什么是数据科学?-就业前景如何?
-
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)
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
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 |