详细记载每一起不明空情的信息数据和处置流程的资料，摞起来足足有一米高。整整一年，刘志成像挖矿工一样在收集数据。那段时间，他几乎每天都在不停地接打电话。每一个电话背后，都有一串真实的数据信息。旁人眼中，刘志成不爱说话，但一谈起数据就停不下来。他说：“数据就是源头活水，算法既是研战之器，又是胜战之钥。成立团队就是为了打破以往无‘数’可用、望‘数’兴叹的窘境。”有旅党委做支撑，刘志成的数据“挖矿”之路走得格外踏实。他坦言，这几年自己要么在“取数”的路上，要么在“读数”的路上。终于，刘志成积累了丰富的宝贵数据。然而，信息多并不意味着益处多，数据大并不意味着价值大。冰冷的数据只是“初级产品”，充满“战味”的深度分析才是关键。刘志成想通过大数据分析，为雷达操纵员配上一张“淘金者”的筛网，过滤细砂、筛掉砾石，快速找到金子般珍贵的有用信息。摸着石头过河时，那种找不到方向的迷失感，让刘志成一次次站到了崩溃的边缘。那段时间，刘志成常常加班到深夜，撑不住了就靠在椅背上眯一会儿，梦里都在分析数据。经过无数次的筛选分析和排列组合，刘志成和战友们终于摸索出各类不明空情的基本规律。这一刻，刘志成长舒了一口气。“高招”入库，数据共享全网互通眼珠灵动，指尖轻击，雷达操纵员在电磁空间“驭波锁敌”。作为防空预警信息的源头，他们堪称空天安全威胁的“吹哨人”。坐进雷达方舱，该旅某雷达站下士陈远河借助一套辅助系统，熟练处置空情。他的身旁，三级军士长刘伟修心里感到一丝欣慰，又有点失落。在空军雷达部队，刘伟修的名字响当当。他值了17年的班，及时发现并处置多起不明空情，曾荣立个人一等功。可现在，刘伟修从来没有像今天这样，感到自己的看家本领正变得岌岌可危——通过大数据分析手段，这套辅助系统不仅能够识别目标、判断性质，还囊括成功处置异常不明空情的经典案例，甚至涵盖了雷达站周边战场的数据……一键即知、数据共享、全网互通，这套辅助系统就是刘志成团队的研发成果。辅助系统给雷达操纵员带来的“冲击”可想而知。刘伟修感慨：“一套系统汇集了所有操纵员的‘高招’。年轻操纵员处置空情更有底气，成功率也更高了。”去年4月，上等兵胡沛林利用辅助系统，成功处置一起异常不明空情，荣立个人三等功。当兵第二年就立功，在该站历史上尚属首次。这让刘志成底气十足：“充分挖掘数据背后的潜力价值，人人都能成为‘金牌操纵员’。”数据奔流，战力倍增。一次，面对突发情况，刘志成电话询问目标位置的风向、风速等气象数据。由于目标处于运动状态，气象数据获取时效性较差，影响了指挥员与一线任务官兵掌握判断。“信息数据是作战链条的第一环，没有高效的获取手段与验证方法，何谈战场主动权？”刘志成紧接着带领团队展开集智攻关。他们到友邻部队、院校和地方院所学习借鉴，通过引接公共气象资源和手机地图软件等搭建平台，实现气象信息、地理位置资源上下互通。技术升级后，值班员轻点鼠标，目标的风速、风向、运动轨迹一一呈现。通过手持设备，值班员可以将现场情况与指挥所通联，实现“开机即传输，走到哪儿就通到哪儿”。第一时间感知作战目标和战场环境的信息数据特征，对指挥效率的提升不言而喻。又一场演练开始了。“目标在某地被击落，命你部前出查证。”指挥员通过大屏幕分析战场态势，向距离目标最近的雷达站下达行动命令。随即，屏幕上查证分队的红色光标由慢变快，与目标位置快速重合。值班战勤人员浏览各终端回传的画面，将最前线、最要紧的画面投射到屏幕上，还原真实的战场。“指挥员洞悉信息数据的源头，才能掌控战场态势。”一目了然的战场态势，使信息数据精起来、动起来、立起来，指挥员的决策效率和精准度倍增。数据库激活“信息源”。近年来，刘志成带领团队着眼大数据应用前沿，聚焦备战打仗急难问题，紧盯新装备作战应用，完成20多项课题攻关，开发相关作战软件，研究形成多套战法，推动目标判性和指挥决策由“粗放经验型”向“精准专业化”转变。攀登的乐趣在于征服高度，工作的激情源于直面挑战。前不久，该旅某机动分队接装新型雷达，刘志成同步展开全功能操作技术攻关，帮助战勤人员用最短时间摸透装备边界性能，发挥最大作战效能……解锁“制胜密码”，布网万里空疆。该旅政委朱卓介绍，刘志成团队点燃了新质战斗力增长的引擎，掀起了一场关于数据意识、数据思维的“头脑风暴”，更吸引了一批骨干人才紧盯前沿、瞄准一线练兵备战。近年来，该旅战斗力建设稳步提升，旅党委连续3年被评为先进师旅级党委。数据无言。面对各种褒奖，刘志成代表团队参加旅“备战打仗先锋”颁奖仪式时感慨：“我们赶上了强军兴军的伟大实践，必须珍惜时光、不负韶华。”来源：解放军报

