统计和数据科学硕士

新加坡国立大学（2020年QS排名亚洲第一）新开了大热的数据科学项目——Master of Science in Data Science & Machine Learning (MDSML)!!这是一个怎样的项目？需要什么要求，适合什么背景的学生？一起随小编来看看~项目基本介绍由数学系，统计系和计算机科学系联合开设项目时长：1年（full-time）学费：45,000 新币申请费：50新币申请截止日期：2020年3月15日课程设置MDSML 项目是一个交叉学科，课程涉及计算机科学，数学和统计学，还结合了数据分析和机器学习的知识。项目共需要完成40个学分，核心课程与选修课程各20学分，具体课程设置如下图：申请要求本科学士学位适合理工科的学生（例如数学、应用数学、统计和物理专业背景）托福不低于85，雅思不低于6.0新加坡留学优势1、教育质量高，沿袭英联邦的教育体系，教学水平与国际接轨。2、世界顶尖名校：2020年QS世界大学排名中，新加坡国立大学和南洋理工大学并列11；在近两年的QS亚洲大学排名中，NUS和NTU也是轮流第一。3、学制短，时间和费用的性价比非常高。4、就业前景好，利于移民。5、社会安定，全球最安全的国家之一。……你想申请新加坡留学吗？如需进一步了解请锁定“毕达教育”哦！

大数据专业是一个典型的交叉学科，基础学科包括数学、统计学和计算机学，另外辅助经济学、社会学、医学等学科，所以统计学是大数据专业最为直接的相关学科之一，因此统计学专业的本科生在读研的时候是完全可以选择大数据专业的。统计学专业的相关知识在大数据时代依然起着非常重要的作用，以大数据分析为例，目前大数据的分析方式主要以统计学方式和机器学习方式为主，而且统计学方式与机器学习方式相比在某些领域更加成熟，理论体系也相对完备，所以大数据专业的学生通常都要系统的学习统计学相关知识，从这个角度来看，统计学专业读大数据方向还是具备一定优势的。在大数据时代，统计学有了进一步的发展和变化，这个变化就来自于数据本身的变化。统计学的分析方式通常以“抽样”为主，通过对样本的分析来寻找整体的规律，从而得出分析结论。通过大量的历史经验来看，如果样本的选择没有问题的话，统计学的分析方式具有非常高的准确度。但是在大数据时代，数据从抽样变成了“全样”，数据分析的方式和方法都产生了较大的变化，这对于统计学来说就需要积极的适应这种变化，并积极顺应大势时代的发展，投入到大数据领域的研发中。从目前大数据行业的发展来看，统计学确实对于大数据的发展做出了重要的贡献，大量的统计学专业人才陆续投入到大数据领域，也进一步完善并丰富了大数据的知识结构。近些年来，我多次作为评委，参与了不同类型的研究生大数据专业大赛，其中有大量的选手来自财经类大学的统计学专业，这给我留下了较为深刻的印象，其中也有不少学生取得了不错的成绩。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。如果有互联网方面的问题，也可以咨询我，谢谢！

背景介绍分享人：Z学长学校：北大数学在读：伯克利统计学硕士讲座内容大学感悟及科研经验分享在大三的时候，在选择专业和方向的过程中，我走了很多的弯路。当时没有老师和长辈来指导我如何选专业，多数时候我都在闭门造车，凭空想象。那段时间心烦意乱，心思很难放在学习上。当我回过神来的时候，周围的同学已经比我多学了很多。有的同学早早开始了本科生科研，有的同学已经提交了海外交换的申请。真正想要向统计学方向发展，应该是我大三下学期的事情了。引领我走向这条路的，是我最最尊敬的吴老师。她是我本科生科研的导师，我的本科生科研做的是金融数学。记得那时，我和我的组员以正在以传统的概率统计学工具来研究我们的题目，例如随机模拟，随机分析，假设检验等等。在一次讨论课的时候，吴老师提了一句：“要是用这些方法做下去，我觉得我们会举步维艰，能不能将一些现代的统计学习方法运用到我们的研究上来呢？”之后，吴老师发给了我一本《The Elements of Statistical Learning》，她说这是伯克利的研究生教材，和我们的国内的统计学教材完全不一样，从此一扇大门就打开了。就这样，我自学了机器学习里的基本理论、模型和方法。之后，我又学习了学院里的《统计学习》这门课，从统计学习的民科变成了学院派。所以，我这里建议学弟学妹们都能够尽早开始本科生科研。科研的方向不一定要十分合乎你的胃口，重要的是要和自己的导师多多交流，了解未来学科的发展方向，找到自己的学习目标。在我申请中最最遗憾的事情，就是没有海外交流的经历。因为海外交流需要我们大二的时候就要开始着手准备，等我反应过来的时候已经追回莫及。