数据科学专业，部分学校的专业设置也叫做数据分析或者大数据，;《哈佛商业评论》称作“21世纪最热门的职业”。这是为什么呢?请看小编为你整理的美国研究生优势专业之数据科学。
近年来，留学人数保持两位数的增速，海归在国内求职市场上的竞争力优势愈来愈小，中国留学家庭对于留学的需求也是越来越细致具体。学生和家长关注的留学重点已经从单一的学校排名，渐渐向留学后的职业规划和未来就业情况转移。专业意味着未来的工作内容，生活方式，情感状态。它还意味着你未来的朋友圈，职场圈。如果把职业理想和就业目标当做目的地，那么专业选择就是路线的主要内容。
以现在的留美形势，有没有专业既能保障毕业后接近100%就业，每年5万美金以上不错的薪水?有留学老师给出了一个肯定的答案——数据科学专业，部分学校的专业设置也叫做数据分析或者大数据。
为什么说数据科学专业毕业就等于就业?根据麦肯锡相关报告显示，2018年前，美国数据分析师的岗位需求缺口高达14万到19万。美国财富杂志关于美国财富500强的调查报告中也显示，85%的500强企业要么已经推出了大数据项目，要么正打算这么做，而且在未来几年中，他们花在数据分析上的投资将平均上涨36%;《哈佛商业评论》将数据分析称作“21世纪最热门的职业”;根据美国就业市场分析公司Wanted Analytics的统计，目前网络上招聘数据分析师的广告一共有31000多条，如果从2009年4月算起，上涨了246%。这些招聘广告里给出的年薪从73450美元到89750美元不等。这个工作职位对应的专业不是传统的计算机科学或者是计算机工程，而是一个新兴专业-数据科学(Data Science).美国有很多进行公司数据分析运作的公司，例如著名的费埃哲公司(FICO)。他们的客户群体遍布政府机构和银行、保险、医疗、零售等，帮助客户运作大数据项目，FICO一直在全力招聘更多的数据专家。
从专业设置层面分析，美国多数学校对数据科学专业没有明确划分，大部分只是在计算机科学的课程里涉及一些相关的课程。但随着市场需求猛增，已经有大学开始专门培养数据人才。卡内基梅隆大学(CMU)开设的Master of Information Technology Strategy 就有单独的Big Data& Analytic 方向。这个项目是单独设立，由工程学院、计算机科学学院以及人类和社会发展学院共同授课。
从申请层面讲，该专业对学生的背景有一定的要求。但是只要你学过数据结构、统计和概率论、经济学，会使用C语言或者C++，那就具备了申请的条件。由此可以推论数学类、工程类、科学类、统计类、经济学(学过计算机课程)都可以尝试申请此专业。这又和美国企业对此岗位的能力要求是工作者要有Quant Ability不谋而合。
随着中国自费留学人数逐年大幅增加，中国学生内部的竞争无形的增加了申请难度。如果你还是申请常规的商科工程专业，那竞争的压力要再大一倍。即使你分数和文书都异常优秀获得了美国名校的录取，也有可能因为行业可提供岗位的限制找不到工作。数据科学与分析专业无疑会让你在申请第一步和就业最后一步都占尽优势。
数据科学家要做哪些事?
游戏公司Playstudios的数据科学家乔恩-格林伯格(Jon Greenberg)说：“在日常工作中，我需要管理一系列控制面板，它们提供的信息可以让公司知道，我们的生意到底做得怎么样? 用户在做什么事情?”格林伯格现在是一名经理了，所以他编程的时候没有以往那么多，但是他有时候仍然需要编程。通常来说，他把数据从Apache Hadoop的存储器里调取出来，在分析平台Revolution R上运行它，并对它进行一些可视化处理。“比如说，我们可以从中得知一部分用户如何与新推出的功能互动，”他解释说。
六年前， 格林伯格拿到了统计学的硕士学位。他希望进入政府部门工作，但却惊讶地发现，公司企业非常需要数据科学家。“那个时候，数据科学领域还没有现在这么火爆” 他说。现在，他每天都能从猎头那里收到一个电话或一封邮件。“这种情况不只是发生在我身上，”他说。“所有的数据科学家可能都是这样。”对于格林伯格来说，就业机会很好只是一个加分项，因为他本来就热爱这一行。我认为，要做数据科学工作，你必须得有分析头脑才行，而且还得有好奇心，他说。“你必须得有灵活性和创造性，构思出不同的方法来解决问题。”这项工作的唯一缺点，格林伯格说，就是“清洁”数据(去掉那些没有相关性的结果)需要花费大量时间，“这部分任务并不是那么招人喜欢，你得花很多时间来做它。”
Rajpurohit说，他花了很多精力来清洁数据和做研究。“我很大一部分时间都花在做研究上，因为我经常会遇到全新的问题，因此，我需要研究特定领域最新文献，或者是找找专家，听听他们在这方面的看法，”他说。“尽管数据科学这个名字和艺术毫不沾边，但是你需要把艺术和科学很好地结合起来。科学的部分很明显——数学，程序设计等等。但艺术部分是同样重要——创造力，对语境有着深刻的理解。把这两部分结合在一起，你就会变得善于解决问题。”尽管如此，Rajpurohit也承认，数据科学并不像眼下很多人以为的那样善良迷人。这个领域确实是在变得越来越重要，而且也出现了很多高薪机会，但在数据科学家需要做的日常工作中，有很多其实都很枯燥。
联系客服
