研究生数据科学专业

编译 | 龚倩校对 | 青暮这篇文章介绍了在攻读数据科学或机器学习硕士学位时需要考虑的最重要的一些因素。作者是美国德克萨斯州奥斯汀的按需递送公司Favor Delivery高级数据科学家Matthew Przybyla。1简介我已经研究并做过许多数据科学领域的硕士项目，于是我开始逐渐认识到哪些特征能够决定一个项目是非常好或是仅仅还可以，以及总体而言需要考虑哪些因素。虽然在选择最终要攻读哪一个硕士学位时有无数因素需要考虑，但我总结了在数据科学领域选择硕士学位时需要考虑的五个因素。我希望你也能了解这些因素，并在进行选择时参考一下这些因素，希望这最终能帮助你成为一名拥有硕士学位的专业数据科学家。2学费这个话题可能不太适合公开讨论，因为它常常涉及个人比较具体的金钱或财务状况，或者你有多少钱，你愿意花多少钱攻读一个学位。话虽如此，我希望看到更多的人讨论学费及其影响，不仅是在求学之前，而且在选择自己的研究生项目之后。我读硕士花了不少钱，将近6万美元，尽管对我来说这确实是很大的一笔钱，但我认为，我的投资是得到了回报的，因此这个金额是我愿意支付的。我的意思是，我取得了数据科学硕士学位，在完成学业后有了一份数据科学的工作，并长期在此领域从业，我向自己证明了所有投资都是值得的，因为我得到了在其他领域从业可能无法得到的丰厚报酬。虽然你面试或工作的一些公司可能不要求硕士学位，但至少有些公司是要求的，或者会把硕士学位作为一个职位诉求的加分项。一个硕士学位能够向公司证明，你花了数月的时间学习和专攻某种技能，从而让他们在你的面试表现之外对你的能力有更多的信任和信心。话虽这么说，如果学费比较低，绝不意味着就是一项糟糕的投资，反之亦然，学费仅仅只是你在报读最终的数据科学硕士项目时需要考虑的一个因素而已。其实最终你需要考虑很多问题，总的来说，学费，也就是花多少钱攻读学位是非常重要的一个问题。以下是你需要考虑学费的原因：投资回报你愿意在一定时间内承担多少债务学费花多少钱对你来说是可接受的学费是否比我以下要讨论的其他因素更重要你的雇主是否愿意支付你的学费正如你所见，学费是决定你最终上哪所学校的一个重要因素。完成学业后，如果你的目标不是成为一名数据科学家，那就不要让自己负债累累；如果你只是出于好奇想学习更多知识，不如攻读一个更便宜、所需时间更短的数据科学学位。但是，当你决定攻读硕士学位时，学校本身、它所处的地理位置都和学费一样重要。3学费学校的地理位置（即使是远程上课）现在很多硕士课程都是在线的，尤其是在数据科学领域。世界发展的态势使得在线上课更加普遍。但即使学校的课程是完全在线或远程上课的，也必须考虑学校的地理位置。究其原因，是因为学校所在的地方往往就是你工作的地方。当你申请数据科学职位时，如果你是在该公司所在州或城市的一所名校取得的学位，那你会更有优势。举个例子，我在德克萨斯州的达拉斯市的南卫理公会大学（SMU）完成了硕士学位。大部分课程都是远程的（有一些需要到学校上）。因为我是在德克萨斯州求职，该州的公司、招聘经理和招聘人员对SMU这所学校都更熟悉。虽然这不一定能保证更多的招聘人员和经理会更加认可你，但对一些招聘人员来说，这种熟悉感确实有可能让他们更认可你，而这多一点的认可就可能发挥很大的作用。此外，如果你上的学校离你住的地方比较近，你可以和其他上同一所学校的人建立联系和社交网络。如果你需要到学校去上课，那么学校的地理位置绝对会是一个重要的决定因素。大多数人会一边读研一边工作，也就是说，如果通勤时间短是比较好的，这样你就不会耗费太多精力在赶路上。为什么需要考虑学校的地理位置：学校的名声会让公司、招聘人员和招聘经理注意到你，或更容易让你脱颖而出与校友建立联系如果是在校上课，学校的地理位置就决定着通勤时间的长短无论你是在校学习、远程或在线学习，还是两种形式的混合学习，在决定报考一个学校的数据科学硕士时，学校所处的地理位置都是一个重要因素。接下来需要考虑的是课程时长。4课程时长根据你目前的状况，你可能也觉得这个因素是特别重要的。数据科学硕士课程的时长差异很大。虽然通常来说攻读硕士学位需要两年的时间，但有些项目时间很短——甚至大约只需一年的时间。你可能还需要解决一些其他的问题，比如你是否有孩子、是否想在长达一年的时间里一边学习一边工作、是否想在学习之余有三个月的假期或暑假等等。我读完硕士总共用了将近2年的时间，有33个学分。这种安排是比较合适的，因为我有一些休息时间，同时也没有浪费太多时间。