我的很多同学在海外交流期间，都得到了海外教授的那封价值连城的推荐信。机器学习的学习路线数据科学是当下很时髦的名词，如果能在PS里呈现自己做的机器学习方面的相关工作，对于申请来将是一个很大的加分。在申请硕士，注重就业导向的统计硕士项目上，就很希望招来的学生有数据科学方面的背景。就我的经验而言，学习Machine Learning（机器学习）需要在掌握理论知识的同时，同时训练相应的编程技巧。编程能力方面，做机器学习和深度学习的主流语言是C++和Python。但是，我希望学弟学妹们如果有时间的话，还是不要一上来就学Python，Matlab和R。因为这三门语言都过于“方便”和“灵活”，其掩盖了编程最重要的东西—逻辑。我当时花了很长的时间学习C语言。C语言的“包”很少，一个简单的矩阵操作就能把人难死，不过正是在这样的纠结过程中，我对编程的理解逐渐深入，所以清晰的逻辑是编程的根本。当然了，如果之前有一定的编程基础，那么直接去学Python这些还是没问题的。伯克利的学习及申请经验不论是来美国读博士还是硕士，个人能力都是学术研究和找工作的关键。从本科高年级开始，就要开始注重自己能力的培养和提高。大家去搜搜Leetcode和Hacker rank，两个都是Online Judge，编程练习的好地方，尤其是硕士项目，非！常！重！要！大家一定不能忽视。关于学习方面，这里我想强调两点：1. 把知识转化为记忆：大学高年级阶段，很多同学学习一门课就学一个星期，考完试之后就全部忘记了，这样的做法是极不可取的。直到来美国，参加各种面试之后，才发现面试官问我的大学阶段的东西很多都忘记了。学习一门课程之后，尤其是概率论、数理统计、随机过程和回归分析，这四门课的基本理论、定理和运用都值得大家牢牢记住。2.编程能力的培养：在美国，不论是课业还是面试，熟练的编程机巧能够为你增光添彩。有些人认为，只有聪明的人才能把程序写好，而我觉得这样的理解是片面的。我认为编程更像当时初高中时的1000米测试，只要坚持不懈，就能练到炉火纯青。因为编程和跑1000米一样，是一个让自己的身心不断调整、不断适应的过程。每天写一小段程序，一个月之后你写程序、Debug的速度就会有大的提高，再不会在写Project的时候还在百度如何将int转化为string之类的基本问题。生活部分在美国的生活比想象中要难，所有大小事务都需要自己料理。周一到周五都在学校，周末在家自己做饭。在美国很少能有唱歌、打球、看电影之类的娱乐活动，最大的爱好就是做饭和锻炼。每每在微信里和同学聊天，都会发现大家的厨艺都在飞速提高。我这学期还在做助教，同时还要花费大量时间在Career Fair找实习上。对了，说一句，如果要做助教的话，口语一定要好。托福的口语一定要刷高一点，不然的话，你在这边是当不了助教的。在国内学车感觉没有必要，美国大多数州都需要重新考驾照。旧金山的公共交通比较发达，所以也不用担心交通的问题。问答环节问：学长统计硕士和PhD出路有啥不同？有没有必要读PhD？Z学长：我也在考虑这个问题，因为PhD在美国这边是非常难毕业的，一般五年能准时毕业的人，都是非常牛的。如果你以后想工作的话，我觉得读硕士已经足够了，但是PhD的话会多一条出路问：学长可以介绍一些伯克利统计教授做机器学习的么？Z学长：伯克利做的最好的应该是Michael I. Jordan，是机器学习和深度学习的大牛；还有郁老师，郁彬老师做机器学习做的非常好；还有一位叫做Martin J. Wainwright，这位教授做机器学习也是大牛。问：学长请问机器学习和统计到底什么关系啊？是不是统计只是一种工具，机器学习是真正的研究方向？Z学长：现在学术界也很难回答这个问题，因为这个问题真的很难，传统统计像是贝叶斯统计，因果推断之类的，他们不需要用到太多机器学习方面的东西，但是你做现代统计的话，像是做高维统计之类的，机器学习是必不可少的。问：学长统计中的机器学习和EECS项目中的有什么区别？Z学长：现在统计中的机器学习和EECS中的差别已经越来越小了。统计基本上是从数学和理论的角度出发的，他会着重的讲一些他的理论和模型部分，而EECS的话更注重于讲他怎么实现。问：学长你好，如果只学了C和python，打算学习data science，还需要再学习java吗？Z学长：做data science的话不需要学习java，但是如果你要接触一些并行计算等更高级的内容，java是需要的。问：学长Linux在相关的学习和工作中有没有什么作用？Z学长：Linux在实际学习和工作中非常有用，因为很多数据是要在服务器上跑的，那上面都是Linux的操作。你如果懂得Linux的操作和show的话，对你的工作和研究学习是非常有用的。但是工作面试中是不会考这方面的知识。问：学长金融和机器学习差的挺远的，你当时是怎么想的呢？Z学长：金融和机器学习，其实现在结合的比较紧密，如果你未来想做quant方面的，比如说做量化方面的工作的话，那么金融和机器学习其实是结合起来的，在美国做quant的公司，很希望招的员工能有机器学习的背景。- END -

