美国留学专业系列 - 数据科学 Data Science

• 什么是数据科学？
• 数据科学专业的就业方向？
• 数据科学的录取要求？
• 数据科学专业项目推荐

美国数据科学是一门计算机科学、统计学、应用数学等领域知识交叉的综合性学科。

这个学科致力于开发和应用数据处理、数据挖掘、机器学习、人工智能等技术，从大规模数据中提取知识和洞见。学生需要掌握各种编程语言和软件工具，如Python、R、SQL等，以及数据分析、数据可视化和数据管理的技能。此外，学生还需要了解数据隐私和伦理等问题，并学习如何与不同行业的数据科学家和领导合作，以解决实际的数据挑战。

毕业后的学生可以在各种行业中找到就业机会，比如金融、医疗保健、零售、社交媒体、政府等。美国的数据科学硕士学科在近年来迅速发展，越来越多的学生选择这一领域作为未来的职业方向。今天常青藤导师就数据科学硕士来为大家做一个全方位的介绍。

一、什么是数据科学？

数据科学（Data Science）是利用计算机的运算能力对数据进行处理，从数据中提取信息，进而形成“知识”。数据科学集成了多种领域的不同元素，包括信号处理，数学，概率模型技术和理论，机器学习，计算机编程，统计学，数据工程，模式识别和学习，可视化，不确定性建模，数据仓库，以及从数据中析取规律和产品的高性能计算。

数据科学主要是学习一些成熟的数据分析方法和工具，以及跟数据分析相关的编程技术， 在工作中帮企业分析商业数据、市场数据、运营数据，或者帮金融机构分析金融数据，做投资决策等。

数据科学的主要研究内容分为以下三类：

1. 描述性分析（Descriptive Analytics）：分析数据，找出过去事件的特征和正在发生事件的趋势；
2. 预测性分析（Predictive Analytics）：分析数据，预测未来可能发生的事情；
3. 决策建议性分析（Prescriptive Analytics）：分析数据，找出最佳措施、取得最优化的结果。

二、数据科学就业方向

Data Science 的就业相对计算机或者纯数学要宽泛许多。很大一部分人去到了 IT 产业从事大数据的工作，比如美国的谷歌、Amazon 和Meta（前身Facebook），中国的网易、阿里巴巴、京东也是这类专业的大雇主。随着各行各业的数据增长，很多传统行业也需要这方面的人才，比如超市的顾客购物数据、信用卡刷卡记录、任何场合的实时监控录像，也会产生大数据，需要 Data Science 专业的人才来进行处理。

制药业、计算机软件、互联网、科研、IT 技术服务、生物技术，都是对大数据专业人才需求最为旺盛的行业。从国防部、互联网创业公司到金融机构，都需要能操作大数据项目的人来做创新驱动。数据相关的岗位报酬也极其丰厚。在美国硅谷，入门级数据科学家的收入已有六位数（美元）。

总的来说，数据科学主要的职业方向有以下四种：

• 数据科学家（Data Scientist）

就业领域：云端大数据及企业大数据分析

岗位需求企业：阿里巴巴，谷歌，网易，微软，Meta，东方财富，Bloomberg 等

主要职责：

1. 云端大数据分析
2. 机器学习及数据挖掘
3. 算法开发与测试
4. 运算过程优化
5. 承担数据分析项目

职业道路：数据科学家助理—>数据科学家—>中/高级数据科学家—>首席数据科学家


• 数据工程师（Data Engineer）

就业领域：云端大数据及企业大数据分析系统运营商、数据分析软件开发公司

岗位需求企业：亚马逊，Apple，谷歌，微软，腾讯，京东等

主要职责：

1. 云端大数据分析系统设计
2. APP 设计
3. 系统维护及升级
4. 数据清理

职业道路：数据工程师 —> 中/高级数据工程师

• 数据分析师/统计师（Data Analyst/Statistician）

就业领域：云端大数据及企业大数据分析

岗位需求企业：亚马逊，IBM，谷歌，微软，Lyft 等

主要职责：

1. 企业描述性数据分析（报表、管理层会议）
2. 机器学习及数据挖掘
3. 模型估计与预测
4. 数据库操作

职业道路：数据分析师—>中/高级数据分析师—>数据科学家/其他部门管理层


• 商业/金融分析师（Business/Financial Analyst）

就业领域：企业商业、金融大数据分析

岗位需求企业：亚马逊，IBM，戴尔，尼尔森，Uber，沃尔玛等

主要职责：

1. 基于项目的大数据分析
2. 机器学习
3. 模型估计与预测
4. 数据库操作
5. 数据挖掘

职业道路：商业/金融分析师—>中/高级商业/金融分析师—>首席商业/金融分析师—>CIO/CFO

三、数据科学专业的录取要求？

各大学对报考学生的数学和计算机知识结构都有较为统一的明确要求。数学背景包括微积分，线性代数，概率论，统计学，数学建模等；计算机背景包括计算机导论，SQL、Database、Programming 等。例如哈佛大学对于MSDS的本科背景要求是：希望有微积分、线性代数，概率和统计等相关课程，能使用至少1种编程语言，例如Python或R，了解计算机科学概念。

