因此大数据时代的到来，

数据科学这一领域变得至关重要，

毕竟，这是我们未来的所在。

数据科学 (Data Science)是一个新兴的留学专业，随着互联网的发展，越来越多的数据产生，而能够有效分析这些数据并将它们应用于商业的人才却极其短缺，在这种趋势下，数据科学专业就应运而生。

数据科学专业源自于处理每日产生的海量信息流，它是一门交叉学科，一个数据科学家同时需要是一个统计学家、计算机科学家，并且要是一个具有创造性思维的思想家。

该专业涉及到很多的领域包括统计学、数学、计算机、人工智能、机器学习、数据库、模式识别、可视化技术等多学科的知识。

Data Science可以应用在哪些领域？

• 互联网搜索Internet search

  搜索引擎利用数据科学算法在几秒钟内为搜索查询提供最佳结果。

  
  

• 数字广告Digital Advertisement

  整个数字营销使用数据科学算法 - 从显示横幅到数字广告牌。这也是数字广告获得比传统广告更高点击率的原因。

  
  

• 推荐系统Recommender systems

  推荐系统不仅可以轻松找到数十亿产品中的相关产品，还可以增添很多用户体验。许多公司使用该系统根据用户的需求和信息的相关性来推广他们的产品和建议。

Data Science专业毕业后做什么？

在就业端口，目前，不止像Facebook这样的科技公司需要Data人才，越来越多的投行和咨询公司对Data人才的需求也日渐增长。

关于数据科学专业的就业前景，全球最顶尖管理咨询公司麦肯锡（McKinsey）出具了一份详细的分析报告。

自2012年以来，数据科学家已经增长了650％以上，大数据或者数据相关类岗位需求将激增，仅在美国就突破了20W。据IBM预测，到2020年，所有美国数据科学类岗位数量将增加36万个，总数达到270万。

数据科学专业主要有三类职业方向：

• 机器学习工程师 Machine Learning Engineer

• 数据分析员 Data Analyst

• 数据科学家 Data Scientist

Data Science专业毕业后的薪资待遇如何？

数据分析或数据处理的岗位报酬也非常丰厚，在硅谷，入门级的数据科学家的收入已经是6位数美元了。

而LinkedIn在相关职业的调查中也发现，机器学习和数据科学工程师已经超过传统软件工程师，跃升为最高薪群体，年薪中位数高达$129,000。

美国知名求职网站Glassdoor公布的2019 Best jobs in America 排名中，Data Scientist 排名第一，基础薪资中位数达$108,000。但根据许多因素的不同，它的差异很大。

收入：50,000美元至120,000美元

DBA主要负责维护存储所有数据的数据库。工资取决于个人的经验水平和维护系统的复杂程度。

·数据分析师 Data Analyst

收入：50,000美元至110,000美元

数据分析师是以量化为中心的专业人士，通常拥有BS或MS学位。入门级分析师预计可以赚取5万美元以上，而高级分析师可以达到6个数字。

·数据科学家Data Scientist

收入：85,000美元至170,000美元

数据科学家是经验丰富的专家级专业人员。决定薪资水平的主要因素有工作人员实际职称和相关的工作技能。

·数据科学家/分析师经理

收入：90,000美元至240,000美元

当一个人升到经理级别时，薪酬通常取决于直接向该经理报告的人数。低端将是1-3个下属，而高端将是10个或更多员工。

· 数据工程师

收入：70,000美元至165,000美元

数据工程师是设计记录和存储数据的系统的人。他们必须拥有丰富的编程知识以及信息架构方面的专业知识。

专业背景

由于这是一个数理背景和计算机能力要求非常高的专业，所以，并不是所有背景可以申请该专业。

而且大部分项目会有先修课的要求，常见的先修课程有：微积分、线性代数、统计、计算机编程基础（Python、R等）、计量经济学、概率论等。

首先，本科是计算机科学CS的同学，是最符合申请条件的，因为大多数数据工作都是通过编程和数据库的相关手段进行的，同时学过统计、微积分、高级语言。

其次，本科背景是统计、数学或应用数学，且有一定编程基础的同学也可以申请，这都是很好的匹配专业。最后，商科背景出身，但量化背景较强的商科专业，比如金工，但又希望能选择一个STEM专业的同学，那DS显然也是个非常好的选择。

所以说，如果你有比较强的编程背景，又有比较好的数理基础，那你就很有竞争力。

而纯商科背景的同学，如果没有强的量化背景，或者不懂编程，那建议还是数据科学DS和商业分析BA混合申请，因为商业分析更加偏商科，开在商学院，对商科背景接纳程度大很多。

此外，其他理工科或者商科也可以申请数据科学专业，如，物理，生物，MIS，电子信息工程，经济学等等。但相对来说，竞争力可能没有计算机和数学专业的学生那么大。

硬件条件

GPA:

对于GPA当然是越高越好，对于申请TOP50的DS专业而言，GPA至少在3.3+，建议能够到3.5+。而申请top 30的学校，建议能够有3.8+的GPA。这样子才会有更大的竞争力。

TOEFL/IELTS: 

申请U.S News的综合排名TOP50之前的学校的学生需要IELTS至少要达到7.0,TOEFL至少达到100。而申请TOP30之前的, IELTS至少要达到7.5，TOEFL必须达到100以上。

GRE:

美国数据科学硕士一般要求申请者提供GRE成绩。综合排名TOP50之前的学校，对于GRE 的区间在310-325，单是显然只有310的话竞争力显然是不够的，因此，这里建议学生为自己设立的初步目标在320+。而申请top 30的学校，建议能够在325+,Q部分建议能够拿满分。

英国与美国申请的不同之处

由于英国大学非常看重申请者所在的学校是不是211,985院校 ，所指定的录取标准也有所区别。不少学校并不接受非211学生的申请。

换言之，即便申请者自身背景非常出色，但由于所在院校为非211，必然会收到拒信。当然，英国中，大部分学校不需要提交GRE成绩。而且，英国大部分学校申请的时候，并不严格要求申请者提供雅思成绩，雅思成绩可以在拿到有条件录取之后再补充。所以，对于没有相关成绩的申请者来说，申请英国也算是一个不错的选择。

此外，英国大学对于申请者的专业背景相对比较没有那么严格，不少学校接受商科，心理学甚至于医学类背景的学生申请。但通常来说，会要求申请者修过微积分、代数、微分方程、概论与统计、优化或其他数学课程。

软件要求

大部分学校的数据科学专业申请不要求工作经验，但有相关工作经验会对申请有帮助，建议有2-3段实习或项目经历。

实习最优选择应该是数据公司的数据岗，然而现实是这样的岗位由于太过重要，基本不会招实习生。所以建议找一些统计量化相关的或者计算机相关的实习。

至于科研方面，在大学期间最好找和量化相关的科研，如果实在没有，可以把相关的课程大作业拿来用。再退而求其次，也可以是计算机软件、数据库相关。如果没有科研经历，那将是极大的硬伤。此外，可以参加一些数据科学相关的竞赛。