1.1 专业简介
数据科学是一门涉及到统计,数据分析及其相关方法的科学，借用数据去“理解和分析实际现象”。数据科学使用到数学、统计、信息科学和计算机科学等各个学科的技术和理论，特别是以下分支：机器学习, 分类, 聚类分析，数据挖掘，数据库和可视化。大多数院校的Data Science属于STEM学科。
数据科学主要研究内容有以下三类：
1. Predictive Analytics：分析数据来预测未来可能发生的事情。
2. Descriptive Analytics：分析数据找出过去事件的特征和正在发生事件的趋势。
3. Prescriptive Analytics：分析数据来找出最佳措施、取得最优化的结果。
1.2 项目设置
数据科学项目主要是面向职业培训、侧重工业界需求，所以设置博士学位的学校比较少。为了符合工业界需求，专门的数据科学项目课程都很实际，侧重培养学生分析数据、解决问题的实际动手能力，课程一般不涉及理论知识。
如果要读博士，申请统计和生物统计专业最对口，其次是计算机或者电子工程做机器学习数据挖掘这些相关方向的。另外数学、IEOR、经济等专业也有少数博士生做的方向可以转到数据科学上。
专业背景
常见的本科专业有 Computer Science/Technology; Engineering; Business Management; Finance; Math; Statistics, etc.
各大学对申请学生有较为明确而统一的要求，数学背景包括微积分、线性代数、概率论、统计学、数学建模等等；计算机背景包括计算机导论、SQL、Database和编程等。
大多数项目倾向录取数学、统计等计量学科背景的学生，同时希望申请人有软件编程基础、会写程序分析数据。仅仅上过高数、线性代数和概率统计这三门基础课是不够的。如果没有非常强的数理基础，建议申请BA等要求没有这么强的专业。
除此之外，希望申请人有比较强的解决问题和交流沟通能力。如果有工作经验，申请时候会是加分项。文书中注意结合工作体现对这个专业的理解和看法。如果没有工作经验，建议文书中设计相关内容强调背景和能力可以胜任这个专业。
先修课要求
美国大多数院校的数据科学硕士要求：
1、修过计算机基础
2、数学基础（比如微积分、线性代数）
3、熟悉概率论、或者统计
4、如果没有这些先修课程甚至会开始预科夏季课程给学生，不计入学分当中，比如布朗大学。
如果有转专业的同学可以尽可能的修习以上课程，提升自己的竞争力，通过二学位、辅修学位、暑期课程、网课等方式多修课程。或者多参与实践实习科研也对申请数据科学有很大帮助.
科研实习建议
建议科研类型：
Ø 计算机数据挖掘、深度学习、人工智能机器学习、数据分析等专业方向为主。
Ø 可选择远程和实地这两种，以个人时间为主，平时可以参加远程，假期可参与实地。
Ø 新东方项目，CMU、哈佛、伯克利的项目，可一对一、一对三。背景提升产品
建议实习岗位：
互联网公司、电商公司、金融公司、银行、证券公司等
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