全文共2415字，预计学习时长7分钟图源：unsplash数据科学初学者们常常会忽视最基础的统计学知识，这是必须重视的大问题。这些统计学概念有助于我们更好地理解不同模块和各种技术，它们是数据科学、机器学习和人工智能领域很多概念的基础。1.集中趋势度量集中趋势的一个度量是找到一组数据中间位置的数值，用它来描述这一组数值。常用的三种度量数值是：· 均值是数据总值的平均数。N个数据总值的均数· 中位数是有序数据的中间值。中间数优于均值，因为它不受离群数据的影响。· 众数是数据中出现频率最高的值。2.离散趋势度量离散趋势度量表现的是一组变量（数据项）的相似程度或多样程度。度量方式包括极差、四分位数、四分位数间距、方差和标准差。· 极差是一组数据中最大值与最小值之差。· 四分位数 是指将指定数据集等分四份后，处于分割点的数值。下四分位数（Q1）处于下25%数值与上75%数值之间，又称“第一四分位数”；第二四分位数是数据集的中间值，又称“中位数”；上四分位数（Q3）处于下75%数值与上25%数值之间，又称“第三四分位数”。四分位数分布四分位数间距（IQR）是第三四分位数（Q3）与第一四分位数（Q1）的差值，当数据按从小到大排列时，四分位数间距是中间50%值的间距。在度量离散时，四分位距优于极差，因为它不受离群数据的影响。· 所有数据点（总体均值为μ）的方差，每个数据点都用Xi表示，除以数据个数N。方差的数学方程式· 标准差：是方差的算术平方根，总体的标准差用σ表示。在扩散程度小的数据集中，所有值都非常靠近均值，于是方差和标准差就会很小。如果一组数据很分散，距均值都很远，方差和标准差就会很大。3.总体与样本总体是指全部可用数据值。数据集的一个样本是总体的一部分，或是它的子集。样本数量一定比取样的总体小。举个例子：一个国家的所有人作为“总体”，它的子集是一个“样本”，样本总是小于总体。总体与样本的简介图4.中心极限定理中心极限定理是概率论的关键概念，因为它指出正态分布适用于其他分布问题的概率和统计方法。中心极限定理指：当从总体中抽取的样本量足够大时，那么样本均值就会呈现正态分布。无论总体如何分布，该定理都为真。无论总体如何分布，样本分布皆为正态。| 图源：维基百科中心极限定理的其他关键点：· 样本均值收敛于概率，并且几乎肯定收敛于总体均值的期望值。· 总体的方差等于样本方差结果和每个样本中的个数。5.抽样和抽样方法抽样是一种统计分析方法，用来选取、操作以及分析数据点的代表子集，从而得出观察数据总体的分布规律和趋势。从数据中取样有很多不同的方法，比较理想的是依靠数据集并根据当前问题选择方法。下面是常用的抽样方法：· 简单随机抽样：使用这个方法时，样本中的每个值都是随机抽取，且总体中每个值被抽取的概率完全一致。· 分层抽样：使用这种方法时，首先按照特性将总体分成子组（或层级）。适用于：期望使用不同方法量度各个子组，并想要保证各个子组具有代表性。· 整群抽样：整群抽样中，总体的子组用作抽样单位而非个别值。总体被分成各个子组，又称“整群”，都是随机抽取且都是被调查对象。· 等距抽样：从抽样框中以等距的方式抽取个别值。选择的间距要保证能提取足够多样本。如果从总量为x的总体中抽取n个值作为样本，应抽取每x/n个作为样本。6.选择性偏差选择性偏差（又称抽样选择偏差）是在总体中非随机抽样导致的系统性错误，总体中一些值被研究的可能性小于其他值，样本从而存在偏差，也就是样本中所有值并非完全平衡或客观。这意味着未完成真正的随机，因此抽取的样本并不是本想分析的总体代表。通常情况下，仅靠对现有数据进行统计分析不能消除选择性偏差，通过相关分析可对选择性偏差的程度进行评估。7.相关相关是衡量变量（或feature或样本或任意组）彼此关联程度的指标。数据科学家几乎每次做数据分析时，都会比较两个变量并找出它们如何相互关联。下面是最常用的相关分析方法。· 协方差两个变量，一个X，一个是Y，E(X)，E(Y)分别是X、Y的均值，“n”则是数据点的总个数。那么X、Y的协方差就是：X和Y协方差的数学计算公式协方差标志代表的是变量间的线性关系。