美国data science硕士好找工作吗？

2024-05-16 02:00

数据科学（Data Science）是利用计算机的运算能力对数据进行处理，从数据中提取信息，进而形成“知识”。数据科学集成了多种领域的不同元素，包括信号处理，数学，概率模型技术和理论，机器学习，计算机编程，统计学，数据工程，模式识别和学习，可视化，不确定性建模，数据仓库，以及从数据中析取规律和产品的高性能计算。

数据科学主要是学习一些成熟的数据分析方法和工具，学习跟数据分析相关的编程技术，在工作中帮企业分析商业数据、市场数据、运营数据，或者帮金融机构分析金融数据，做投资决策等。

数据科学的主要研究内容分以下三类：

1. 描述性分析（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。

2. 预测性分析（Predictive Analytics）：分析数据来预测未来可能发生的事情。

3. 决策建议性分析（Prescriptive Analytics）：分析数据来找出最佳措施、取得最优化的结果。

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，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里做机器学习、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，比如做优化。

就业趋势

Data Science 的就业相对计算机或者纯数学比起来宽泛很多，很大一部分人去 IT 产业从事大数据的工作，比如 Amazon 或者 Facebook，中国的淘宝或者京东也是这类专业的大雇主；随着各行各业的数据增长，很多传统行业也需要这方面的人才，比如超市的顾客购物数据、信用卡刷卡记录、任何场合的实时监控录像，也会产生 big data，需要 data science 专业的人才来进行处理。制药业、计算机软件、互联网、科研、IT 技术服务、生物技术，都是对大数据专业人才需求最为旺盛的行业。从国防部、互联网创业公司到金融机构，都需要能操作大数据项目的人来做创新驱动。数据相关的岗位报酬也极其丰厚。在硅谷，入门级数据科学家的收入已有六位数（美元）。

主要的职业方向有以下四种：

a. 数据科学家（Data Scientist）

就业领域：云端大数据及企业大数据分析

岗位需求企业：数据分析研究所，亚马逊，IBM，谷歌，Cloudera，微软，Facebook，Bloomberg

主要职责：

1. 云端大数据分析

2. 机器学习及数据挖掘

3. 算法开发与测试

4. 运算过程优化

5. 承担数据分析项目

职业道路：数据科学家助理→数据科学家→中/高级数据科学家→首席数据科学家

b. 数据工程师（Data Engineer）

就业领域：云端大数据及企业大数据分析系统运营商、数据分析软件开发公司

岗位需求企业：亚马逊，IBM，谷歌，Cloudera，微软，Cymer，Uber，3D systems 等

主要职责：

1. 云端大数据分析系统设计

2. APP 设计

3. 系统维护及升级

4. 数据清理

职业道路：数据工程师→中/高级数据工程师

c. 数据分析师/统计师（Data Analyst/Statistician）

就业领域：云端大数据及企业大数据分析

岗位需求企业：亚马逊，IBM，谷歌，Cloudera，微软，Cymer，Uber，3D systems 等

主要职责：

1. 企业描述性数据分析（报表、管理层会议）

2. 机器学习及数据挖掘

3. 模型估计与预测

4. 数据库操作

职业道路：数据分析师→中/高级数据分析师→数据科学家/其他部门管理层

d. 商业/金融分析师（Business/Financial Analyst）

就业领域：企业商业、金融大数据分析

岗位需求企业：亚马逊，IBM，戴尔，四大，微软，Cymer，Lytx，Insurance，Uber，沃尔玛等

主要职责：

1. 基于项目的大数据分析

2. 机器学习

3. 模型估计与预测