美国留学Data Science专业解析

Science是什么？

从广义上来说，数据科学顾名思义： 和数据相关的科学研究都是数据科学 。具体点说的话，数据科学是指通过挖掘数据，处理数据，分析数据从而得到有用信息的技术和研究。

二 Data Science 学什么？

说了这么多，可能有的小伙伴还是不清楚ata science是要学什么？其实ata science的的学习主要分为下面三个模块：

1. 数据处理
2. 数据模型
3. 数据可视化

很容易看出来，这些相关的知识和CS，统计，数学都是有密切联系了。

下面给大家一张图，更更直观的感受到ata science和其他学科的关系：

三 申请Data Science需要什么样背景？

不论是国内还是美国本土，本科就开设Data Science这个专业的学校并不多，所以大家不要一看自己专业名字和数据科学不搭边就觉得是转专业申请。

首先，学CS的同学显然是可以申请的，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；学统计或者应数，且有一定编程基础的同学也可以申请；商科出身，尤其是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专业的小伙伴，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；而纯商科背景的小伙伴则可以选择Data Science（DS）和 Business Analytics（BA）混申吧，后者更偏商科更加Match一些。

四 Data Science该选择哪个学校？

这里崔老师给大家整理了一些热门学校的DS Program信息，虽然开设ata science的学校不多，但是名校多呀，这应该也是DS申请热度高的原因之一了。话不多说，上各学校学位项目list：

1. 斯坦福大学 （Stanfor University） ：

• 统计硕士(Master of Science in Statistics) 专业分支：数据科学 (Data Science)
• 所属学院：人文与科学学院，统计系
• 地点：斯坦福，加州
• 学制：1-2年

斯坦福的大名就不赘述了，其统计数据科学项目是统计系和计算与数学工程学院联合创办的，主要训练学生在数据科学中的计算能力。

1. 哈佛大学 （Harvar University）：

• 计算科学与工程硕士（MS in Computational Science an Engineering）
• 所属学院：工程和应用科学学院
• 地点：剑桥，麻省
• 学制：1年

该项目严格训练一个人在CSE中的数学和计算机能力，获得高效智能解决问题并确定选择等8项技能。核心课程包括高级科学计算：计算方法、计算科学基础、计算科学系统发展等

3. 加州大学伯克利分校 （University of California, Berkeley） 两个相关的学位项目：

• 数据科学工程硕士Master of Engineering (concentration in Data Science);
• 信息与数据科学硕士Master of Information an Data Science (MIDS)
• 所属学院：工程学院和信息学院
• 地点：伯克利，加州
• 学制：12-20个月

伯克利的两个硕士项目综合教授技术和企业运营的技能，立足现有最前沿的技术，扎实务实地培养学生成为领域内的佼佼者。

1. 卡内基梅隆大学 （Carnegie Mellon University ）：

• 数据科学硕士(Master of Computational Data Science);
• 管理信息系统硕士(Master of Information Systems Management) 专业分支：商务智能和数据分析(Business Intelligence an Data Analytics)
• 所属学院：Heinz学院
• 地点：匹兹堡，宾夕法尼亚州
• 学制：16个月

卡内基梅隆大学的计算机科学专业排名在全美数一数二，与斯坦福、麻省理工起名，其数据分析与处理技术也名列前茅。本校的硕士项目有三个核心方向可供学生选择：商务智能数据分析信息技术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。

5. 哥伦比亚大学 （Columbia University）：

• 数据科学硕士(Master of Science in Data Science)
• 所属学院：Data Science Institute
• 地点：纽约
• 学制：2年

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 an Engineering)，学生在此参与实验与科研项目。

6. 康奈尔大学 （Cornell University）：

• 运筹与信息工程硕士M.Eng. in Operations Research an Information Engineering；
• 专业分支：数据分析 Data Analytics
• 学院：运筹学与信息工程学院
• 地点：伊顿/纽约；纽约州
• 学制：1-1.5年

1. 纽约大学 （New York University） ：

• 数据科学硕士Master of Science in Data Science
• 学院：数据科学中心Center for Data Science
• 地点：纽约市
• 学制：2年

8. 南加州大学（ University of South California） ：

• 计算机科学硕士Master of Science in Computer Science
• 专业分支：数据科学Data Science
• 学院：工程学院
• 地点：洛杉矶，加州

该项目是南加大计算机科学硕士的分支，主要目标是帮助学生建立计算机、分析等多样化背景，以使学生更好的解决现实世界中关于能源、环境、健康、传媒、医学、交通等问题。

9. 西北大学 （Northwestern University）：

• 分析科学硕士(Master of Science in Analytics)
• 地点：伊凡斯顿(Evanston),伊利诺伊州
• 学院：McCormick工程与应用科学学院
• 学制：15个月

本项目成立于2012年，融合了数学、统计、高端IT和数据分析的教学和研究内容，除了正常的授课外，学生还需要完成两个行业实习和一个课程设计。

五 怎么提升背景？

可能有的同学会问了，我本身背景不太强或者不太匹配，有什么办法可以使自己变得更有竞争力么？ 对于DS这个专业来说一般来说有以下几个途径：

❶ 科研：

科研的话，最好找和量化相关的，如果实在没有，可以把相关的课程大作业（project）拿来用。再退而求其次，也可以是 CS 相关，但切记没有科研经历，那将是极大地硬伤。

❷ 竞赛：

竞赛的平台有很多，比如最近很火的Kaggle，再如阿里的天池、SODA、WID、数据嗨客等。

❸ 实习：

实习的话最优选择当然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。