私信回复“大纲”即可电话预约21考研大纲，大纲出来立马短信通知；私信回复“分数线”即可免费查询全国800多所院校的分数线；私信回复“择校”即可免费查询你的专业，匹配该专业的院校汇总，附初试科目、参考书目、学制介绍等。近几年，因为技术的发展或者是一些新媒体的兴起，一些专业也是吸引了大批的考研党的关注，而随着近几年考研人数井喷式增长，这几个专业的分数线也是水涨船高，接下来跟着小编来看看，都有哪些专业，它们为什么这么难考。1、会计专硕会计专硕是在这几年随着报考人数的增多，慢慢变难的，单论考试的难度，会计专硕是很简单的，初试只考英语和管理类联考，而且英语还是英语二，英语二的难度也相较于英语一的难度来说更简单一点，所以对于咱们会计专硕的学生来讲，想要取得高分主要就要看专业课的成绩，专业课对大多数的学生来讲是真的不难，小编的一个同学讲“如果给我一整天的时间，我可以拿满分”大家可以听出来了吧，这个对做题速度要求比较高，所以很多人分不高不代表你不会这个题，而是你时间不够用了，所以平时需要大量的做题训练自己的做题时间~2、管理科学与工程管理科学与工程一直是我国经久不衰的热门报考专业。它需要你具备数学、经济学、计算机，管理学的理论和知识，换句话说它就是一门学得特别杂的学科，用大家的话来讲就是“啥啥都学，啥啥不会”如果你在这个科目里没有方向，那你到毕业的时候也会有一事无成的感觉，当然它考研的分数线属于管理学的范畴，众所周知，管理学一直是跨考的热门学科，所以国家线近年来水涨船高，已经可以归为很难考的专一之一了，它考试的科目不仅需要考察数学，专业课可能要考察运筹学、数据分析之类的知识，所以在这边也是一副惨不忍睹的景象。3、新闻传播学新闻传播学是国家一级学科，也是因为近几年新媒体的快速发展，新闻传播学走进了考研人的视野，外加不考数学这一大辅助，很多考研跨考党尤其是女生纷纷对此专业另眼相加，分数线自然跟不要命的往上加，每年这个专业400+比比皆是，记性不好的人不要轻易尝试。4、法学法学在本科毕业后其实有很少的人可以得到很好的就业机会，基本都转行在干别的，如果你真的想靠本专业的东西吃饭，那读研究生是你的不二之选，值得一提的是法学是全国统考，难度堪比医学，因为它的法律条文条条框框特别多，所以还是那句话，记性不好的人不要轻易尝试！5、医学现在稍微大一点的医院都要求招聘的医生都是研究生学历，外加医生是一个需要理论加实践的一个职业，在行事上容不得半点粗心，所以对于医生来讲，不管是考研还是就业都是非常困难的，在考研内容上来讲，医学考试要考医学综合，医学综合包含医学的基础课程和一些临床知识，想必大家都看过医学生桌子上那些比高考还夸张的大厚本吧，那些真的是要一点一点慢慢啃，说实话，小编真的很佩服敢学医的一些同学，更佩服能学好，进入三甲医院的那些人。上述内容主观性比较强，都是小编自己的理解，不知道跟大家想的一不一样，咱们大家可以在评论区讨论起来~

当交警就是“站马路”？不，他的“路面”在桌面，实现了人力无法实现的效果。当交警就是“忙碌、辛苦”的代言人？的确是，但是他忙碌的是大脑，万千道路在他胸中自成丘壑，他敢想敢创新，用数据运筹交通。当交警就是埋头苦干的“老黄牛”？不，他是名校IT硕士，谢绝了国家部委、央企、互联网企业向他伸出的橄榄枝，拒绝了高薪酬，毅然选择了人民警察。他叫方洋，是湖北省武汉市公安局交通管理局一名90后新警，努力用自己的执着和才智，创新交通管理模式，服务群众便捷出行需求。00:25成为一名骄傲的警察1990年出生的方洋，毕业于华中科技大学计算机专业，硕士研究生，在校期间，完成国家重点课题，曾在“全国大学生软件创新大赛”上获一等奖，还有著名IT公司的实习经历。这名优秀的计算机人才，还没毕业，就有国家部委、央企、互联网公司纷纷向他伸出橄榄枝。