X、Y的协方差分别为正、负时的样图 | 图源：Wikipedia· 皮尔逊相关系数皮尔逊相关系数也可以度量两个变量的线性相关。对于两个样本X和Y，σX，σY是它们各自的标准差。那么X、Y的皮尔逊相关系数是：X、Y皮尔逊相关系数的数学方程它的值在-1和+1之间。变量的皮尔逊相关系数分别在-1和0，0和+1之间的样图变量的皮尔逊相关系数分别为-1、0和+1时的样图· 斯皮尔曼等级相关系数斯皮尔曼等级相关系数(SRCC)用单调函数（线性或非线性）来衡量两个样本的依赖性，而皮尔逊相关系数只能衡量线性关系。两个样本之间的斯皮尔曼等级相关系数等于其等级变量之间的皮尔逊相关系数。等级是变量中观测值的相对位置标签。显然，如果观察的两个变量等级相近，那样本的斯皮尔曼等级相关系数就会比较高；如果两个变量的等级不相近，那样本的斯皮尔曼等级相关系数则会比较低。斯皮尔曼等级相关系数大小在+1和-1之间：· 1代表完全正相关· 0代表不相关· 1代表完全负相关文中介绍的统计学中重要知识，初学者们一定要在夯实基础阶段就掌握好。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

时代兴华留学原创内容，谢绝转载。专业选择关乎留学成败，时代兴华留学一般建议如果以后有申请博士的打算，会推进学生重点考虑学校的专业排名。从专业设置来看，美国DS、金工金数都属于偏应用性的学科，开设博士学位的学校非常少，考虑到后期申请的可行性和成功率，今后读博可以重点考虑一下统计专业。统计专业也有利于留美，这是一个STEM项目，OPT36个月，另外题主本科是金融工程，数理基础应该也比较扎实，申请美国名校统计硕士也会有一定优势，最最关键的是美国统计学博士就业前景是很乐观的。在开设统计学专业的美国大学中一般都有两个方向：一个是偏重于理论研究的；一类是偏重于实际应用的。如果是选择理论研究方向的话，主要是专设的统计系或者是在数学系下设统计学，如果选择实用方向的话，所包括的方面相对就比较广泛，比如现在很热门的生物统计，还有经济统计和社会统计学等。这两年统计专业的学生接触的比较多，想要了解具体每个学校的申请要求、招生偏好、申请条件可以资讯时代兴华留学，我会针对题主的情况，提供一些建议。美国统计学专业分支及研究方向： 以上是时代兴华留学为大家提供的内容，希望可以帮到大家，关注时代兴华留学，关注更多留学干货分享，当然，如果有想了解的留学问题，也可以咨询时代兴华留学。

6月18日，复旦大学管理学院数据科学与商务分析硕士项目（DS&BA）正式启动招生。该项目立足复旦管院的校友优势，采用了双导师制，每位学生都将在校内导师和业界导师的共同指导下完成毕业论文。复旦大学管理学院陆雄文院长复旦大学管理学院郑明副院长当天下午举办的启动说明会上，复旦大学研究生院楚永全副院长，复旦大学管理学院陆雄文院长、郑明副院长，统计学系系主任张新生教授，项目学术主任夏寅教授，以及项目授课教师代表，共同对这一项目做出了介绍和说明。复旦大学管理学院郑明副院长首先对数据科学与商务分析硕士项目进行了介绍。该硕士项目学生将系统学习商务统计方法、商务决策模型、数据管理与挖掘技术等课程，从而具备应用定量方法处理与分析复杂商务数据、并应用于解决商务领域中的决策与管理等问题的能力。值得注意的是，与现行世界上其他高校推出的类似硕士项目不同，复旦管院的数据科学与商务分析硕士项目特别设计采用了双导师制，邀请复旦管院的校友资源作为业界导师。每位学生都将在校内导师和业界导师的共同指导下完成毕业论文。郑明表示：“该项目的推出旨在着眼未来，培养适应商务智能化发展趋势的管理精英；放眼国际，培养领导全球商务分析行业的技术领袖；立足上海，培养服务上海科创中心建设和智能金融科技建设的领军人才。”复旦大学管理学院陆雄文院长也在致辞中表示，在迅猛发展的大数据时代，各行各业每天都会产生海量的数据，数据搜集和储存只是第一步，更重要的是懂得分析、应用这些数据，掌握数据分析技术的能力就是未来的竞争力。该项目招生对象为应届本科，推荐免试生为主，要求学生具备较强的数理基础、计算机编程能力。项目学制为期2年，全日制，课程设置方面统计学有关课程占40%、管理学方面课程30%、计算机和大数据占30%。2020年首届预计招生40-50人，达到学位要求者，授予应用统计（数据科学与商务分析方向）专业硕士学位。

