歡迎光臨
每天分享高質量文章

我們分析了全美Top Business Analyst 和 Data Science專業,最後給你總結了這幾點

身邊很多朋友提過或者是想要走進大資料這個行業

每個人的Background不一樣,能力,擅長的領域都不一樣

小編有一句發自肺腑的話要說給大家聽:

不是熱門的,薪水高的,所謂好找工作的專業就值得去學;

真正值得學的是你理性地衡量了所有標準以後,

最適合自己的,才是值得你學的。

首先,小編給你準備了一篇很優秀的文章里的幾句話

這篇文章叫做:在你想要讀資料科學的學位前,你需要知道的五件事

1.你不一定非得讀一個資料的學位;你可以自學,或者去一個boot camp。

不講笑:此刻你可能需要一個網站

www.dataapplab.com

2.資料科學從來就不僅僅是資料,它牽扯了無數個不同的領域。

3.如果有一個專業或者專案提供的課程只是簡單地把各種別的相關課程包裝一下,別去。

4.理論之上還有不同的理論要去學習,好好掌握基本的理論。

5.無論你讀不讀一個學位,你都要穩步提升自己的軟實力。

01 本科篇

本科的專業相比於研究生,可能課程更具多樣性。和別的專業的學生一樣,都要修一些General Education,不同領域各種門類的普遍性教育課。然後專業課的部分更多的是對於基礎性教育課一層一層的積累,所以相比於研究生再轉進去讀的同學來說,本科開始讀可能基礎會更扎實一些。然而,本科的資料專業並不多,而且都很新,加上正規的不正規的,大概齊是有六十個左右的學校開設了本科的資料科學專業。

我們從中選擇了4個專案來跟大家分享。

【Columbia University —  B.A in Data Science】

一個綜合排名賊高的藤校,本科設立了一個資料科學的專業,計算機院的專業。

官網上穩準狠地說明瞭Data Science的本質,不過就是學好了計算機和統計。

從官網的課程設置來看,還是對於學生的計算機和統計功底要求都很高。這對於一部分還沒有決定是不是要走資料科學走到黑的人來說是好的,研究生可以重新回到計算機科學的回報或者去做個統計學大牛也不是不可以。

核心課程

❤️

Probability Theory

概率論

Statistical Inference

統計推斷

Linear Regression Models

線性回歸模型

Statistical Machine Learning

統計機器學習

Introduction to Computer Science

計算機科學

Data Structures

資料架構

Discrete Math

離散數學

Analysis of Algorithms

演算法分析

看了這些,你是不是有一丟心動?

請安撫好你的小心心別亂動,哥大不是你想考想考就能考。

【University of Rochester – B.A / B.S in Data Science】

這個大學是厲害的,同一個專業,你可以選擇以BA畢業也可以選擇以BS畢業,你要是想以BS畢業,你就得多讀幾節課。官網裡說了,BA呢更自由一些,一般是你想要雙專業畢業的話會更合適一些。如果你想深度瞭解資料,那就選擇BS的課程。

對於這個專業設置,卡裡覺得是厲害的,

給你,你想要的全部自由,非常適合射手座的一個學校(微笑)。

核心課程

❤️

Discrete Mathematics

離散數學

The Science of Programming

編程

The Science of Data Structures

資料架構

Linear Algebra with Differential Equations

線性方程

Ordinary Differential Equations

常微分方程

Computational Introduction to Statistics

計算機統計

Elements of Probability and Mathematical Statistics

概率論與數理統計

Applied Statistics for the Biological and Physical Sciences

生物與物理統計

Intermediate Statistical and Computational Methods

中級統計與計算機方法

如果大家有幸被錄取到了這所美麗的學校,可以考慮跳進資料科學的大坑。

【Ohio State University – B.S Data Analytics】

曾經年幼無知的卡裡以為OSU只有商學院厲害,後來卡裡的老鐵去OSU讀了Data Analytics,卡裡發現,咦,技術也是挺厲害的。介紹它的原因呢是因為它這個專業下有幾個很有趣的分支,我覺得作為本科的專業,這一點是比較難得的。因為相比於別的傳統專業,資料科學已經是非常細化的專業了,能夠分出一定的師資在專業下開設分支以便學生學習不同領域的資料是難得的。

