您的位置: 首页> 刘国慧>日志

相似顾问推荐

刘国慧
美研部中期组长

  • 常见问题

我接受并同意 《用户服务条款》《隐私权相关政策》

提交
输入您的意向国家、阶段
免费申请留学资料
  • 意向国家/地区:
  • 意向阶段:
  • 就近城市:
  • 您的姓名:
  • 您的电话:
立即免费申请
首页| 企业文化| 联系我们| 加入我们| English website| 微博:新浪| 投诉建议|
新东方教育科技集团有限公司
经营许可证编号:京ICP备05067667号 ©版权所有:新东方教育科技集团有限公司
留学评估

免费留学评估

免费获取
扫码关注

关注新东方前途出国

新东方前途出国公众号
免费留学评估 为您合理规划 助力留学
免费获取

刘国慧美研部资深顾问

什么是数据科学?就业前景如何?——纽约大学DS详解
更多详情
 

什么是数据科学?

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”。它是以统计学、数学、计算机为三大支撑性学科,以生物、医学、环境科学、经济学、社会学、管理学为应用拓展性的学科。美国大多数院校的Data Science属于STEM学科。

 

 

 

以纽约大学的Data Science为例,我们来详细了解一下数据科学专业。

 

 

 

 

NYU的MSDS项目非常适合专业背景为数学,计算机和应用统计的学生。

 

  • 课程设置

项目时长两年,需要修完36个学分。

 

 

项目要求完成六门必修课,分别为数据科学导论,数据科学概率论与统计,机器学习,大总数和核心项目及展示。

 

第六门课程需要从六门课程里选择一门, 其他的选修课要根据不同的方向进选择。

 

共有7个分支方向:

数据科学

数据科学大数据

数据科学数学与数据

数据科学自然语言处理

数据科学物理

数据科学生物(2018年秋季新开)

数据科学-生物信息(2019年秋季新开)

 

  • 申请要求

 

 

 

本科专业背景:成功申请到NYU MSDS的申请人本科背景为统计,计算机,数学,工程类,经济类,商科,生物,物理和心理学。

 

GPA:2017年入学的申请人的平均GPA为3.69。

 

先修课:微积分I,线性代数,计算机编程类课程(Python, R)。此外,还需要修过微积分II,概率论,统计学或包含高级数学内容的高级物理,工程或计量经济学其中的一门课程。

 

工作经验:很多在读生为应届生,也欢迎有工作经验的申请者

 

 

 

  • 就业分析

     

以2017年入学的毕业生为例,93.5%的学生找到了工作,4.65%的学生继续攻读学位,没有没找到工作的毕业生。

 

  • 工作地点

 

从官网数据可以看出,大部分毕业生在纽约州和加州找到了工作。

 

  • 工作岗位

 

大多数毕业生都在Facebook,IBM,三星,Aetna和NBCUniversal Media等公司担任数据科学家。9%是数据分析师,其次8.1%是Google Inc,Uber Advance Technologies和AIG的软件工程师,5.4%是FactSet,Apple或亚马逊的机器学习工程师。

 

  • 工作行业

 

 

工作行业也存在很大差异。在金融服务业(17.4%)和技术业(28.5%)工作的人数占主导地位。专业服务、旅游服务和媒体是学生选择的第二最常见的行业。1.7%的学生从事专业服务,主要在纽约大学的不同部门工作,如纽约大学朗贡医学中心、大学环境研究部或法学院。

 

 


多年来,毕业生所在的工业类型发生了重大变化。 尽管金融服务和科技公司仍然受到毕业生的青睐,但在教育,社会和环境部门相关行业的工作人数日益增加。 最后一个部分others 是一些组织Wylan Energy(环保服务),纽约犯罪实验室和Civitas Learning(基于大数据分析的教育机构)。

 

数据科学和商业分析的区别

很多学生会选择同时申请两个专业,但是实际上,两个专业还是有区别的:

  • DS一般在工学院或者文理学院, BA一般在商学院

  • DS的课程设置一般偏向于计算机和数学, BA的课程一般还有商科

  • 应用的技能不一样

 

 

技能

商业分析师

数据科学家

决策制定

通过把多方面数据分析中的业务洞察力转换为有形的资源,为业务决策制定策划变动

运用数据挖掘发现数据集中的机会,编写机器学习算法来支持决策制定

应用问题解决

定义业务问题并将统计分析转换为数据驱动的商业智能,从而改善经营业绩

为解决业务问题创建分析基础

数据分析

运用预测性、规范性和描述性分析来研究、解释 和可视化原始数据,让原始数据变得有价值且能为商业用户所用

运用线性判别分析和多元线性驾照选择等方法来管理和组织多元大数据集

分析模型

利用数据模型理解、整合并建议解决方案

有经验的统计程序员使用SAS、SQL、R、SPSS、Python和Knime等语言工作

数据库管理

利用Teradata、Oracle和Hadoop等工具来为不同形式的数据(编码和非编码的)定义和调整数据库需求

利用Teradata、Oracle和Hadoop等工具来设计和结构化数据库

 

分享
请刘国慧老师帮我评估
  • 您的姓名:
  • 手机号码:
提交

京ICP备05067667号
新东方教育科技集团有限公司

电脑版