近日，教育部公布了2020年度普通高等学校本科专业备案和审批结果，本年度各高校新增备案专业2046个、审批专业177个，调整学位授予门类或修业年限专业93个，撤销专业518个，列入普通高等学校本科专业目录的新专业37个。本次专业调整有何变化？哪个专业是国内高校首次设立？哪些新增专业成为热门？37个新专业列入高校本科专业目录根据审批结果，智能飞行器技术、量子信息科学、融合教育、古文字学、能源互联网工程、智慧交通等37个新专业列入普通高等学校本科专业目录。新增专业涉及法学、教育学、历史学、理学、工学、农学、医学、管理学、艺术学等多个门类。从新增专业来看，更多地聚焦了人工智能领域，如电子信息领域的智能测控工程，医学领域的智能影像工程，资源开采领域的智能采矿工程专业，交通运输领域的智慧交通，以及无人机领域的智能飞行器技术专业。在新增审批本科专业中，航空服务艺术与管理和网络空间安全分别有29所和9所高校新增，超过其他专业，位居第一位和第二位，密码科学与技术和运动训练专业新增高校位居第三（均为7所）。中国地质大学（北京）的自然资源登记与管理专业也在新增审批名单中，并成功获批。该专业系国内首次设立，填补了国内自然资源和不动产统一确权登记领域专门型人才培养的专业空白。西北农林科技大学申报的智慧牧业科学与工程专业也成功获批，该专业是教育部首次批准设立的新农科专业。人工智能、大数据专业依旧火爆随着科技的发展，人工智能专业开始迅速发展起来。据统计，本次新增备案本科专业名单中，新增备案专业数量最多的是人工智能，共130所高校新增，既包括清华大学、华北电力大学、中国地质大学（北京）、东北林业大学等“双一流”院校，也有像大连民族大学、北方工业大学、天津师范大学等普通本科院校。虽然相比上一年度180所高校新增该专业有所下降，但依然受高校青睐。此外，与智能科学和大数据相关的专业也新增较多。包括大连理工大学、华东理工大学、西南交通大学等84所高校均新增了智能制造工程专业，国际关系学院、中国地质大学（北京）、华中科技大学等62所高校新增数据科学与大数据技术专业，北京化工大学、北京邮电大学、江南大学等59所高校新增大数据管理与应用专业，山东大学、武汉理工大学、华中农业大学等53所高校新增机器人工程专业。从公布的新增审批名单中我们发现，与大数据相关的专业，还包括数据警务技术。近年来，全国公安机关紧紧围绕公安大数据战略目标，全面深入推进公安大数据智能化建设，数据对公安工作创新发展的支撑作用日益增强。在此背景下，全国各级公安机关急需能够熟练运用大数据技术，从事公安大数据管理、数据分析与预测、决策与指挥的复合型、创新型人才。此次，中国人民公安大学和中央司法警官学院两所政法类高校新增该专业恰逢其时。大批高校积极开办人工智能、大数据等专业，也是自2018年教育部在制定《高等学校引领人工智能创新行动计划》，并研究设立人工智能专业，以及《教育部关于加快建设高水平本科教育 全面提高人才培养能力的意见》发布以来，落实教育部要求，主动布局人工智能、大数据等战略性新兴产业发展相关专业的有力证明。在人工智能专业备受高校追捧的同时，市场对人才的需求如何？近期，专注招聘市场的知名企业发布了《2021年互联网产业求职指南》，数据显示，人工智能岗位高薪且处竞争洼地。由于当前人才供给尚不完善，形成了竞争热度低、招聘薪资高（19010元/月）的引才局势。人工智能对从业者的技术功底和学习能力最为看重，对本科及以上学历人才要求占比86.3%，其中要求硕士及以上岗位占3成。人工智能作为新兴技术，市场缺乏经验对口人才，各大公司愿意给予学历高、专业性强、能力强的综合素质人才更多机会。42所高校办跨境电子商务专业数字媒体艺术就业向好随着网络直播、线上卖货等形式的电商兴起，此次新增专业中，也出现了与此行业相关的专业。比如，沈阳航空航天大学、大连艺术学院等42所高校均新增了跨境电子商务专业。该专业主要面向跨境电子商务应用企业，从事跨境电子商务平台运营、视觉设计、跨境电子商务网络营销与活动策划、跨境电子商务客户服务、国际物流与供应链管理、国际市场推广等工作。另外，值得注意的是，2020年度，全国有46所高校新增网络与新媒体专业，27所高校新增数字媒体艺术专业，与2019年度相比增加较多。本次增设，均是高校紧跟时代发展、市场需求等情况而采取的措施。实际上，数字媒体艺术专业并非新专业。2012年9月，教育部将新的数字媒体艺术专业取代旧的数字媒体艺术和数字游戏设计两个专业。经过几年的培养，该专业毕业生的就业情况怎样？由《中国大学生就业报告》可知，数字媒体艺术专业近四年均入选本科就业绿牌专业榜单，就业形势持续向好。从月收入来看，该专业近四届毕业生毕业半年后平均月薪逐年上升，2019届达5919元。注：绿牌专业：失业量较小，就业率、月收入和就业满意度综合较高的专业，为需求增长型专业。本次新增专业的成功获批，优化了高校的专业结构，使专业布局更为合理，增强了本科专业建设的核心竞争力，为学校进一步提升人才培养质量注入新的活力。来源：麦可思研究综合整理自东北新闻网、中国人民公安大学官微、中国地质大学（北京）官微、西北农林科技大学网站、重庆晨报、《中国大学生就业报告》等，转载请注明来源。