核心課程也沒有什麼可驚喜的 所有學校都大同小異

❤️

Calculus and linear algebra

微積分和線性代數

Data mining and statistical learning

資料挖掘和統計

Database design and cloud computing

資料庫設計和雲計算

Optimization (這個課是有一丟厲害的,一般研究生的program里才會出現)

最優化

Probability and statistical inference

概率與統計推斷

Regression modeling and statistical decision making

線性回歸和統計決策

Software design and programming

軟體編程

Visualization (這個課也是有一丟重要和厲害的)

可視化

每個學生從下麵四個裡面選擇一個方向專攻,看上去都是厲害的不得了的方向

對於本科生來講,選的最多的應該還是Business Analytics 和 Computational Analytics

Biomedical informatics

生物信息學

Business analytics

商業分析

Computational analytics

計算機分析

Social science analytics

社會科學分析

【University of California, Irvine – B.S Data Science】

最重視的當然要放在最後,這是小編的母校,DS也是小編當年心心念念的專業。這個專業比較新開設的較晚,它出現的時候小編已經沒有機會轉進去了。

好的讓我們來看看這個專業的

核心課程

❤️

Introduction to Programming

編程

Programming with Software Libraries

進階的編程

Intermediate Programming

最厲害的編程

Introduction to Writing and Rhetoric

寫作和修辭學

Critical Reading and Rhetoric

批判性閱讀和修辭

Seminar in Data Science

資料科學研討會

Calculus

微積分

Statistics

各種統計課

Machine Learning and Data-Mining

機器學習 & 資料挖掘

Design and Analysis of Algorithms

演算法的藝術

Information Visualization

信息可視化

UCI 最引以為豪的writing program也是特色之一,在我司之前做的各高校資料專案分析里,Communication and Story Telling也是極其重要的一點,所以UCI在這件事情上是完勝的。其他的呢,公正地說其實和各個program的差距不大,都是以編程和統計為主,然後上一些高階的計算機課。但Irvine真的是個太好的地方,如果你還在糾結要去哪裡讀資料科學,Welcome to Irvine!

02 研究生篇

研究生的資料科學Program可就是百花齊放了,要是選起來小編能選一天一夜,所以先簡要地給大家介紹幾個厲害出名的Program,然後再說幾個比較常見的專案,讓大家能夠對研究生專案的有所瞭解。

首當其衝地,讓小編列出一溜全美最6的資料類研究生專案,

# 排名不分先後,這隻是小編看了一堆文章以後羅列出來的,沒有學校塞錢給我好麽?

Carnegie Mellon University

江湖人稱:卡耐基梅隆 | CMU

Master in Computational Data Science

Massachusetts Institute of Technology

江湖人稱:麻省理工 | MIT

Master in Business Analytics

New York University

江湖人稱:紐大 | NYU

Master in Data Science

Stanford University

江湖人稱:斯坦福 | SU

Master in Statistics, Data Science

Columbia University

江湖人稱:哥大 | CU

Master in Data Science

Northwestern University

江湖人稱:西北大學 | NU

Master in Analytics

University of California, Berkeley

江湖人稱:伯克利 | UCB

Master in Information and Data Science (Online)

Georgia Institute of Technology

江湖人稱:喬治亞理工 | GIT

Master in Analytics

University of Southern California

江湖人稱:南加大 | USC

Master in Business Analytics

George Washington University

江湖人稱:喬治城大學 | GWU

Master in Data Science

Michigan State University

江湖人稱:密歇根州立 | MSU

Master in Business Analytics

這些專案各有好壞,各有千秋,

我們沒有再一個一個給大家羅列課程了

但是我們會告訴你如何分辨一個program的好壞,

部分idea竊取自Aarshay Jain寫的一篇博客

Program Name

從小我們就知道不能通過看一本書的皮來決定這本書值不值看,

雖然現如今這個道理行不通,顏值是第一要義,

不好看的東西我一眼都不會看,

不過… …

資料是顏色不一樣的煙火

沒有什麼比Program本身更重要了,名字都是騙人的!

