美国数据科学(Data Science)专业
数据科学主要学习数学,统计,和一些CS的课程如算法和数据结构。Python, R ,SQL是用的最多的编程语言。这个专业应用领域非常广,从科技行业到媒体行业到甚至体育行业都有很大的需求。例如在美国最大的媒体公司NBC Universal和体育公司MLB做data science,这些传统公司现在很需要会处理数据或者“大数据”的技术人才。过去大家觉得数据就是在Excel里随便拖拖拉拉就可以了,现在发现Excel连数据都装不下了。现在“大数据”这个词非常火热,其实这就是数据科学一个很重要的应用领域。业界很多大公司现在会用Hadoop,Spark,Hive等去做分布式计算来处理大数据问题。这两年一家做Spark平台的创业公司非常火,叫做Data bricks。很多非IT大公司现在用的就是他们的平台来处理大数据的清洗和建模。
此外,数据科学也是美国现在最火的一个专业。《哈佛商业评论》的一篇文章里将数据科学称作“21世纪最热门的职业”。据New Vantage Partners公司对《财富》美国500强公司的调查显示,85%的500强企业要么已经推出了大数据项目,要么正打算推出。未来几年他们花在数据分析上的投资将平均上涨40%。 现在美国市场中有很多data science相关的职位,雇主愿意接受没有工作经验的应届生,并且提供绿卡。这一点对我们国际生非常重要。
在美国读一个data science master的成本大概是6w-9w美金左右,取决于学校地理位置和项目收费。但是有一点要知道是master的学生很容易当助教(TA)。在很多公立大学当助教只需要交州内学费。即使在私立大学,助教一个月2000+的工资也很常见。那么这么算来,其实成本就可能只有3w-6w美金的成本。
那么毕业后回报率多大呢?首先大多数做data science的人进入了科技行业。众所周知,美国的IT界现在发展很好。一个data scientist平均来说可以拿到一年14w-16w左右的收入。即使在很多其他行业,10w+也是最低标准。也就是说,你毕业后一年的收入足够拿回你的成本。
根据北卡州立大学发布的报告--“MASTER OF SCIENCE IN ANALYTICS EMPLOYMENT REPORT – CLASS OF 2018”可以大体看出该专业的就业情况很不错。该专业的主要就业岗位有更行业的分析师、咨询顾问、数据科学家及经营管理者。
从2018年北卡州立大学该专业学生的毕业去向可以看到,美国几乎所有的知名IT和金融企业均雇主名单之中,除此以外一些大型工业、零售和科研单位也是有需求的地方。以下名单还不包括各级政府部门。
该专业的毕业生(硕士)普遍起薪(年)都超过8万美金。同时,该专业起薪不太受毕业前的工作经验的影响。一个读该硕士之前有三年工作经验的毕业生的薪水与完全无工作经验的毕业生的薪水相差很小。
专业名称:SM Data Science
课程长度:1年
专业背景:自然科学,数学,或工程专业学士学位
工作经验:无
注:不接受GMAT代替GRE,不接受IELTS代替TOEFL
专业名称:MS in Data Science
课程长度:2年
专业背景:定量课程 (微积分,线性代数等);计算机编程
工作经验:许多学生有工作经验,但不是必须的
专业名称:M.S. in Statistics: Data Science
课程长度:5 Quarters(1年3个Quarters)
专业背景:较强的数学和计算机背景
工作经验:最好有但不强制
注:不接受GMAT代替GRE,不接受IELTS代替TOEFL
专业名称:Master in Interdisciplinary Data Science (MIDS)
课程长度:2年
专业背景:欢迎任何年龄和背景的申请人, 包含(但不限于) 应届定量学专业学院毕业生, IT领域工作数年的数据库工程师, 想要将数据科学融入联邦或地方办事处的政府专员, 以及想将数据挖掘融入研究技能的新闻工作者。
工作经验:许多学生有工作经验,但不是必须的
注:每年大约招收25-35个学生
专业名称:Master's in Data Science
课程长度:one academic year plus one summer
专业背景:先修课要求为1年的微积分,1学期的线性代数,1学期的概率与统计,编程。我们也承认在线性代数、概率统计和计算机科学中未达到一个或多个最低要求的特殊学生。这四个部门(数学、应用数学、计算机科学和生物统计学)将在第一学期前的棕色夏季课程中为这三个主题中的每一个提供合适的课程。.
工作经验:不要求,但最好有
专业名称:Master of Science in Data Science for Public Policy
课程长度:2年
专业背景:大学本科微积分课程,成绩为B级或以上,并展示技术能力的证据,如计算机科学、高级统计或高等数学课程。也建议申请人完成介绍性微观经济学课程。.
工作经验:不要求
专业名称:Master of Science in Computer Science (Data Science)
课程长度:32 units
专业背景:工程学、数学或硬科学。背景不是计算机科学的申请人可以考虑计算机科学(科学家和工程师)的研究生学位。
工作经验:不要求
注:不接受GMAT代替GRE
专业名称1:MSPPM Data Analytics track
课程长度:1.5年
专业背景:较强的数学基础,有先修课要求
工作经验:不要求
专业名称2:MISM Business Intelligence & Data Analytics
课程长度:16个月
专业背景:要求:统计,数据库,面向对象编程;建议:线性代数
工作经验:不要求
专业名称:MS in Data Science
课程长度:2年
专业背景:在数学、计算机科学和应用统计学方面有很强的背景。
先修课要求:微积分I,线性代数,计算机科学入门(Python和R至少)
工作经验:不要求
注:不接受GMAT代替GRE
专业名称:MS in Data Science
课程长度:2学期
专业背景:科学、工程、数学或商业
工作经验:不要求
专业名称1:MS in Data Analytics Engineering
课程长度:2年
专业背景:无
工作经验:不要求
注:不接受GMAT代替GRE
专业名称2:Master of Science in Data Science
课程长度:2-3年
专业背景:成功申请数据科学硕士学位的人将有一个事先接触编程和统计或线性代数的领域。
工作经验:不要求
专业名称:MS in Advanced Study Degree for Data Science and Engineering
课程长度:2年
专业背景:工程、数学、物理或其他科学领域优先
工作经验:不要求
专业名称:Master of Science in Data Science
课程长度:10 three-credit graduate courses(10门课程)
专业背景:先修课包括多变量微积分、统计、计算机编程
工作经验:不要求
注:不要求GRE
专业名称:Master of Science in Data Science
课程长度:1.5年
专业背景:先修课包括数学(三类微积分序列和线性代数课程),计算机编程(编程中的两门课程介绍序列)
工作经验:不要求
注:不接受GMAT代替GRE
专业名称:Master of Science in Data Analytics
课程长度:1-2年
专业背景:计算机科学、信息科学、工程、数学、物理科学、健康科学、商业、社会科学或城市和城市规划
先修课包括计算机程序设计(C,C++,java,R和Python),应用概率统计、包括基本组合论和图论的离散数学
工作经验:不要求