03 数据科学专业怎么样？
数据科学专业即是为了培养符合职场需求的数据专家而建立，强调数学、统计学和CS交叉领域的课程以及真实的行业实践训练。美国的数据科学硕士项目，通常设置在工程学院下，时长为1到2年，大多数都属于STEM项目；以就业为导向，也适合继续修读相关领域的PhD。
相比于商业分析（Business Analytics）专业，DS的技术属性更强，不强调商科课程，适合具有较强的数学和计算机基础的学生。还有一些分析学（Analytics）硕士项目，比如西北大学的MS in Analytics，和DS项目也比较类似。同学们需要根据自身的需求，更加具体地去比较和考量，选择最适合自身背景和职业规划的项目。
在开设数据科学硕士项目的院校中，不乏top名校如哈佛、斯坦福、哥大，也有在领域中堪称标杆的纽大、卡耐基梅隆等等。数据科学项目的课程，围绕着统计建模、机器学习、运筹优化、大数据集分析、数据库系统、数据可视化等方面的知识，会涉及到Python、R、SQL等编程语言，以及处理大数据常用的工具和软件。课堂之外还会提供实践性质的capstone project以训练学生们学以致用、解决实际的数据问题的能力，有机会接触到一些知名的企业伙伴，体验真实的行业场景，也能够锻炼teamwork、communication等数据科学家必备的soft skills。
不论是在学习还是工作实践中，数学和统计知识是内功，能够帮助我们更好地理解数据和算法、构建模型，以及解读分析结果；而计算机技能是实战工具，熟练掌握各种相关的编程语言、软件、系统等等，才能真正地处理和解决实际问题。在职场中更高层次的发展，则需要我们同时具备一些业务见解和商业思维，以更好地识别数据需求，沟通数据结果，和提供有效的可行的业务方案。
纵观各个项目的官网公开就业数据，科技行业和金融行业占据了主导，从事岗位主要是数据科学家，另外还有数据工程师、数据分析师以及少量的软件工程师。选择继续修读master和PhD的学生们也不少。
04 数据科学专业的申请要求？
作为一个结合了数学统计和计算机科学的交叉学科领域，数据科学专业本身就具有较高的门槛。尤其是在近年来火热的大数据浪潮之下，申请数据科学的学生人数不断增长，录取标准自然水涨船高。
专业背景方面，具有Computer Science, Math, Statistics, Engineering, Economics等量化背景会比较有优势；
先修课通常建议有微积分、概率统计、线性代数等数学类课程，以及一定的计算机编程基础包括Python, R, C和Java；
三维成绩方面，建议达到3.5+/100+/320+，标准考试选择GRE；
软性背景方面，数据分析、大数据和机器学习相关的实习和科研经历，会比较加分。
最后给大家介绍几个典型的数据科学项目：纽大的MSDS，西北的MS in Analytics，和卡梅的Master of Computational Data Science，请看下篇博文。
