统计学是应用数学的一个分支，成为一门独立的学科。其主要方向是结合概率论、数学模型、统计模型、计量经济模型等工具，对大量数据进行整理、总结和分析，并从中做出归纳推测或预测分析。
从学科角度看，数据科学是在统计数学的基础上融合了模式识别、机器学习、数据可视化、数据库、编程等高性能计算的交叉学科。
统计/数据科学专业市场需求和人才缺口巨大，关注相关专业的学生也很多，应用非常火爆。今天就和大家详细聊聊香港和新加坡统计与数据科学专业的应用分析offer
专业简介
和统计数据科学，两者都是在数学的基础上收集、处理、研究和分析数据。由于两者的专业方向、背景、就业领域、对申请人的背景要求都比较相似，所以一般来说，这两个专业基本可以一起申请。
统计学专业:
统计学已经从应用数学领域中独立出来。其主要方向是结合概率论、数学模型、统计模型、计量经济模型等工具，对大量数据进行整理、总结和分析。并从中进行归纳推测，或者进行预测分析。
统计学的核心学科包括:数据挖掘、随机过程、时间序列、生存分析、贝叶斯算法等。可以说可以服务于所有需要依靠大数据进行决策的行业，应用和就业范围非常广泛:政府部门、金融、经济、互联网行业、医药等等。
数据科学专业:
提供收割机出国留学:从应用的角度来说，数据科学的难度应该涵盖统计学。因为数据科学相当于在统计数学的基础上结合了一定程度的计算机和编程知识。它的应用和就业领域也很广，比统计学更深入。可以从事AI、数据挖掘、算法、机器学习等热门交叉领域的前沿工作。
数据科学的专业核心由三部分组成:数据处理、数据模型分析和数据可视化。前两篇与统计学专业部分重合；多出来的部分是可视化结合计算机技术，机器学习等分支结合高级编程。
所以数据科学相关的项目大部分设置在计算机学院，文理学院，工科学院，少部分设置在商学院。本专业的基础课程包括应用统计方法、计算机方法、数据挖掘、数据库等课程。在此基础上，学生可以自由选择自己想深入的领域。
02
Offer harvester留学:申请策略与建议
1.专业背景要求
【统计】
除了本科统计学专业，一般录取的本科背景有:数学、应用数学、计算机科学、信息科学等数学背景较强的专业。转专业的同学也可以申请，比如生物、物理、电子工程等。
一般的商科课程很难申请，需要大量的数学课程背景支持，包括但不限于微积分、线性代数、概率论、统计学、回归分析、微分方程、多元微积分、计算机、R等。最好能熟练使用Excel、SPSS、SAS、C++、Python、R等相关软件。
【数据科学】
常见的录取背景有:数学、统计、信息、计算机、数据、工程等专业背景。
基本上不适合商科等转专业的同学。不建议报考DS，除非他们修够了数学课程，但是可以尝试报考统计学，需要有相应的课程、技能和经验作为背景。数学背景等硬性条件比统计学要求更高。软背景，基本要求有计算机和数据方向的项目经验，或者业内顶尖公司的相关岗位。
2.录取偏好
【平均绩点】
根据申请难度，港三、国大、NTU最好有3.5+；注意自己的数学背景，大量的高等数学，统计学，数据，计算机编程课程，有益无害，相关课程分数不能太低。
【IBT/雅思】
香港和新加坡的语言要求普遍较低，大部分项目雅思6.5+/托福90+都可以申请。申请名校的建议:雅思7+/托福100+。不需要刷很高的语言成绩，因为对于这些项目来说，语言成绩并不是考虑的重点。
【GRE】
申请统计/数据专业，应该考GRE，而不是GMAT。如果NUS统计从20Fall开始，必须提交GRE。建议分数可以320+，高分加分。
[科研项目]
最重要/有用的是一些大牛教授或机构的优质科研项目，涉及数据、统计、建模、数据分析等。，并能使用分析工具、模型、数据可视化等。进行相关研究。这样的项目对申请更有帮助，即使能在大型期刊上发表论文也会加分。
数据处理、数据分析、数学等领域的高质量经验非常有帮助。通过这些经历，可以展现自己的数据处理能力和对数据处理软件的掌握程度。
[实习/工作经历]
无强制要求，但可添加相关优质实习/工作经历；比如谷歌、腾讯、阿里巴巴等互联网公司的数据挖掘、数据分析岗位；咨询、顶级投行等策略分析、数据处理、建模、股票分析；精算和其他职位。
以下是一些具体的公司职位推荐:
券商:直投部/投行部，量化岗，数据分析岗…
咨询公司:波士顿，贝恩，麦肯锡，埃森哲，尼尔森等数据分析岗，战略管理咨询岗…
互联网公司:阿里/腾讯/数据岗，谷歌数据岗，滴滴数据分析岗，Qunar.com数据分析…
电子商务:JD.COM数据分析岗…
快速:欧莱雅，联合利华，PG市场数据分析贴…
