分公司

数据科学

  数据量的增大和数据的多样化也促进了美国很多公司进行数据分析来支持商务决策(data driven decision making)。以大家都熟悉的例子来列几个Data Science的应用。

  Data Science不像大部分专业都有自己独立的院系,而DS多数没有,多数在工学院或计算机学院,少数在统计学院,还有个别在其他学院。


专业设置

单独作为一个专业的学校

Harvard University,

Columbia University

University of Pennsylvania

Duke University

Brown University

New York University

作为统计专业下面的一个分支

Stanford University

Cornell University

University of Wisconsin Madison

作为CS下面的一个分支

University of Southern California

North Carolina State University

作为EE下面的一个分支

University of Southern California

University of California San Diego


院系设置

工程学院下面

Harvard University

Columbia University

University of Pennsylvania计算机系下

University of Southern California计算机系下

人文或文理学院下面

Stanford University统计系下

New York University

计算机学院下面

Carnegie Mellon University

农业与生命科学学院下面

Cornell University统计系下

公共卫生或医学院下面

Harvard University

Cornell University


谁适合CS的下data science分支?谁适合统计的data science分支?谁适合单独开设的data science 项目?可以参考下面几个原则:

1、如果是统计学,应用数学转专业过来,可以考虑统计的data science分支,也可以考虑单独开设的data science专业,因为这个专业从数学可以转过来,而且对于编程的要求相对computer science要低,这正好能够发挥数学专业,统计学专业同学的长处,而避免短处。


2. 如果是从information science信息科学这些专业转过来,可以考虑CS下,相对对其他专业,information类的同学其实最接近CS专业,这样情况下大家基本都有编程课,并且有些对data science感兴趣的同学会有相应算法,数据结构,数据库,data mining数据挖掘这样的课程,就可以考虑CS下的项目。


3. 如果是本专业申请,但软性背景不是很贴合data science,可以考虑CS下的,独立的data science和artificial intelligence人工智能的硕士区别于综合性项目最大的一个特点就是要求申请者软性背景与DS和AI高度相关。比如说,一个同学做的软性背景很杂,编程有,数据分析有,网络安全也有,建议这样情况还是申请CS下的,因为如果申请data science希望你至少有2-3个与数据分析高度相关的项目经历。


  总之,CS下data science的项目个数要比单独开设的data science项目从个数上面来讲更多,而如果既是本专业,又软性背景高度契合data science,那么其实选CS下的项目和单独开设项目都差别不大,就按照个人兴趣选吧,更多考虑当地理位置,就业,名气,花费预算,录取难度这些来看了。建议如果学生想去名校,申像哈佛,哥大下的data science项目难度比较大的话可以考虑与之相关或稍冷门的项目,比如哈佛可以考虑公卫下另外一个与DS相关的项目,哥大的统计下也开设有DSseqence的课程,所以可以考虑统计项目。另外还像USC CS下的DS申请难度一般比EE大,考虑到申请难度可以选择EE下的DS项目。其他学校也是一般在CS下面的项目竞争会比较激烈,这时候我们可以考虑统计下,相对难度会低一些。


 就业面广,需求单位多

1、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、生物技术等。事实上,大数据工作者可以施展拳脚的领域非常广泛,从国防部、互联网创业公司到金融机构,到处需要大数据项目来做创新驱动。

科技公司:Twitter,Microsoft,BAT,搜狗,美团,滴滴 

金融公司:Capital One(从建立之初就开始用一些数据方法进行风险控制等方面的工作),高盛,Blackrock,Hedge Fund 

咨询公司:Polunteer(帮助美国政府部门解决反恐、审查等工作),麦肯锡,IBM(传统咨询公司也慢慢转向 data 方向) 

专门做数据分析平台的公司:Kotara,Hotten,Databreaks 

其他公司:Horizon(电信),Comecrack(传媒),消费品公司,医疗公司 等等


2. 起薪较高

  美国知名求职网站Glassdoor公布的2019 Best jobs in America 排名中,Data Scientist 排名第一;2020年排在第三


就业方向:

分析类岗位

  分析类工程师。使用统计模型、数据挖掘、机器学习及其他方法,进行数据清洗、数据分析、构建行业数据分析模型,为客户提供有价值的信息,满足客户需求。

  算法工程师。大数据方向,和专业工程师一起从系统应用的角度,利用数据挖掘/统计学习的理论和方法解决实际问题;人工智能方向,根据人工智能产品需求完成技术方案设计及算法设计和核心模块开发,组织解决项目开发过程中的重大技术问题。

研发类岗位

  架构工程师。负责Hadoop集群架构设计开发、搭建、管理、运维、调优,从数据采集到数据加工,从数据清洗到数据抽取,从数据统计到数据分析,实现大数据全产业线上的应用分析设计。

  开发工程师。基于hadoop、spark等构建数据分析平台,进行设计、开发分布式计算业务,负责机器学习、深度学习领域的开发工作。

运维工程师。负责大数据基础平台的运维,保障平台的稳定可用,参与设计大数据自动化运维、监控、故障处理工具。

管理类岗位

  产品经理。负责大数据平台产品的设计工作,主导数据产品的功能规划、体验设计,与研发、数据分析、算法团队紧密合作,挖掘数据价值,形成数据产品,包括部分数据可视化的产品设计等。

  运营经理。根据业务特点,结合业务发展需求,设立数据监控模型,搭建数据分析架构,理解业务方向和战略,为业务战略决策、业务方向提供决策支持,竞争分析及建议。


免费直播课程推荐

“语法皇后”亲授,16小时教你快速学通英语语法。
在线课程
主讲:王学玲
本科/研究生留学必备 | 论文写作课(10课时超长录播)
在线课程
主讲:UCLA教授
  • 在线咨询

  • 服务热线

    电话400-888-0059
  • 微信客服