方洋的父亲一直有当警察的梦想，因种种原因未能实现。受到父亲的影响，方洋一直希望自己有一天能身着警服维护正义、报效国家。于是，毕业那年，他毅然报考人民警察，成为了一名交通新警。搭建“互联网+交通”平台一名计算机系的高材生，当交警能做什么？事实证明，是金子，在哪里都会闪光！2014年参警的方洋，到武汉市交管局报到后，很快感受到当时武汉交通的困境：主城区干道网密度为1.6公里/平方公里，低于2公里/平方公里的最低规范值，机动车数量又以每年18％的速度激增，同时，又逢武汉城市发展的“跃进期”，施工占路多。出行难、停车难、缴款难、上牌难......车多、路少、警力逐年下降，整个交管战线从局领导到一线民警，加班加点成了常态，却仍然难以满足日益增长的交通需求。困则思变，困而谋通。2015年3月，李克强总理在政府工作报告中首次提出“互联网+”行动计划。此时，方洋也接到上岗后的第一个任务：与当时新兴的互联网企业高德公司联系，打造“交通信息服务平台”，这就是武汉交管“互联网+交通”的初貌。“互联网+交通”是现在广为人知的热词，在当时却只是个抽象的概念，究竟什么样算是“互联网+交通”，用什么办法来实现，很少有人能说得清。而当时每周一次的交通警情研判周报，依据也主要是全市16个交通辖区的122报警数据，根据群众对交通事故、交通堵塞的报警量，执勤民警在路面巡查的发现，以及指挥调度民警对城市各路口的监控、过车拍的流量检测，来得出对拥堵路段、高峰时段的分析和预测，信息化建设还是以基础建设为主。没有经验可以借鉴，那就自己摸索。能不能把这些单一的信息化系统功能集成起来，数据采集的来源还能不能增多？信息系统的后台分析功能还能再智能一些吗？带着这些问题，方洋用一个月的时间跑遍了武汉的大街小巷，除了实地调研，他还向有经验的同事、路面执勤民警请教、交流，对市区内的路网和流量特点有了初步了解。紧接着，方洋与同事、高德公司的技术人员一道，封闭一周把“武汉交通信息服务平台”的初步框架构想搭建了出来。又用无数个日子不眠不休的加班，把构想变成现实，功能一个个实现。这就是后来武汉市民非常熟悉的“易行江城”服务平台的雏形。踏上智慧交通新征程武汉交通信息服务平台把122报警数据、过车拍数据、互联网导航公司车流量数据都汇集到平台中，再用软件设计的方式让平台拥有智能化的“大脑”。大数据通过程序运算得出对拥堵路段、时段的分析，从以前交警只知道这条路容易堵，到知道这条路每天什么时候堵（系统报警提示）、持续多长时间（统计时长）、具体的拥堵位置在哪里（电子地图在指挥大厅屏幕上直接显示定位）。发现规律再去找原因，往往容易的多——是流量大、事故多发还是潮汐特点，或者还有别的原因。然后对症下药，调整交通组织、调整警力部署……效果立竿见影，路段由代表拥堵的红色变成代表畅通的绿色，说明病根找对了；交通改善不明显，仅仅变成了代表缓慢通行的黄色，说明交通组织方案和警力配置时间、点位还没完全对症，需要继续改。交通信息服务平台开始让武汉交警的指挥系统“耳聪目明”。以交通信息服务平台为基础，方洋又紧张地投入研发“易行江城”App。整合各类资源，形成了覆盖全市的“智慧交通”诱导及服务系统，涵盖行车、停车引导、在线业务办理、公共信息发布等关乎出行的方方面面，共80多项功能，服务覆盖300万市民。“易行江城”App的研发成功，方洋得到了大家的认可。接下来，他又成为武汉交警“数据大脑”、“智慧应急平台”、“天眼警务魔方”、“数据警规”等一系列“互联网+智能交通”平台的主要开发技术人员，并成功完成各平台的研发。不久，武汉将迎来第七届军人运动会，方洋又开始投入参与打造军运会智慧安保系统、智慧监管平台、武汉交警渍水监测预警平台等一系列实战业务系统，有效支撑了公安实战，并获各类知识产权7项，助力武汉智慧交通建设“弯道超车”。他所负责的全市交管战线移动警务体系建设，提出“云·端融合”建设思路，实现路面执法总量上涨30%、接处警时间平均缩短5分钟，节约执勤警力600人。投稿邮箱：gabxcc@126.com