大数据公司:如BBD数据分析岗…
[竞争]
数学建模竞赛:大型的数学建模竞赛，如美国竞赛、数学建模全国竞赛等，都是很受认可的，强烈推荐参加。
计算机/数据类竞赛:推荐数据分析、数据挖掘、计算机类竞赛。
以及其他建模和统计建模比赛等。也可以参加这几类比赛，可以强化和锻炼自己在建模、代码编程、论文写作、数据处理和分析等方面的能力。，并丰富背景，为应用添加亮点。
[交易所]
如果有机会，还可以考虑参加交换项目，比如2+2、学期交换、暑期学校等。参加这样的交流项目，可以丰富国际教育背景，提前适应国外的教育环境，要求有国外教授的推荐信，会给申请加分，但不是强制性的。
其中，如果有海外本科背景，可以给自己申请更多的学位背景，可以主辅修相关专业课程，努力学习可以拿到不错的GPA。香港的新大学更看重本科大学的背景。一般来说，985/211和海本背景的会优先考虑。
3.申请时间
此类项目在香港和新西兰的申请开放时间并不一致。如果9/11/12月有开放申请，会有批次/滚动录取。建议申请香港和新西兰的同学尽快拿到标准化成绩，尽早准备申请材料，尽早申请；这类项目在香港的主要申请阶段可以是9月到12月。尽早申请，先申请先备案。
03
应用难度
统计学和数据科学一直是比较热门的专业。近年来，数据科学以AI等概念吸引了越来越多的申请者。但由于门槛较高，申请难度每年变化不大。同时，由于大部分项目规模较小，申请难度不大。
申请项目的难度基本上与学校的排名和知名度成正比。HKU、HKU、国大和NTU的申请难度大于其他院校。
04
就业率
统计学和数据科学比较适合数学功底强，对数学和编程有兴趣，有一定天赋的人。就业前景很好，工作待遇很高，而且因为地理位置的原因，离国内比较近，所以无论是选择海外就业还是回内地工作，都有很多选择。大多数好职位来自知名IT公司和新兴互联网公司，如脸书、谷歌、linkedIn等。也有去金融投资行业做Quant的，或者其他领域的一些公司做相关行业的数据分析。就业率远高于普通商科专业，基本都能找到满意的工作offer。
1.工作分类
毕业生往往从事数据分析师、统计师、机器学习工程师、数据科学家、研究科学家、商业分析师等工作。主要是根据自己的专业技能，以及自己对什么方向感兴趣，想做什么样的工作。
一般来说，数据分析师和统计师在统计学上比较传统；机器学习工程师、数据科学家、研究科学家比机器学习更现代；而商业分析师则偏向于商业。
2.主要应用行业
支持数据行业:分析公司数据，做决策分析，解决问题，比如IBM。
行业:数据挖掘，客户数据分析，市场数据分析，如亚马逊，脸书
咨询、银行投资保险行业:行业分析、企业战略分析、决策分析，如麦肯锡公司。
行业/医疗机构:生物特征分析，制药研究，生物技术，如埃利斯医学。
政府部门:人口社会保险数据统计、经济数据分析与决策、气象研究；如刚果民主共和国
所属行业:产品设计、产品分析;;比如保诚
娱乐部:产品分析、游戏设计、数值策划；比如暴雪
物流相关行业:运营分析和物流分析；如UPS
教学/研究:大学、专业研究机构
[香港一般应用情况]
TOP3
最热门、最具竞争力的项目无疑是HKU和HKUST的项目。学校对申请者的要求几乎一样:GPA3.5+。建议提交GRE320+，相关专业背景，数据相关的高质量研究/实习，班级规模不大。
PS:其中香港中文的DS是兼职教学，可以考虑报考香港和深圳的DS。HKU的LIM设置在教育学院，不是传统意义上的DS项目。不难申请。
城市，香港大学和浸信会
香港和港大都有比较纯粹的DS项目，城大的DS项目是19年开设的。大部分项目的申请条件都不是很高，只要背景与项目课程兼容即可。
[新加坡一般申请情况]
新加坡的申请大部分在新加坡国立学院和南洋理工大学周围，少数学生会加入新加坡管理大学。因为学校少，可供选择的项目少。
新加坡国立大学
统计学理学硕士
数据科学和机器学习理学硕士
南洋理工大学
分析理学硕士
新加坡管理大学
商业信息技术硕士
提供收割机留学:新加坡国立大学的统计学和DS都设在数学学院，其中DS project 20Fall是新设的。这两个项目申请开放时间较晚，都是12.1开放，3.15关闭，数学功底强的同学可以申请；商科背景数学课好的同学也可以尝试报考统计学项目。NTU的Analytics倾向于招收理工科背景的学生，跨学科申请商科专业非常困难。新加坡管理大学商科IT建议工作经验，但卡的不严格，项目申请难度普遍较低。
以上为offer Harvester原创编辑。如需转载，请注明出处。
