数据科学相关必须要知道的知识点

数据科学专业留学生必须知道的“3-4-3”

众所周知，当下的大数据可以说是引领了互联网的未来，人们可以进行信息与信息的对话，数据已由智能化的硬件和软件绕开人类而直接作出最优的决策。由此可见，数据科学专业毕业生拥有着极为乐观的就业前景。越来越多的留学生选择远赴美国攻读数据科学专业。

那我们今天一起来看看数据科学专业几个必须要知道的重点。

数据科学在日常生活中的3个主要作用

比如超市发现你过去三周内一直购买某类减肥食品，可以预测你下面还要继续购买这个产品，那在付账的时候，直接给你打印一张优惠券，买4赠1搞促销，你觉得占了便宜以后更愿意来这个店，超市也通过给点折扣把你牢牢捆住，免得你去了其他超市。 这个就是分析数据来预测未来可能发生的事情。

超市通过分析，发现你购买的减肥食品都具备某个特征，比如是低盐、低淀粉，那具有这类特点的其他相关食品，超市也可以推荐给你。 你觉得很高兴，因为超市直接把你需要的产品告诉你，省了你选购物品的麻烦，超市卖了更多的东西给你，当然也很高兴。 这个就是分析数据找出过去事件的特征和正在发生事件的趋势。

在商业世界中，数据科学旨在了解消费者和市场趋势以及定位企业职能。 在其他领域，数据用于收集信息和检查趋势，但通常有不同的最终目标-例如收集人口普查数据（用于公共政策）或有关疾病和疾病（用于医学）的统计数据。

数据科学（Data Science，简称DS） 从学科角度出发，它是结合了应用数学，统计学，模式识别，机器学习，数据可视化，数据仓库以及高性能计算的交叉学科。 数学、统计知识是基础，计算机编程能力是工具。

和数据科学相关的4个硕士学位

1. 数据科学硕士(Master's in Data Science)： 典型的数据科学课程将数学和统计学课程作为核心，搭配以SQL和Python等编程技能课程，包括数据架构，到计算机工程，再到编程等。
2. 商业分析硕士(Master's in Business Analytics)： 商业分析硕士学位专注于数据应用，以研究消费者、市场和世界经济趋势。 “数据驱动决策”是这门学科的核心。 本质上，商业分析是商科的细分方向，对商业决策过程方法论的学习大于数据分析方法本身。
3. 信息系统硕士(Master's in Information Systems)： 信息系统是通常由技术驱动的系统，用于收集、组织、说明和整合各种形式的信息和数据。 大多数信息系统基于现成的计算机架构、语言和系统进行的信息收集、组织和整合的工作是重点。 信息系统的硕士学位课程通常面向对商业环境中的技术管理岗位。
4. 运筹学和相关工程学科(Master's in Operations Research)： 该专业的学习采用如数学建模，统计分析和数学优化，运算研究来为复杂的决策问题找到最优的解决方案。 运筹学通常关注目标的最大化（利润，绩效或收益）或最小化问题（损失，风险或成本）。

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。 在硅谷，入门级的数据科学家的收入已经是6位数了(美元)。

数据科学的3类主要职业方向

1. 机器学习工程师/数据建模师： 主要是开发机器学习系统和用这些系统解决实际问题，一般需要ship prouction coe，做出来的是数据产品。 机器学习可以处理所有混乱的数据和复杂的算法，如聚类、回归、分类、预测等，以提出技术/数学解决方案。 这些人通常与软件和数据库工程师同步工作，最终生成代码以开发可扩展的解决方案，而当信息爆炸时，还需要一个精通haoop和istribute computing技能的工程师。 总结，除了精通算法、编程和具备足够的数学/统计知识外，他们还必须理解数据科学家要什么。

2. 数据分析员/商业分析师： 工作内容俗称analytics (prouct analytics or business analytics)，从数据中提取insight，估计投资回报比，为产品方向提建议。 所用工具一般较基础，比如写SQL query取数据、用R/Python做简单的分析、用Tableau/Excel作图比较常见，能自己开发Dashboar算是analyst里面技术强的。 他们懂得如何将商业问题和技术/数学问题进行转换。 他们的工作需要产生各种形式的报告，涉及将技术结果适当地翻译成商业语言和解决方案。

3. 数据科学家/研究者： 真正的数据科学家应该是能够并且胜任所有数据科学相关过程的人，顾名思义，他们是科学家。 他们以各种方式试验数据，以找到现有问题的解决方案并寻找新的仅使用数据分析的商业机会。 在数学上，这转化为复杂的假设，实验又转化为算法。 一旦他们确定了他们的发现，他们就会将工作重定向到建模师和工程师（第一个职业方向），以生产和扩展解决方案。 他们拥有强大的技能： 统计、其从事领域的专业知识，足够的编程能力来实现和测试假设。