推荐:数据科学数据科学专业
留学最火专业之一:美国CS全解析！在“转码”一文中，我们谈到了“转码”，这是当下非常热门的话题。文中提到，电脑转码是可以的，但其实如果你想去做一个相对高级的项目，并不难。
要提高转码的成功率，可以选择一些对非计算机背景的同学相对友好的专业/专业分支。
接下来小E姐给大家介绍几种转码策略。今天推荐的是:数据科学专业！
DS数据科学
01什么是数据科学？
数据科学是一个研究领域，它使用现代工具和技术来处理大量数据，以便发现看不见的模式，获得有意义的信息并做出商业决策。
数据科学是一门新兴的交叉学科，以计算、统计、数学、心理学和工程学等领域为基础，重点研究数据丰富的技术和应用。
如图所示，数据科学的生命周期包括五个不同的阶段，每个阶段都有自己的任务:
02数据科学可以应用于哪些行业？
在一些行业，企业利用数据科学来创新和创造新产品，使他们周围的世界更加高效。例如:
医疗保健行业
数据科学推动了医疗行业的一些突破。现在，从电子病历到临床数据库到个人健身追踪器，有一个庞大的数据网络。医学专业人士正在寻找新的方法来了解疾病，进行预防医学，更快地诊断疾病，并探索新的治疗方案。
自主车辆/汽车
特斯拉、福特和大众都在其新一轮自动驾驶汽车中实施了预测分析。这些汽车使用数千个微型摄像头和传感器来实时传输信息。利用机器学习、预测分析和数据科学，自动驾驶汽车可以根据限速进行调整，避免危险的变道，甚至在最快的路线上载客。
物流
利用UPS数据科学最大限度地提高内部和配送路线的效率。该公司的在途综合优化和导航工具使用数据科学支持的统计建模和算法，根据天气、交通、建筑物等为送货司机创建最佳路线。据估计，数据科学每年为物流公司节省多达3900万加仑的燃料和超过1亿英里的运输。
娱乐
利用数据科学，各类娱乐app可以根据你当前喜欢的音乐类型或者你喜欢看的乐队或者视频，精心规划推荐列表。
金融行业
机器学习和数据科学为金融业节省了数百万美元和无法量化的时间。例如，摩根大通的合同智能平台使用自然语言处理，每年从约12，000份商业信贷协议中处理和提取重要数据。
由于数据科学，原本需要大约360，000工时才能完成的工作现在可以在几个小时内完成。此外，Stripe和Paypal等金融科技公司正在大力投资数据科学，以创建机器学习工具来快速检测和防止欺诈活动。
网络安全性
数据科学在每个行业都有用，但在网络安全方面可能是最重要的。国际网络安全公司卡巴斯基每天都在使用数据科学和机器学习来检测超过36万个新的恶意软件样本。能够通过数据科学即时检测和学习网络犯罪的新方法对于我们未来的安全至关重要。
03数据科学DS和计算机科学CS有什么区别？
不同的研究领域
计算机科学和数据科学是不同但相关的技术领域。
计算机科学领域比较广泛，包括对计算机功能组件的理论和应用研究，包括硬件、软件、操作系统、网络协议等信息技术系统架构的要素。
数据科学是一个新的狭窄的交叉学科领域，它将编程技能与统计建模和数据分析方法结合在一起。
不同的课程
计算机科学课程包括应用开发、操作系统和网络安全方面的高级课程，而数据科学课程的特色课程是数据分析、数据挖掘和概率建模。
虽然一些计算机科学硕士项目提供了数据科学和分析的分支，但数据科学项目比一般的计算机科学项目更窄，更专业。
例如，虽然计算机科学家和数据科学家通常会学习使用几种编程语言，但数据科学会侧重于一些统计编程语言，如R和SAS，但这可能不是计算机科学课程的一部分。
与数据科学课程相比，以下是一些典型的计算机科学课程:
需要注意的是，部分计算机科学硕士课程也可能是数据科学硕士课程的一部分，部分数据科学硕士课程可能作为计算机科学的选修课程开设。
知识和技能以不同的方式应用。
虽然与计算机科学和数据科学相关的知识有所重叠，但计算机科学家和数据科学家以不同的方式应用他们的技术知识和编程技能。
计算机科学家主要关注计算机的内部工作。他们编写和调试代码，开发和修改软件应用程序，设计和优化计算机系统和网络。
数据科学家研究数据库系统和概率模型，以解决涉及大型数据集的收集、分类和分析的复杂问题。
数据科学专业对申请人计算机编程能力的要求低于CS专业。本科有统计学、数学或应用数学背景，有一定编程基础，可以申请数据科学硕士项目。另外，本科是商科专业，有很强的量化背景，比如金融工程。也可以尝试转码报考数据科学。
04美国数据科学硕士项目
美国的数据科学硕士项目有的是作为独立的硕士项目设置在工程学院或其他学院下，有的是作为计算机科学、统计学或其他硕士项目的分支设置在这些项目下。例如，南加州大学的计算机科学硕士项目有九个专业分支，其中一个是数据科学。