课程时长可能会受到以下因素的影响：你是希望上一个慢速课程还是常规课程如果你时间紧迫，有些方向还能提供快速课程你的老板支付给你的工资能够负担一个较短还是较长时长的课程如果你有家庭，并想选择一个慢速课程，以便减少一周的课程量，这样你就能更好地平衡学习、工作和生活以上几个原因可以说明为什么课程时长也是重要的考虑因素。我已经讨论了一些我所经历过的显而易见的原因，应该也可以适用于你的情况。一旦你深入了解了特定的硕士方向，你也就会想要考虑该方向提供的不同类型的专业。5专业类型通常，硕士项目会提供更具体的数据科学领域的专业。不同方向也会有不同的专业。例如，我可以选择更多地偏向于商业分析，而不是机器学习。有些方向可能根本不分方向，所以谨记这一点也很重要。我选择把重点放在机器学习上，因为我想更多地了解常见的机器学习算法，以及如何将它们应用到商业环境中，还有利用机器学习来编程。商业分析方法适用于那些希望更加面向客户的人，可能是公司的高层领导，他们利用数据科学的知识来帮助他们进行决策；或者是那些希望更少关注代码和编程，而更多地关注想法的人。以下是一些常见的专业：统计数据分析商业分析数据挖掘机器学习根据你的职业规划，专业可能是非常有用的。我会比较不同类型的专业，看看哪个最适合你，也看看每个专业下有哪些课程。有时候，一个专业只有一到两门课程，而有些则可能有五到六门。需要注意的是，有些方向不分专业，但会提供选修课，在某种程度上，这些选修课能起到与专业课相同的作用，并且这些选修课程是由你自己选择的，而不是学校安排的。例如，如果你发现你修的五门选修课中有三门都是高级统计课程，那么在你的简历中突出这一点将会对你大有裨益。不管你最终选择哪种课程安排，申请硕士方向时，专业都是需要考虑的关键因素。也就是说，一个方向总的来说能够提供的主要课程和选修课也是需要考虑的重要因素。课程 要具体比较不同类型的专业，你在一个研究方向中所修的课程也是非常重要的。我能给的最好的建议就是确保你不会选修太多数据科学专业的通识课。数据科学专业涵盖了统计学和机器学习等几个不同的方面；然而，如果你想要专攻这个领域，或至少拥有更有针对性和较为深入的知识经验，那么你需要确保自己可以上几个综合课程。例如，如果你想学习语言领域，确保有一门以上的自然语言处理（NLP）课程可选，这样你的钱就能花得值了。6顶点项目硕士课程独具的一个特点是要求学生有能力完成一个顶点项目。这个项目通常有较多学分，因为你们可能需要在两个学期内进行研究并完成。你将和一组同学一起进行研究，有一个教授作为导师，还有一个与你的论文相关方面的专家作为专业导师。顶点项目通常包括presentation和发表一篇论文。比如，我的顶点项目主题是虚假新闻检测。这是向你未来的雇主展示你如何与队友协作，你希望在数据科学领域中专攻哪个方向，以及你在该领域的学术能力的一种极好的方式。一个顶点项目可能会帮助你在数据科学领域找到一份工作，因为你的文章将会被公开发表，同时也会被同行评议。以下是在完成顶点项目时需要考虑的一些关键要素，以及考虑它们能够带来的好处：你会和多少人一起工作你将和谁一起工作（仅仅是同学，你的课程顾问，或者专业导师？）有多少学分/它在整个项目中的占比顶点项目的时间期限是否需要向观众展示你的顶点项目好处放进你的简历里成为机器学习的某个特定方向的专家积累经验，不仅是在学校中的经验，而是与现实世界更密切相关的社会经验正如你所看到的，研究生期间的顶点项目是非常独特的（与本科项目或学位相比），并且和其他项目相比也是很独特的，因此思索一下你将从某个顶点项目中收获什么是至关重要的。沉浸式学习除了一个顶点项目，研究生课程还提供了一种所谓的沉浸式学习（immersion）。这通常是面对面进行的活动，你会第一次见到你的同学和教授，与数据科学领域的先驱和专业人士建立联系，并听取和评价你的顶点项目。7总结研究、申报和攻读一个数据科学的理学硕士学位可能确实是困难重重的。然而，我希望我能够阐明一些在申请硕士学位时最需要考虑的因素。虽然我已经讨论了五个，但还有很多其他因素也很重要，所以请记住，还有许多问题需要研究和思考。在取得硕士学位后，我可以确定地说，我在过去和在这篇文章中所提出的，选择研究生院的重要因素，现在仍然是有价值的。 原文链接：https://towardsdatascience.com/5-things-to-consider-in-a-data-science-masters-degree-48a84028959d