全文共2534字，预计学习时长7分钟图源：unsplash统计数据是运用实验数据扩展人类知识面的科学与实践，以应用数学的一个分支——统计理论为基础。统计理论中，随机事件和不确定性通过概率论建模。要想开启一个兼具意义和效果的数据科学项目，需要深入理解原始数据和相关领域知识。初步的统计工具和可视化图表，能帮助人们更深入、直观地理解数据及其行为。统计学包含许多基本概念，如描述性统计和推断性统计。描述性统计使用均值、标准差等指标总结样本数据，推断性统计从随机变化的数据中得出结论。描述性统计可用于分析人口数据，数值描述符包括均值和标准差，多用于连续数据类型(如收入)，而频率和百分比则在描述分类数据(如教育)方面更为有效。对人口数据进行具有意义的总结时，需要推断性统计。推断性统计通过样本数据模式，推断数据所代表的人群，同时考虑随机性。计算统计学，或统计计算，是连接统计学和计算机科学的桥梁，是具体到数理统计科学的计算科学（或科学计算）。统计实践包括对不确定研究对象进行整理、总结和解释。鉴于统计数据是为了从现存数据中提取最佳信息，有的作者将统计数据视为决策理论的分支。随机试验中，实验方案中指定的随机方式用于指导统计分析，而统计分析在实验方案中往往也是特定的。例如，测量系统分析（MSA）是一种实验数学方法，用于确定在测量过程中的变化对整个过程可变性的贡献率。本文将介绍最适用易用的统计概念，以便启动一个成功的数据科学项目。均值或平均值均值或平均值是一组数字的总和除以该组数字的计数。这组数字往往是某一实验或观察性研究的一系列结果，或是某一调查的一系列结果。在某些情况下，“数学平均值”的说法更受青睐，因为它能很好区别于几何平均值、调和平均值等其他平均值。方差方差是随机变量偏离其平均值的平方的期望值。通俗来说，它衡量的是一组数字与其平均值的差距。方差在统计学中处于核心地位，使用场景涵盖描述性统计、统计推断、假设检验、拟合优度和蒙特卡罗抽样。方差分析方差分析(ANOVA)是统计假设检验的一种形式，广泛用于实验数据分析。假设零假设是真实的，如果测试结果(依据零假设和样本计算得出)被认为不可能是偶然发生的，那么它就具有统计显著性。当概率(p值)小于预先设定的临界值(显著性水平)，统计显著性结果便可证明拒绝零假设的合理性，但前提是零假设的先验概率不高。图源：unsplash标准差标准差衡量的是一组值的变化量或离差。低标准差表示数值大小接近集合的平均值(也称期望值)，高标准差则表示数值范围跨度较大。错误从一个零假设出发，可识别错误的两种基本形式:· 第一类错误，错误拒绝零假设，呈现“假阳性”。· 第二类错误，即原假设未能被拒绝，且总体之间的实际差异被忽略，呈现“假阴性”。卡方检验(Chi-squared test)卡方检验，也称χ2检验，是一种统计假设检验，当检验统计量在零假设下呈卡方分布，尤其是皮尔逊卡方检验及其变体中，卡方检验有效。皮尔逊卡方检验用于确定在一个或多个列联表类别中，预期频率和实际频率之间是否存在统计显著性差异。t检验（Student’s t-test）如果测试统计中比例项已知，当测试统计遵循正态分布时，t检验最为常用。当比例项未知且被基于数据的估算替代时，测试统计遵循t分布。例如，t检验可用于确定两组数据的平均值是否存在显著差异。皮尔逊（Pearson）相关系数皮尔逊相关系数是两个变量的协方差除以其标准差的乘积。该定义涉及“乘积矩”，即均值调整随机变量的乘积的均值(关于原点的第一个矩)，因此名称中出现了修饰语积矩。图源：unsplash相关性和依赖性相关性或依赖性代指两个随机变量或双变量数据之间的所有统计关系，无论是否是因果关系。广义上的相关性涵盖所有统计关联，虽然它通常指的是一对变量线性相关的程度。依赖现象的常见例子包括父母及其子女身体状况之间的联系，商品价格和消费者愿意购买数量之间的联系，正如需求曲线所描述的那样。回归分析回归分析是一系列统计过程，用于测算因变量和一个或多个自变量之间的关系。最常见的回归分析是线性回归，即研究人员根据特定的数学标准找到最符合数据的直线。斯皮尔曼等级（Spearman’s rank）相关系数两个变量之间的斯皮尔曼相关等于这两个变量的等级值之间的皮尔逊相关；皮尔逊相关评估线性关系，而斯皮尔曼相关评估单调关系(无论线性与否)。如果没有重复的数据值，每个变量都是另一个变量的完美单调函数时，就会出现+1或1的完美斯皮尔曼相关。概率论概率论是从计算的角度对可能事件进行研究。