如果你只是上过高数、线性代数、概率统计这三门理工科专业都上的基础课程，那你的背景是不够的。尽管修课背景的缺乏并不代表你一定拿不到录取，但你是处于劣势的。

如果你修课背景缺乏，可能更适合的是商学院里开设的项目，这类项目侧重在Business/Marketing analytics，而不是 Data Science，对各种背景的申请人都更友好。也有的学校还有特殊要求，比如西北大学希望申请人上过 Java 课程等。

除此以外，还希望候选者具备一定解决问题和与人沟通的能力，有相关工作经验会是加分。

如果你有工作经验，那一定要结合工作，体现你对这个专业的理解和看法；如果你没有工作经验，建议文书里更是要设计合适的内容，充分体现自己的背景和基础可以胜任这个专业。

GPA 与标准化成绩要求

大多学校对 GPA 的硬性要求为 3.0，常青藤导师建议 GPA3.5 以上会更有竞争力。

我们也建议同学们考 GRE，因为 BA 的项目接受 GMAT，但是大部分 DS 项目只接受 GRE。GRE 一般没有具体要求，但是根据往年的录取信息，大多数名校数据科学项目录取的学生的 GRE 都在 320 以上。 TOEFL托福/IELTS雅思 一般标配为 100+/7+。

四、数据科学专业项目推荐

1、哈佛大学数据科学硕士

Master's in Data Science

哈佛大学的数据科学项目(M.S. in Data Science)隶属SEAS(School of Engineering and Applied Sciences)下的IACS(Institute for Applied Computational Science)学院内。

这个项目成立于2018年，是个相对较新的研究生项目。数据科学项目由统计系和计算机科学系联合开办，所以课程、教授都比较成熟。因为项目较新，很多专项的研究生排名都还没有囊括此项目。但是哈佛成熟的课程设置、学术研究，都决定了这是一个含金量很高的项目。

哈佛Data Science硕士项目的时长为一年半（三个学期）。学校一些学生想探索更多实习、学术研究机会，可以选择延长到2年毕业，时间很灵活。

2、哥伦比亚大学数据科学硕士

M.S. in Data Science

哥伦比亚大学的数据科学项目开设在自己的专设学院（Data Science Institute）下，由文理研究生院统计系、应用科学学院计算机科学系和工业工程与运筹学系联合开设。项目的学制为1.5年，共有3个学期，需修读30学分的课程。

从就业方面来看，哥大的地理位置无比优越，“世界之都”纽约拥有大量的金融、数据、科技类公司提供着相关的就业岗位。此外，哥大DS项目本身是配有CPT的，但要在 Full-Time Enroll 满一年之后才可以用。

根据官网给出的数据可知，虽然哥大DS也只开设了短短几年的时间，但雇主资源已经相当丰富。亚马逊、德勤、苹果、字节跳动、阿里巴巴等国内外大厂都是哥大数据科学硕士毕业生的优质去处。

3、卡耐基梅隆大学数据科学硕士

Master of Computational Data Science

CMU 的数据科学硕士项目归属于 Language Technology Institute（LTI），是 CMU School of Computer Science（SCS）努力打造的旗帜性项目，可以说是 CMU 这所计算机神校里的顶级项目，录取难度大，学生就业骄人。这个项目的大佬之一领导 CMU 的团队和 IBM 合作研发了大名鼎鼎的机器人 WATSON。LTI 的大多数研究生项目都是学术导向， 相较而言MCDS是面向业界的，MCDS项目毕业生可以说毕业即就业，许多学生毕业后就职于Meta、谷歌、亚马逊、苹果、Uber，也有很多学生顺利进入了博士阶段的学习。

该项目分为三个 major：Systems, Analytics, and Human-Centered Data Science，区别就是必修课不同。课程设置上：Machine Learning, Information Retrieval, Data Mining, Software Engineering 都是目前都是业界和学术界很热的方向。选课也是很自由的，CMU 其他的王牌课程比如 OS，NLP algorithm 之类的也可以去选。Capstone Project 可以做一些自己感兴趣的项目。

更多美国名校数据科学专业项目细节，可参考https://www.ivyelite.net/allprojects