专业介绍什么是数据科学(Data Science)数据科学(Data Science)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它们应用于商业的人才却极其短缺，在这种趋势下，数据科学专业就应运而生。数据科学专业源自于处理每日产生的海量信息流，它是一门交叉学科，一个数据科学家同时需要是一个统计学家、计算机科学家，并且要是一个具有创造性思维的思想家。该专业涉及到很多的领域包括统计学、数学、计算机、人工智能、机器学习、数据库、模式识别、可视化技术等多学科的知识。数据科学项目主要是面向职业培训、侧重工业界需求。所以，该项目的实用性很强。该项目主要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。相关专业辨析Business Analysis（商科）Business Analysis是以案例分析为主，数据分析为辅的传统商科，大多开设在商学院下, 主要是针对公司整个运营流程、业务开展方向的分析。Data Science数据科学（理工科）Data Science以高级建模为主，针对复杂问题来设计技术方案。经常开设在计算机学院或者工程学院下。一般会涉及较深入的计算机编程、统计模型，对学生技术要求更高。占比比较：Business Analytics: 40% Statistics+30% Computer Science+30% Business适合文科/商科/理科/工科背景学生申请Data Science: 30% Statistics+50% Computer Science+20% Application适合理工科背景的学生去申请申请要求申请者专业背景由于这是一个数理背景和计算机能力要求非常高的专业，所以，并不是所有背景可以申请该专业。而且大部分项目会有先修课的要求，常见的先修课程有：微积分、线性代数、统计、计算机编程基础（Python、R等）、计量经济学、概率论等。首先，本科是计算机科学CS的同学，是最符合申请条件的，因为大多数数据工作都是通过编程和数据库的相关手段进行的，同时学过统计、微积分、高级语言；例如哈佛大学对于MSDS的本科背景要求是：希望有微积分、线性代数，概率和统计等相关课程，能使用至少1种编程语言，例如Python或R，了解计算机科学概念。其次，本科背景是统计、数学或应用数学，且有一定编程基础的同学也可以申请，这都是很好的匹配专业。最后，商科背景出身，但量化背景较强的商科专业，比如金工，但又希望能选择一个STEM专业的同学，那DS显然也是个非常好的选择。所以说，如果你有比较强的编程背景，又有比较好的数理基础，那你就很有竞争力；而纯商科背景的同学，如果没有强的量化背景，或者不懂编程，那建议还是数据科学DS和商业分析BA混合申请，因为商业分析更加偏商科，开在商学院，对商科背景接纳程度大很多。此外，其他理工科或者商科也可以申请数据科学专业，如，物理，生物，MIS，电子信息工程，经济学等等。但相对来说，竞争力可能没有计算机和数学专业的学生那么大。硬件条件（GPA, TOEFL/IELTS, GRE/GMAT)GPA:对于GPA当然是越高越好，对于申请TOP50的DS专业而言，GPA至少在3.3+，建议能够到3.5+。而申请top 30的学校，建议能够有3.8+的GPA。这样子才会有更大的竞争力。TOEFL/IELTS:申请U.S News的综合排名TOP50之前的学校的学生需要IELTS至少要达到7.0, TOEFL至少达到100。而申请TOP30之前的, IELTS至少要达到7.5，TOEFL必须达到100以上。GRE:美国数据科学硕士一般要求申请者提供GRE成绩。综合排名TOP50之前的学校，对于GRE 的区间在310-325，单是显然只有310的话竞争力显然是不够的，因此，这里建议学生为自己设立的初步目标在320+。而申请top 30的学校，建议能够在325+,Q部分建议能够拿满分。英国与美国申请的不同之处而对于申请英国大学的数据专业而言，与美国相比略有不同。由于英国大学非常看重申请者所在的学校是不是211,985院校 ，所以，所指定的录取标准也有所区别。不少学校并不接受非211学生的申请。换言之，即便申请者自身背景非常出色，但由于所在院校为非211，必然会收到拒信。