换言之，概率论是用于分析随机事件的数学分支。随机试验中，在进行试验之前，所有可能结果都已知，但并不确定会出现哪种结果，并且试验可以在相同的条件下以期望的频率进行。概率论的核心是随机变量、随机过程和事件。除解释随机现象之外，概率论还检验非随机事件，这些事件通过多次重复测试，结果会遵循特定的模式。检验这些模式的结果是大数定律和中心极限定理。图源：unsplash时间序列分析时间序列分析包括分析时间序列数据，以提取有意义的统计数据和数据的其他特征。时间序列预测基于先前观察值，使用模型来预测未来值。虽然回归分析常用于检验一个或多个独立时间序列的当前值对另一个时间序列当前值的影响，但这种类型的时间序列分析并不是人们所说的“时间序列分析”。时间序列分析侧重于比较单个时间序列或多个相关时间序列在不同时间点的值，中断时间序列分析是干预单个时间序列的分析。想要完成一个成功的数据科学项目，以上的统计知识必不可少。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

当前，在信息技术席卷了整个世界，大学纷纷开设计算机类的专业，仿佛成了一个潮流；在社会上，计算机类专业也成为一个万众瞩目的热点，在某些媒体的文章中，仿佛只要考上了计算机类的专业，马上就能成为一个所谓的“金领”。事实上未必如此，一个普通学校蹭热点开设的某个高大上的专业，就业的时候，未必要比那些普通的工科专业更有优势。更多的人，充当的是“炮灰”！根据阳光高考信息平台的统计数据和网络相关信息，对计算机专业进行了整理，希望给某人泼点冷水、降降温，用冷静的思维来看待这个专业大类。在我国的高等学校本科专业分类中，到目前为止，计算机类专业共有17个，具体包括：计算机科学与工程、软件工程、网络工程、信息安全、物联网工程、数字媒体技术、智能科学与技术、空间信息与数字技术、电子与计算机工程、数据科学与大数据技术、网络空间安全、新媒体技术、电影制作、保密技术、服务科学与工程、虚拟现实技术、区块链工程。其中，数据科学与大数据技术、网络空间安全、新媒体技术、电影制作、保密技术、服务科学与工程、虚拟现实技术、区块链工程等8个专业为2015年以后设立，截止目前为止，尚未有本科毕业生走向社会。其他9个设立比较早的专业，从阳光高考信息平台2017年的发布的统计数据中，摘录了以下几方面的数据及资料：开设院校数量、特殊培养方向、报考硕士比较集中的专业、毕业生数量、本科毕业生就业率，供大家参考。1、计算机科学与技术专业开设院校数量：957所特殊培养方向：NET、JAVA、大数据、云计算、软件工程、金融信息化、嵌入式软件、传媒设计与制作、计算机网络技术、移动互联网信息与技术报考硕士比较集中的专业：计算机技术、计算机科学与技术、工商管理、软件工程毕业生数量：100000人以上本科毕业生就业率：90%-95%。2、软件工程专业开设院校数量：598所特殊培养方向：JAVA、大数据、云计算、软件设计、数字媒体、金融软件开发、嵌入式应用开发、软件开发与测试、移动互联网开发、移动设备应用开发报考硕士比较集中的专业：软件工程、计算机技术、计算机科学与技术毕业生数量：55000人到60000人本科毕业生就业率：90%-95%3、网络工程专业开设院校数量：428所特殊培养方向：物联网、铁道信号、智慧城市、渗透与测试、网络安全与攻防、网络工程与管理、移动互联网开发、云计算与大数据、网络系统开发与管理、网络系统集成与网络安全报考硕士比较集中的专业：计算机技术、计算机科学与技术、软件工程、计算机应用技术毕业生数量：20000人到22000人本科毕业生就业率：90%-95%4、信息安全专业开设院校数量：109所特殊培养方向：保密专业报考硕士比较集中的专业：计算机技术、计算机科学与技术、网络空间安全、软件工程毕业生数量：4500人到5000人本科毕业生就业率：90%-95%5、物联网工程专业开设院校数量：513所特殊培养方向：电商物联网、移动嵌入式、智能机器人、物联网大数据采集与分析报考硕士比较集中的专业：计算机技术、计算机科学与技术、软件工程、电子与通信工程毕业生数量：14000人到16000人本科毕业生就业率：90%-95%6、数字媒体技术专业开设院校数量：245所特殊培养方向：游戏开发、移动媒体开发、游戏设计技术、动漫设计与制作、动漫与影视后期制作、数字影视动画技术与应用、虚拟现实及游戏开发技术报考硕士比较集中的专业：计算机技术、软件工程、计算机科学与技术、计算机应用技术毕业生数量：8000人到9000人本科毕业生就业率：90%-95%7、智能科学与技术专业开设院校数量：63所