统计学和数据科学有什么区别？

1、专业介绍：

统计学是属于传统的学科，学习内容包括参数估计、假设检验、回归分析、生存分析、因子分析、时间序列、非参数统计等。
数据科学相对是新的学科，课程内容偏技术，大量运用统计学的模型，更偏向于运用现代的机器学习模型，比如支持向量机、决策树、深度学习等，更偏向结局大样本（如互联网、人工智能）的问题，计算庞大，通常借助于GPU等手段。

2、关联性

很多统计学家认为，ata science并不是一个独立的学科，而是统计的一部分。不排除有立场/利益问题。现在大部分ata science都是在统计系下面的，统计最近这一二十年的繁荣和现代社会里大量的数据处理的需要也是分不开的。

3、核心课程：

统计学：概率论；应用统计导论；统计推断导论；随机过程导论

数学课程：应用矩阵论；线性代数与矩阵；实变函数；分析学基本概念

计算机课程：java编程；编程语言；计算机系统与结构；科学计算导论

4、就业情况：

数据科学跟统计更为类似，但传统的统计系一般不会有自然语言处理、计算机视觉等人工智能的课程，如果是计算机系开的数据科学专业则会有这方面的课程，编程会看重，同时淡化数理基础。88%的数据分析师有硕士学位，46%有博士学位。

统计最为广泛，就业一般去互联网、银行、咨询、零售等企业，比如沃尔玛会有专门的销售数据分析部门，银行信用卡也有专门的数据分析部门；网游公司也有专门的数据岗位。一般来说，对研究能力要求越高（例如博士学位），领域越热门（比如自然原因呢处理、互联网广告等，对编程能力要求越高（比如数据量越大），待遇会越高。

如果您喜欢我的文章，可以关注我或对我的文章进行点赞、评论、收藏