当然，英国中，大部分学校不需要提交GRE成绩。而且，英国大部分学校申请的时候，并不严格要求申请者提供雅思成绩，雅思成绩可以在拿到有条件录取之后再补充。所以，对于没有相关成绩的申请者来说，申请英国也算是一个不错的选择。此外，英国大学对于申请者的专业背景相对比较没有那么严格，不少学校接受商科，心理学甚至于医学类背景的学生申请。但通常来说，会要求申请者修过微积分、代数、微分方程、概论与统计、优化或其他数学课程。软件要求（实习，科研，工作等等）大部分学校的数据科学专业申请不要求工作经验，但有相关工作经验会对申请有帮助，建议有2-3段实习或项目经历。实习最优选择应该是数据公司的数据岗，然而现实是这样的岗位由于太过重要，基本不会招实习生。所以建议找一些统计量化相关的或者计算机相关的实习。至于科研方面，在大学期间最好找和量化相关的科研，如果实在没有，可以把相关的课程大作业拿来用。再退而求其次，也可以是计算机软件、数据库相关。如果没有科研经历，那将是极大的硬伤。此外，可以参加一些数据科学相关的竞赛。学费介绍数据科学作为一个理工科专业，整体而言学费没有商科那么贵。以下是美国部分大学数据专业学费的介绍，每年的学费范围基本在 $40,000~$70,000之间。（注：美国大部分数据科学专业两年制，少部分为一年制）以下是英国部分大学数据科学专业学费的介绍，每年的学费范围基本在15,000~35,000之间。（注：英国的大学数据科学专业都是一年制）典型项目介绍Columbia University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。项目由统计系、计算机系、工业工程和运筹系共同承办。建议申请者有较强的数理背景，比如修过微积分、线性代数等课程，建议修过计算机编程课程。至少完成30个学分的课程，包含21个学分的必修课和9个学分的选修课。大部分学生会在3个学期，也就是一年半把项目读完。哥伦比亚大学有一个世界顶尖的大数据科学与工程研究室(Institute for Data Sciences and Engineering)，学生在此参与实验与科研项目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。Carnegie Mellon University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。项目培养的目标是要培养学生跨领域具备商业处理分析与预期建模、GIS地理信息定位与分析、分析报告、市场细分分析、数据可视化。卡梅全球顶尖的实验室也为学生提供了绝好的学习与实践机会(Heinz College’s iLab )，并且有固定的企业实习项目，为就业做了充足的准备。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。University of Pennsylvania宾夕法尼亚大学的MSE in Data Science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。其主要核心课程：它融合了机器学习、大数据分析和统计等核心主题的前沿课程，以及各种选修课程，并有机会将这些技术应用于所选领域的专业领域(深度领域)。潜在的专业化领域包括网络科学;生物医学(生物医学信息学研究),和公共政策(宾夕法尼亚大学沃顿商学院预算模型以及更多的传统的机会在计算机和信息科学与电气和系统工程。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。华威大学作为英国国家数据科学研究所Alan Turing Institute数据分析研究的领导者，并且与纽约城市科学与进步中心New York Centre for Urban Science and Progress合作。