美国数据科学硕士项目提供MS或MSE学位。例如，宾夕法尼亚大学的数据科学硕士项目是工程硕士学位，在工程学院下提供。
在学习数据科学之前，您需要了解几个技术概念:
机器学习。机器学习是数据科学的支柱。除了统计学的基础知识，还需要掌握机器学习的知识。
建模。数学使你能够根据已知的数据进行快速计算和预测。建模也是机器学习的一部分，包括确定哪种算法最适合解决给定的问题，以及如何训练这些模型。
统计学。它是统计学的核心。
编程。一个成功的数据科学项目需要一定程度的编程。最常见的编程语言是Python和r，Python特别受欢迎，因为它简单易学，支持各种数据科学和ML的库。
数据库。需要知道数据库是如何工作的，如何管理它们，以及如何从中提取数据。
美国数据科学硕士的热门申请有:
哈佛数据科学硕士项目时长:3-4学期，完成12门课程。
先决条件要求:要求申请人修过微积分、线性代数、概率论和统计学，精通至少一门编程语言，具备计算机科学基础知识。
哈佛大学数据科学硕士项目由计算机科学学院和统计学院联合举办。学生可以选择CS或者统计学选修课。该项目还提供论文选项。
哥伦比亚大学数据科学硕士项目期限:3个学期，30个学分。
预科课程要求:要求申请者有一定的数学和编程基础，最好修过微积分、线性代数、计算机编程等课程。
哥伦比亚大学数据科学硕士项目设立在数据科学研究所下。课程包括21个学分的核心课程和一个Captone项目。核心课程主要分为三类:计算机科学、工程学和统计学。
杜克大学跨学科数据科学硕士项目:4个学期，42学分。
先修课程要求:定量课程、计算机编程课程或经验。
杜克MIDS项目设立于社会科学研究所，于2018年开始招生。除了必修课和选修课，学生还需要有暑期实习。学校会帮助学生联系杜克大学校友和合作伙伴，为学生寻找合适的暑期实习机会。
宾夕法尼亚大学数据科学项目MSE学制:1.5-2年，完成10门课程。
宾夕法尼亚大学的数据科学硕士项目设置在工程与应用科学学院下，课程涵盖广泛，包括网络科学、数字人文科学、生物医学、公共政策、计算机与信息科学、电气与系统工程等。分为基础课、必修核心课、专业选修课。学生需要完成一个论文/实习才能毕业。
康奈尔大学信息科学硕士项目期限:1年
康奈尔大学的信息科学硕士项目是一个跨学科项目，旨在帮助学生在信息科学领域成功发展职业生涯。
学生需修信息系统课程9学分和人与社会系统课程9学分，MPS项目或数字技术实习3-6学分，可选修不超过9学分的课程。
南加州大学计算机科学硕士这个项目是南方大学计算机科学硕士的一个分支。学生需要修满32个学分。要求课程的GPA不得低于3.0。班级规模小，每年招生20-30人，偏向理论研究。
卡耐基梅隆大学计算数据科学硕士卡耐基梅隆大学计算数据科学硕士项目设立在语言技术学院下，教授来自计算机科学系、机器学习系和人机交互学院。
该项目下设三个专业分支:系统、分析和以人为中心的数据科学。
学制分为16个月和20个月。无论你选择哪种方式完成你的学位，MCDS学生必须完成144学分。
这个项目竞争非常激烈，录取率不到10%。无论本科专业是什么，强大的计算机科学和数学背景是录取的首要条件。
纽约大学数据科学硕士项目学制:2年，完成36学分。
先修课程要求:微积分一、线性代数、计算机科学导论、微积分二、概率论、统计学或高等物理、工科或有大量数学课程的计量经济学。
该计划非常重视学生的数学背景，优先考虑接触过机器学习、计算统计、数据挖掘、大规模科学计算和运筹学的申请人。
纽约大学数据科学硕士项目下设三大分支:数据科学、数据科学生物学和数据科学-生物医学信息学。学生可以选择自己的兴趣。
如果你想了解更多美国数据科学硕士项目，欢迎添加小E姐微信，为你匹配咨询师和老师，进行一对一免费咨询。
05数据科学就业形势
数据相关的岗位通常包括:数据科学家、数据分析师、数据工程师。
其中，数据科学家所需要的计算机科学和纯科学技能都超出了一般数据分析师的水平，就业前景和薪酬也非常可观。
自2016年以来，Glassdoor一直将数据科学家列为美国三大工作之一。随着越来越多的数据变得越来越容易访问，大型科技公司不再是唯一需要数据科学家的公司，所有行业，无论大小，对数据科学专业人员的需求都在增加。
据Glassdoor和《福布斯》预测，到2026年，对数据科学家的需求将增长28%，可见这一职业的持久性和长寿性。
在2021年美国最佳工作的调查中，数据科学家的职业排名第二，平均基本工资为12.75万美元。
下期介绍另一个适合转码的专业:管理信息系统管理信息系统。欢迎关注！
以前的文章推荐:
美国转码硕士怎么选？