首先，对于当前选择数据科学与大数据专业的同学来说，继续读研是不错的选择，一方面原因是当前大数据技术尚处在落地应用的初期，人才需求更注重以研究生为代表的高端人才，另一方面随着产业结构升级的持续推进，未来高端人才也会有更多的发展机会。大数据专业在读研时可以重点考虑两个大的主攻方向，其一是继续从事大数据方面的研究，虽然大数据的技术体系已经趋于成熟，但是大数据领域的创新空间依然非常大，尤其是大数据与产业领域的结合，会有大量的创新点，所有如果选择专硕，可以重点考虑如何利用大数据技术在产业领域创新，这也会为自己打开新的发展路线。其二是选择主攻人工智能领域的相关方向，由于大数据技术与人工智能技术的关系非常紧密，所以在读研期间主攻人工智能相关方向也比较方便。相对于大数据方向来说，人工智能技术体系远没有成熟，所以人工智能技术的创新点还是非常多的，当前计算机视觉、自然语言处理、机器学习等方向也是比较热门的方向。由于数据科学与大数据技术专业是比较新的专业，所以在读研时，如果想有更大的选择空间，可以考虑选择计算机专业，实际上计算机专业也是培养大数据方向研究生的主要专业之一。另外，当前统计、经济、金融等专业也有培养大数据方向研究生的能力，如果未来想在相关领域发展，也可以考虑考研这些专业。最后，虽然算法岗位的岗位附加值比较高，也相对比较适合女孩从事，但是算法岗位当前的竞争还是非常激烈的，所以在读研期间一定要重视开发能力的培养，这也会扩展自己的就业面。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！

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%。

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。

首先，从就业的角度出发，对于普通大学的本科生来说，选择大数据研发方向是比较现实的选择，也就是我们通常所说的开发岗，随着大数据技术的落地应用，产业领域会逐渐释放出大量的开发岗位，而且相对于数据分析岗位来说，开发岗对于人才类型的需求也比较多元化。大数据领域当前的岗位需求主要集中在三大方向，分别是大数据开发、大数据分析和大数据运维，其中大数据分析岗位虽然人才需求量也比较大，但是要在IT互联网领域从事专业的大数据分析（算法）岗位，难度还是比较大的，当前算法岗位往往都需要研究生以上学历，不少博士生也在竞争算法岗，所以整体的就业难度还是比较大的。对于本科生来说，如果要想从事大数据开发岗位，应该从三个方面做好准备，其一是重视编程语言的学习，可以重点关注一下Java语言，虽然当前Python语言在大数据领域的应用也比较多，但是选择Java语言往往有更多的就业机会，Java语言在生产场景下的应用还是比较多的。其二是重视大数据平台知识的学习，大数据平台可以从Hadoop、Spark开始学起，要重点了解大数据平台的技术构成，熟悉其中的API。由于大数据平台的知识量比较大，所以整体的学习周期会相对比较长，要想有一个更好的学习体验，应该结合实践场景来边用边学。其三是重视实践和交流，这对于提升学习效率还是非常重要的，实践能够促进大数据知识的深入学习，而交流能够帮助初学者突破各种学习障碍，当前可以利用互联网来为自己开辟出更多的实践和交流场景。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！

1.排名情况1.1院校层次分布2015年9月国务院推出《促进大数据发展行动纲要》，同年数据科学与大数据技术成为新增备案专业。数据科学与大数据技术距今仅发展了5年，现发展基本稳定且还处于探索阶段。数据科学与大数据技术专业考取难易度排名前100的院校中211及以上院校占29%，重点院校占55%。表1 数据科学与大数据技术专业考取难易度排名Top100数据来源：2018年全国普通本科批录取数据(西藏数据缺失)注：1.本排名代表各院校此专业的综合考取难度排名，单个省份中可能存在差异；2.本排名不包含招生简章中未注明具体招生专业的院校；3.本排名不包含中外合作专业；4.重点包含省重点和全国重点。2.考取难度解析2.1 知名财经类大学热度高上海财经大学、对外经济贸易大学的数据科学与大数据技术的考取难度仅次于同济大学。上财的数据科学与大数据技术为数学、计算机科学和统计学的交叉学科，该专业分为理学和工学两个专业方向，理学方向的建设基础是统计学，工学方向的建设基础是计算机科学与技术。对外经济贸易大学的数据科学与大数据技术专业涉及统计学、数学、计算机科学、经济学、金融学等方面的知识，致力于打造能够从事经济、金融、管理等领域的数据分析工作的复合型人才。2.2 中国农大数据科学与大数据技术的报考难度高中国农业大学的数据科学与大数据技术考取难度排在第9位，该院校的数据科学与大数据技术专业于2018年新增。该专业设有国际班，就读于中国农大数据科学与大数据技术专业的学生有机会获得500强高校的学历学位。专业课程设置侧重于计算机，如：Spark核心编程、数据可视化等，基本符合当今的市场需求，可从事职业也较为多元化，不局限于数据分析和数据挖掘。特别声明：本文为优志愿原创作品。未经著作权人授权，禁止转载和使用，否则将承担法律责任。填志愿时在大厚本上翻找资料，很容易遗漏掉一些不错的院校，优志愿分享高考资讯、填报志愿、大学、专业等相关的信息，帮助您轻松获取历年分数线等数据资料。