该校的MSc in Data Analytics开设在Department of Computer Science计算机科学学院下，课程提供数据分析的跨学科视角，使学生能够获得计算机科学，数学和工程的先进知识，这对未来在“大数据”中的作用至关重要，使华威大学的毕业生在网络安全，金融，政府和技术等领域具有独特的价值。就业方向与平均薪资Data Science专业毕业后做什么？关于数据科学项目的就业前景，全球最顶尖管理咨询公司麦肯锡（McKinsey）出具了一份详细的分析报告，大数据或者数据工作者的岗位需求将激增，其中大数据科学家的缺口在140000到190000之间，懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到1500000！其中对大数据处理需求最旺盛的行业包括：制药业、计算机软件、互联网、科研、IT技术服务、生物技术。事实上，大数据工作者可以施展拳脚的领域非常广泛，从国防部、互联网创业公司到金融机构，到处需要大数据项目来做创新驱动。所以，在大数据时代下，数据科学专业的就业前景是非常广阔的，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(券商、投行、基金、资产管理)、医药、咨询、零售等。数据科学专业主要有三类职业方向：数据科学家 Data Scientist机器学习工程师 Machine Learning Engineer数据分析员 Data AnalystData Science专业毕业后的薪资待遇如何？根据IBM预测，到2020年，所有美国数据科学类岗位数量将增加万个，总数达到270万。数据分析或数据处理的岗位报酬也非常丰厚，在硅谷，入门级的数据科学家的收入已经是6位数美元了。而LinkedIn在相关职业的调查中也发现，机器学习和数据科学工程师已经超过传统软件工程师，跃升为最高薪群体，年薪中位数高达$129,000。美国知名求职网站Glassdoor公布的2019 Best jobs in America 排名中，Data Scientist 排名第一，基础薪资中位数达$108,000。案例分享案例一毕业院校:国内普通本科主修: 管理信息系统GPA: 3.7/4.0托福/雅思: 105+GRE/GMAT: 320+实习/工作: 一段大数据实习科研经历: 两段相关项目经历录取院校: University of Rochester, University of Southern California, University of Virginia案例二毕业院校：国内某985主修: 数学GPA: 3.6/4.0托福/雅思: 110+GRE/GMAT: 325+实习/工作: 三段相关实习科研经历: 一段科研录取院校: Georgetown University, University of Rochester案例三毕业院校：国内某中外合办院校主修: 经济学GPA: 3.8/4.0GRE/GMAT: 330+实习/工作: 两段相关实习科研经历: 一段经济数据分析科研录取院校: University of Pennsylvania, Brown University, New York University案例四毕业院校：国内某C9院校主修: 电气与计算机工程GPA: 3.2/4.0托福/雅思:100+实习/工作: 无科研经历:三段ECE相关实习录取院校: New York University, Boston University案例五毕业院校：某美国top 100大学主修: 电气工程GPA: 2.6/4.0托福/雅思: WaiveGRE/GMAT: 315+实习/工作: 三年机器人相关全职工作经验科研经历: 无录取院校: Stevens Institute of Technology, George Washington University案例六毕业院校：某美国top 50大学主修: 统计学GPA: 3.1/4.0实习/工作: 一段相关实习科研经历: 一段相关科研录取院校: Georgetown University, Rutgers University–New Brunswick, Worcester Polytechnic Institute