美国数据科学专业最全解析

数据科学（下面简称DS, Data Science） 从学科角度出发，它是结合了应用数学，统计，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。数据科学是一门交叉的学科，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。大数据时代的到来，为各个科学领域带来了新的改革。
核心课程包括数据挖掘、应用回归分析、分析决策工具、商业分析战略等
Programming for Scientists an Engineers为科学家和工程师编写程序
Data Structures for Scientists an Engineers科学家和工程师的数据结构
STATS 510: Probability an Distribution概率与分布
STATS 511: Intro to Quantitative Research Methos介绍定量研究方法
BIOSTATS 602: Biostatistical Inference 生物统计推论
All Stuents must take the following core courses:
EECS 409: Data Science Colloquium数据科学学术报告

就业情况：

数据科学的三类职业方向：机器学习、数据分析和数据科学家
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

1. 机器学习工程师 Machine Learning Engineer
   代表了技术含量较高的方向，工作内容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。
2. 数据分析员 Data Analyst
   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;工作需要产生各种形式的报告;在统计层次上，懂基本t-test和线性回归即可。
3. 数据科学家 Data Scientist
   很多人说，我想做数据科学家，我想做机器学习，而这类职位就是大家想象中的那种。此类职位工作内容以高级建模为主，会针对复杂的问题来设计技术方案，比如Uber叫车的ETA、各种定价系统、Airbnb和金融行业的Frau Detection、Amazon物流管理，FB/Linkein的社交网络或者ebay/Airbnb/Uber这样供需双方Marketplace市场规模的实验。这些例子，听上去就不是写SQL能解决的，也不是会写代码就能做出来的，都需要比较深的领域知识。
   无论是从Finance、Energy、Travel，还是到Government，都应用到了这个学科。
   具体岗位可以是：
   1.Business Analyst：业务分析师
   2.Data Analyst：数据分析师
   3.Data Architect：数据架构师
   4.Data Engineer：数据工程师
   5.Data Scientist：数据科学家
   6.Marketing Analyst：市场分析员