特殊培养方向：无报考硕士比较集中的专业：计算机科学与技术、计算机技术、控制科学与工程、控制工程毕业生数量：1000到1500人本科毕业生就业率：90%到95%8、空间信息与数字技术专业开设院校数量：18所特殊培养方向：无报考硕士比较集中的专业：地图学与地理信息系统、电子与通信工程、测绘工程、软件工程毕业生数量：500到600人本科毕业生就业率：95%到100%9、电子与计算机工程专业开设院校数量：6所特殊培养方向：无报考硕士比较集中的专业：电子科学与技术、法律（非法学）、软件工程、工商管理毕业生数量：150到200本科毕业生就业率：95%到100%10、数据科学与大数据技术专业2015年备案新增本科专业，2016年开始招生。该专业最早在2015年备案新增，2016年获得批准设置，首批招生大学有北京大学、对外经济贸易大学、中南大学3所高校；在2017年教育部公布的《2016年度普通高等学校本科专业备案和审批结果》中，获批新增“数据科学与大数据技术”专业的高校达到了32所。2018年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》，数据科学与大数据技术专业共有248所高校申请获批。11、网络空间安全专业2015年备案新增本科专业，2016年开始招生。2015年6月，西安电子科技大学网络与信息安全学院首次面向全校大一、大二本科生，分别选拔39名和40名学生设立了网络空间安全实验班。2017年8月，中央网信办、教育部印发的《一流网络安全学院建设示范项目管理办法》，中央网信办、教育部共同组织来自各方面的专家和代表，对申办高校进行了评审打分。按照专家评分结果，确定了7所高校作为首批一流网络安全学院建设示范项目，分别为：西安电子科技大学、东南大学、武汉大学、北京航空航天大学、四川大学、中国科学技术大学、战略支援部队信息工程大学。2018年，共约50所院校开设本专业。12、新媒体技术专业2016年备案新增本科专业，2017年开始招生。截止2018年，共有14所院校设立了本专业。13、电影制作专业2016年备案新增本科专业，2017年开始招生。只有上海电影学院一所院校招生。14、保密技术专业2017年备案新增本科专业，2018年开始招生。截止目前，先后成立了12所国家保密学院，分别是：南京大学国家保密学院、哈尔滨工程大学国家保密学院、中山大学国家保密学院、西北工业大学国家保密学院、复旦大学国家保密学院、中国海洋大学国家保密学院、北京交通大学国家保密学院、湖南大学国家保密学院、天津大学国家保密学院、四川大学国家保密学院、武汉大学国家保密学院。15、服务科学与工程专业2019年备案新增本科专业，2020年开始招生。只有哈尔滨工业大学一所大学开设本专业。16、虚拟现实技术专业2019年备案新增本科专业，2020年开始招生。本科专业有四所院校：河北东方学院、吉林动画学院、江西理工大学、江西科技师范大学。另外有71所高职院校在2019年就已开设了“虚拟现实技术”专业。17、区块链工程专业2019年备案新增本科专业，2020年开始招生。成都信息工程大学是唯一设立本专业的院校。另外，国内有数十个院校（清华大学、北京大学、浙江大学、同济大学、上海交通大学、复旦大学、武汉大学等）开设区块链相关专业课程。统计数据说明：在2017年，我们高校计算机类本科毕业生数量已经超过了21万人，平均毕业生就业率接近95%。这个数据在所有的高校本科专业中，可以说是很不错。其中，空间信息专业的表现最好，这跟专业的特色有关。从特殊培养方向来看，培养方向越多的专业，说明了几个可能性：一是开设这个专业的某些院校对本专业有着特殊定位，也不排除蹭热点的可能；二是专业的教学及科研能力有限，无法完成专业的教学及科研，只好另辟蹊径；三是无法准确定位该专业的教学目标及培养目标；四是专业的成熟度不高。从报考研究生的方面来看，多数集中在计算机类专业；计算机科学与技术专业有相当比较学生跨考工商管理专业，这两个专业的相关度很低；物联网专业一定比例学生跨考电子与通信工程专业，因为物联网专业与电子与通信工程有很大的相关度；智能科学与技术专业因为和控制工程相关度很高，跨考控制类专业研究生的比例也比较大；电子与计算机工程专业应当是一个面临取消的专业，跨考法学和工商管理的比例较高；空间信息与数字技术专业考研集中的专业，都是本专业相关度很高的专业。对于那些新增设的专业，在些只能提醒一下，学科建设和专业的成熟需要一定的时间，报考时一定要认真考查那些院校的教学科研能力，慎重考虑。不能排除原来有些院校把自己的特殊培养方向申请增设为新专业，某些院校的教学科研能力堪忧。