Curriculum

課程設置絕對是看一個專案好不好最重要的東西了。課程是告訴你你可以學到什麼並且能告訴你這個program和你想要的東西差距有多遠的第一衡量標準。通常,一個Program的課程會分為核心課程和選修課程,你可以來回瞅瞅看,哪些才是你最想要的。

課程是不是自由多變,

有沒有給你足夠的空間讓你去選擇適合你的計劃,

Tip:

對於研究生專案還有一個重要的事情就是對部分課程的減免問題,因為每個學生背景不一樣,所以學校也會多多少少地對一些基礎比較好的同學免去一些他在本科學過的課。

但是,你一定要去跟學長學姐們問清楚哪些課難哪些課簡單,

有的課按照條例雖然你可以被免掉,但是如果它很難你也要註意,儘量還是修一下,

有的課很沒有意義,你就儘量能免則免。

Practical Training Opportunities

這個就是工作實踐的機會,但是馬克思說過“實踐出真知”。

覺得自己學了一肚子才華,不用一用,你還真以為自己都學會了。

所以,有無實踐機會是非常重要的。

實踐機會可以是實習,階段性Project (Capstone Project), Hackathon都可以。

同時地理位置也是非常重要的。

舉個慄子:

Google 每年 招的 最多的三所學校的學生分別來自

UC Berkeley, Stanford 和 San Jose State University!!!!

驚不驚喜?意不意外?

就是想讓你知道地理位置對於實踐出真知賊重要

Industry Collaboration

這一點其實就是在說這個program有用的產業界的支持合作有多少。因為如果一個大學一直照著課本上的東西去教,就一定會被淘汰,但是如果有各種產業界大牛或者在這個行業里公司經常性地給予這個program或多或少的支持,這個program所教的東西就不會與時代脫軌。

Research Opportunity

有沒有做研究的機會也很重要。如果你是一個研究性人才,想要繼續讀博士或者深層次的資料架構,那你一定要看看這個program有沒有給你做研究的機會。

Class Profile

這個是什麼意思呢?

意思就是

如果你無法看清自己是個什麼水平的學生,

你自己心裡對自己沒點兒B數的話,

那看看你的同班同學吧!

看看他們都是什麼人,畢竟你們是被同一個program招進來的,你們不會差的太遠。

如果你的學校沒有把你的同班同學信息share給你,

那你可以借助facebook和linkedin來尋找信息。

University Reputation (Ranking)

排名這個東西,我們都是最在乎的,蛤蛤,就算你譴責了我們這麼多次太在乎排名,我們還是在乎。因為如果我考上了哈佛,就是比你考上180多名的野雞大學牛逼的對麽?

說笑啦!

排名這個東西呢,somehow在data science這個學科還是非常關鍵的,因為這個專業非常的新,所以我們沒有辦法去觀察往年的歷史來看看到底這個學校被聘用率如何,所以排名是需要被納入衡量標準的。

Return on Investment

這個我覺得這篇文章的原作者說的是非常有道理的。就是你得看你的投入產出比。

通常資料科學的專案是不會給獎學金的,並且學費相對較高,所以你要做的就是去比較差不多的行業里的專業的program的學費,資料科學你就去比比計算機統計,看看差的多不多。如果差的很多,那有可能學校看著一個厲害的新專案,想要給從你身上榨點錢。

但是,辯證的來看,如果你覺得這個學校的專案,基於我們說的各種衡量標準來看,非常好。那這個投入產出比是值得的,你花了很多錢,受了最牛逼的人給你的最好的教育,然後你拿到了很好的工作,這個就是值得的。

First Hand Experience

說了這麼多都比不上你自己去試一試。去看看網站,看看細節,看看第一次見面有沒有緣分。問一問以前的學姐學長,看看他們喜不喜歡這個program。

感受,體驗,經歷比什麼都重要。

來源:大資料應用

精彩活動

福利 · 閱讀 | 免費申請讀大資料新書 第23期

推薦閱讀

2017年資料可視化的七大趨勢! 

全球100款大資料工具彙總(前50款) 

論大資料的十大局限

大資料時代的10個重大變革

大資料七大趨勢 第一個趨勢是物聯網

Q: 你正在或者打算攻讀大資料相關的專業嗎?

歡迎留言與大家分享

請把這篇文章分享給你的朋友

轉載 / 投稿請聯繫:hzzy@hzbook.com

更多精彩文章,請在公眾號後臺點擊“歷史文章”查看

赞(0)

分享創造快樂