美国大数据工程师薪资
很多人不禁会疑惑,大数据为什么这么火?
大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。通俗地讲,是在海量的数据中找出数据的规律和价值。我们常用的网购APP的推荐商品模块,都是根据我们日常的购物习惯、消费情况来进行推荐。这其中就包含了数据的采集及分析。
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。
一、数据科学和统计的比较
统计学和数据科学这两个专业都要求一定的数学和计算机能力。部分DS专业开设在统计或者数学系下面。但是两个专业也有一定区别。
先修课:统计专业要求学过除了线性代数、微积分、概率论等等基础课外,还要求掌握统计的高阶课程,比如回归分析、多元统计、时间序列等。而数据科学对计算机背景和技能要求更高,同时要有数学背景,先修课程包括计算机导论,SQL数据库,C++等,数学要求微积分、数学建模、线性代数、概率论等等以及最好有一定工作经验。
从申请角度,统计学大多有自己独立的院系,而DS多数没有,多数在工学院或计算机学院,少数在统计学院。
深入学习角度,统计学比较偏科研,也设有博士学位;而DS则应用导向,如果要读博士一般转到CS。
从就业上差别也不小,统计学家侧重统计和分析数据,进行统计推断。研究重点是对统计方法进行研究和改良,用在计算机建模之后对数据进行描述和解释。而数据科学家则是通过科学的方法,用数据挖掘工具寻找新的数据。数据科学家要求掌握数据库、软件开发等等,对于程序语言R, Python、C++,SQL和Hadoop等都要了解,对技能要求更综合。
二、申请要求
常见的专业名称有Data Science,Data Analytics,Big Data等,各大学对申请学生有较为明确而统一的要求,大多数倾向录取数学、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等。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。工作经验在申请的时候会是加分项。文书中需要注意结合工作,表达对这个专业的理解和看法。如果没有工作经验,建议文书中相关内容强调背景和能力可以胜任这个专业。
美国大多数院校的数据科学硕士要求:
l 修过计算机基础
l 数学基础(比如微积分、线性代数)
l 熟悉概率论或者统计
转专业的同学可以通过辅修学位、暑期课程、网课等方式尽可能的多学习以上课程,提升自己的竞争力。或者多参与相关科研也对申请数据科学有很大帮助。
三、常申院校和梯度参考
• Harvard: 2017开始第一届,录取率5%,女神校,喜欢海本/清北大神
• Stanford: M.S. in Statistics: Data Science 女神校
• Columbia & NYU: 地理位置优越,录取率6-7%左右
• USC: M.S. in Applied Data Science (背景可多样, T 90+)
M.S. in Computer Science – Data Science (推荐CS背景, T 90+)
• Duke: Master in Interdisciplinary Data Science (MIDS) 不强制要求数学、CS背景, T 90+
• NEU, RPI, IUB, GWU
大数据是最近几年来发展最快的行业之一,而且迅速变成主流,有大量的职业缺口和需求。因此数据科学近年来的就业非常理想。FLAG(Facebook, Linkedin, Amazon和Google)以及阿里巴巴、腾讯、京东等国内高科技企业对于专业的大数据人才也都有非常高的需求。北上广大数据工程师平均薪资在17k-20K之间,具体薪资根据个人能力会有不同的程度的浮动。许老师就听说有求职时意向20K,HR开出24K的真实案例。