数据科学
大数据时代，越来越多行业开始以数据为核心，作为业务开展与推进的重要指标参考，指导其作出最优策略。
学习数据科学，要求具备优秀的数理能力、数据分析能力和良好的沟通表达和可视化能力。
学习课程包括
数学方面：数据科学入门，概率统计，机器学习与计算统计，大数据等等；
计算机方面：自然语言处理与表示论，自然语言理解与计算语义，推断与表示，深度学习，文本分析，自然语言处理等等。
数据相关的应用领域很广阔，就业市场上数据分析人才缺口很大。目前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技术服务和生物技术等。
若打算未来从事数据相关工作，比较常见的几个职位方向有商业分析师、数据分析师、数据工程师和数据学家等。
商业分析师 Business Analyst
商业分析师们会利用收集到的数据，分析行业趋势，对企业整体的商业发展做出建议与规划。
专业性要求：
掌握统计学工具使用方法（SAS、STATA、SPSS、R）
熟悉数据分析方法（Regression, Trend Analysis, forecasting, A/B testing）
深度Excel使用方法及大量专业知识
数据分析师 Data Analyst
数据分析师的工作内容更偏向于实际的数据相关技术工作，例如通过编写代码实现数据清理、数据管理等，常常需要通过运用不同的数据分析工具，来从已有的数据样本中找出更多可分析内容。
专业性要求：
编程（Python，R）
应用统计分析
应用机器学习
数据可视化—Tableau，Power BI，QlikView
数据整理
数据收集及处理
数据工程师 Data Engineer
作为更加专精于工具开发的数据工程师，他们会利用自己专业的编程技能来创造并完善数据分析工具，以供团队成员进行解读与分析。
专业性要求：
掌握数据处理工具用法—MapReduce，Hive，Pig，Spark，Kafka
SQL技术—MySQL，PostgreSQL
NoSQL技术—MongoDB，Cassandra数据库系统
数据仓库系统方案
数据学家 Data Scientist
与数据工程师们形影不离、相辅相成的数据学家们，将会负责数据工具的设计与要求框架。他们的工作将更加专注于对这些工具产出的结果进行评估和解读。
在数据分析师专业要求的基础上，数据学家另需掌握：
多元统计—Regression，主成分分析PCA，聚类分析
自然语言处理
计算机视觉
预定与预测模式
云服务技术—AWS，Google、微软
机器学习逻辑—Docker，Kubernetes，TIDAL
申请数据科学需要准备什么？
专业背景
大部分项目要求申请者有较强的计算机和数学基础，如修读过微积分、线性代数、概率论和数理统计等相关课程。
理工科专业，特别是计算机、数学、统计相关专业，量化背景很强的商科专业出身，且具有良好编程和数理知识的申请者成功率更高。
标化成绩
多数项目对GPA和GRE不设最低限，但名校竞争异常激烈。从往年数据来看，GPA 3.6+、GRE 325+在名校申请中具有较强竞争力。
语言成绩上，申请美国院校建议TOEFL≥100 ，英国院校一般要求IELTS≥6.5（各专项不低于6.0）。
【扫码免费获取留学方案】
上一篇：我该如何准备转学或申研？（雪城篇）
下一篇：三年本科degree可以申TOP名校吗？
免责声明：文章部分内容来源于百度等常用搜索引擎，我方非相关内容的原创作者，也不对相关内容享有任何权利 ；部分文章未能与原作者或来源媒体联系若涉及版权问题，请原作者或来源媒体联系我们及时删除！
