03就业方向
Ø 数据挖掘与统计分析
数据挖掘和统计分析都代表了从数据中学习的⽅法。在这个专业⻆⾊中，有抱负的⼈学习如何从数据中发现和识别有意义的结构，并将它们映射在⼀起以产⽣有意义的信息。
Ø 商业智能与战略制定
这是另⼀个蓬勃发展的数据科学专业，因为⼤多数公司更喜欢拥有⼀些 BI 专业⼈员。商业智能是分析师必须将数据转化为洞察⼒的领域，以帮助推动具有最⼤潜⼒的业务。这个专业领域允许培养具有⾼精度和简单性的后端数据源。
Ø 数据⼯程和数据仓库
数据⼯程是将数据转换为有意义的格式的⽅法，以便专业⼈员可以使⽤这些数据进⾏深⼊分析。数据⼯程师整合来⾃多个异构来源的数据，并使⽤即席查询对其进⾏结构化，从⽽为决策提供有意义的模式。
Ø 数据可视化
⼈类⽂明的⽂化⼤多是视觉的，包括从艺术和⼴告到娱乐和学习的⼀切。当我们可视化任何东西时，它变得⾮常有影响⼒且易于理解。数据可视化是数据科学专业领域，负责将数据和信息表⽰为图形表⽰。
Ø 数据库管理和数据架构
在这个数据科学和⼤数据时代，企业和组织需要拥有符合⾏业标准的集中式数据架构。成功清理后，数据将在数据库中部署和维护，以⽀持应⽤程序、服务或服务组的复杂数据事务。
Ø 运营相关数据分析
与运营相关的数据分析直接使⽤组织的其他员⼯和成员提供的⼯具和数据。提供数据的⼯具可以在企业的各种运营（如物流、技术、⼈⼒资源、财务）中找到改进的可能性。
Ø 机器学习和认知专家
机器学习和认知算法开发是数据科学的⼀些知名专业。通过这种⽅式，有志者和专业⼈⼠可以开发基于算法和⼈⼯智能 (AI) 的解决⽅案。
04院校与项目
Ø 哈佛大学
1.5年MS数据科学项⽬
数据科学硕⼠课程由计算机科学和统计学院联合领导，并通过应⽤计算科学研究所(IACS) 管理，在快速发展的数据科学领域培养学⽣。
数据科学位于统计⽅法、计算科学和⼴泛的应⽤领域的交叉点。该计划在海量数据集的统计建模、机器学习、优化、管理和分析以及数据采集⽅⾯提供了强有⼒的准备。该计划侧重于可重复数据分析、协作解决问题、可视化和通信以及数据科学中出现的安全和道德问题等主题。
Ø 耶鲁大学
MA/MS统计与数据科学硕⼠项⽬
录取者需掌握概率论、数理统计和统计理论，也需要拥有真实的数据相关的工作经验；
这个项目将新增4门「Data Science」课程，包含至少2门数据科学方法的课程，以及至少2门数据科学方法的课程，以及至少2门有效计算和大数据课程。
Ø 卡内基梅隆大学
2年MCDS计算数据科学硕⼠
MCDS项⽬下设有三个Track，分别是System Track（系统⽅向）,Analytics Track（分析⽅向）和HCI Track（⼈机交互⽅向）, 每个被录取的学⽣可以在第⼀学期后选择⾃⼰感兴趣的Track进⾏相应的选课并毕业。
System Track更偏向传统计算机，涵盖操作系统、数据库、分布式系统等课程。Analytics Track更偏向机器学习和⾃然语⾔处理，涵盖机器学习理论以及⾃然语⾔处理应⽤的相关课程。HCI更偏向⼈机交互，涵盖与教育学、社会学、经济学和数据科学交叉的课程。
Ø 斯坦福大学
数据科学MS
项目长度1.5-2年。Stanford的DS项⽬是ICME和STATS合办的，除了录取分开之外课程设置是⼀样的。略微不同的可能是，ICME有更为⽅便的转PhD路径，对于不确定毕业后直接industry还是PhD的同学来说flexible⼀点。
项⽬⾥有同学是全职⼯作1-2年过后再来读书的，也有同学是之前以research intern经历为主。感觉⾝边的同学数学计算机统计背景都挺强的，每个⼈都很有趣很有想法，有⼀定的research或者industry exposure。
更多详情
还有疑问？立即咨询专业顾问
在线咨询
顾问在线解答疑问
电话咨询
电话高效沟通留学问题
微信扫一扫