很多小伙伴都表示，外国的专业太多了，出国留学如果不想学习本专业的话，都不知道学什么专业，今天我就来给大家介绍一个听起来十分高大上，实际上也十分高大上的专业——数据科学！数据是任何组织的重要资产。它对客户行为，市场情报和运营绩效等领域提供了宝贵的见解。数据科学家构建智能系统来管理，解释，理解和从大数据集中获取关键知识。如果您具有强大的数学或定量背景，该学位将培养您在使用数据科学指导您所在专业领域的战略决策方面的分析和技术技能。数据科学硕士是一个专业学位，适合那些热衷于从数据中提取有意义的知识以推动业务决策或研究成果的人。它将培养您的分析和技术技能，以使用数据科学来指导您所在领域的战略决策。它还可以灵活地根据您的专业和个人兴趣定制学习。利用悉尼大学的研究优势，您将探索最新的数据挖掘，机器学习和数据可视化知识，同时开发有效地向关键利益相关者传达数据见解的技能。数据科学硕士将提供知识，技能和经验，使毕业生能够作为任何应用领域的数据科学家独立工作。该课程提供的培训还支持以下几种职业道路：在机器智能研究的前沿磨练数据技能，成为数据科学家;在现有专业领域（例如，采矿分析师等）建立智能数据驱动系统;通过数据管理，分析和建模方面的培训改进科学研究。学制与学费：一年全日制课程，学费为每年46000澳币，约合人民币22万每年。语言要求：雅思要求总分6.5，小分不低于6.0申请要求：985/211大学申请者需要达到均分75分以上，非211大学申请者均分需要达到80以上。需要本科学习的为相关领域。如若没有相关背景仍想学习此课程可以去申请此专业的GC课程，或有相关专业的三年工作经验。

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

大数据是目前互联网很火的一个词，在高考时，很多考生都选择了其对应的专业“大数据”，有些在本科所学知识涉及到大数据的很少，多和计算机相关的。那么本科大数据考研考什么专业？大数据专业属于计算机专业的一种，考研可以选择计算机科学技术一级学科门类下的专业。考研时可以选择考学硕或者专硕，专硕报考人数相对多。学硕偏向学术理论，专硕偏向实践应用。学硕的学科是计算机科学与技术，而专硕计算机所有相关的专业在报考时基本上不区分专业，统一为电子信息硕士，不同学校，电子信息研究方向不同，甚至同一个学校不同学院电子信息方向也不同。计算机科学技术下分专业有：保密科学与技术、大数据科学与工程、高可靠嵌入式系统、海洋技术、集成电路与系统、计算机科学与技术、计算机软件与理论、计算机网络与信息安全、计算机系统结构、计算机应用技术、健康大数据与智能医学、金融信息工程、人工智能、数据科学、数据科学和信息技术、数字媒体技术、网络安全技术与工程、网络信息安全、物联网工程、物联网工程与技术、物联网技术、新药物与新材料、信息安全、医疗信息技术、智能交通技术、智能科学与技术、智能医学诊疗。如：大数据科学与工程，开设的院校有：中国人民大学。如计算机科学与技术，开设院校最多，如：（以下仅展示部分）以北京大学软件与微电子学院的电子信息（专硕）为例，一共有9个方向，分别是（01）软件工程（02）网络安全（03）智能科技（04）软件 程实验班（05）集成电路（06）电子通信（07）集成电路实验班（08）金融科技（09）计算机技术。再以浙江大学为例，多个学院均招收电子信息专硕，而且每个学院的电子信息方向都不同，和本学院有一定的相关性，像生物医学工程与仪器科学学院的电子信息专硕研究方向有生物医学工程、仪器仪表工程。那么学大数据的同学了解后，可以选择考学硕也可以选择考电子信息专硕，具体再看高校的研究方向是否感兴趣，再进行选择。可以直接在中国研究生招生信息网的硕士目录进行查询。想了解更多精彩内容，快来关注51考研网