数据科学（data science)专业就业方向？留学还是工作？

问答整理自芝士圈留学微信社群导师答疑。

更多申请解答可至

https://www.zhishiq.com/s/5fa20a2920d6b

问答专区查看（点击链接即可查看）

对数据方向留学/就业常见问题作出答疑整理，以供想申请数据方向留学项目的同学参考。

问：数据方向的专业最重要的专业知识是什么？

答：数据科学其实是一个交叉学科，数学知识，统计知识和计算机都有运用到。数学、统计知识是基础，计算机编程能力是工具。我个人局觉得如果要走的远，比如博士或者是有科研能力的工作者，数学知识很重要。

问：top20学校看重科研经验吗？

答：其实取决于申请的方向，如果是研究型硕士，科研可以说很重要了，比如UW-M的统计学，它其实就是博士的预备级硕士，所以科研占的成分很重，但是面向工作的硕士，就不一样了，实习更加重要一些。具体还是要看项目的导向。

问：请问实习可以找哪些方面？

答：这个取决于实习的岗位，比如，如果你想实习算法岗位，搞清楚基本算法的一些推导很重要的，很多面试直接要求手推svm，如果是代码方向，可能去刷题目会比较有效。实习和工作，特别是这个领域的实习和工作，一些硬性能力很重要

问：我是经济学本科，统计和cs方向的实习很难找，科研项目和实习可以怎么找呢？

答：对于经济学本科转数据科学可能是比较困难，首先得培养自己的硬性实力，如果有条件，c++，数据结构，概率论与数理统计，随机过程，多元统计和机器学习这些课都要修。另一个问题就是怎么找科研和实习。其实现在数据科学方面的实习主要分成两类：偏向商业分析的数据分析和算法岗位，后者偏难。可能前者更好入手。科研的话很多国外学校都有暑期科研，可以自己关注一下。

问：文科生如何转专业申请商业分析或者数据分析？

答：这个我不太清楚，文科的话我知道cmu的公共管理学院地下有些项目也是偏数据科学的，可以了解一下。

问：是ds方向的ms不好找工作，大多要求phd……是这样的吗？具体ds 的ms方向面向哪些岗位呢？

答： DS的master在找工作上面是有些限制的，但是具体还是要看地理位置和具体学校就业服务，比如cmu的mism这个专业就业率近乎百分百。但是算法岗还是phd 比较吃香，或者手上有paper 的master。

问：很多数学，数据课程没有修过，如何弥补？

答： 建议如果想做算法这块，分析学学到泛函，计算机学c++，数据结构（这两门课是转cs或者ce 大学比较看中的）。自己课外要会python。

问：想学商业分析，但是我的专业是电子商务，国外大学好像不收？

答：建议自己多修计算机（c++和数据结构）和一些比较高阶的数学课，多元统计之类的课。其实电商申请，其实不算很跨专业。你也可以了解一下信息系统管理。

问：我发现您本科是经济+理学的背景，研究生能申到信息技术，到了博士已经转到ee的方向。我很好奇您是怎么实现这个转变的？您本科时自己学过ee、cs之类的知识吗？因为我看很多学校招生都看申请者的专业背景匹配度的。能成功申上名校的这些专业还有奖学金的原因我很好奇

答： 其实我觉得主要是我有个数学的本科学位，其实不论是ee还是cs ，都是比较喜欢学math的学生。我进实验室的时候，对方老师说，来个学数学的了。可能是数学有加成。我申请ntu的面试，老师说，ee是applied math，cs是applied ee。所以转这些不算很难。我自己本身做了不少关于机器学习的科研，计算机我修了最基本的java，自学了python和算法，我用这一块证明我在这个领域的一些了解。

有ee转cs的学生，也有ee转ece（电子与计算机工程） 的学生，关键是你的ee自己的研究方向。美国的eee和ee 的划分其实和中国不太一样，这个具体ee怎么转到ds ，那些学校，那些项目，做那些转变我不是很了解。

问：我如果没有上有关数学相关的课程，那么可以提供我的实习或者项目背景来证明我有这些技能吗，还是学校首先看重的是课程？

答：如果两个一定要选的话，可能课程稍微重要点。每个学校其实内部有个计算托福，gre 和gpa的公式，过了分数线再看软背景择优。如果是数学系本身的话，泛函这些肯定都学过可能差的就是计算机c++和数据结构，这个容易用项目和科研证明一点。数学专业申请这个项目算是有一个小小的加成

问：数据科学是不是涉及到的范围很广啊，应该选择一个行业进行深度学习吗？

答：数据科学还是基于数学，统计分析，计算机知识的学习，至于把它应用到特定的场景比如医疗或者是金融这是个人的研究方向。课程设置还是学习数学，统计和计算机，有些特定的项目会学一点点商科的知识。

问：我现在在美国读书，本科理论物理专业同时minor了统计和数学，准备申请data或者machine learning方向的master，但是实习一直找不到，很好奇除了实习还有什么可以辅助申请的。

答：不仅仅是修课，而是真正了解这个领域，你在申请的时候，仅仅说我学了xxx课，但是和machine Learning 或者ml的实践也有可能是脱节的。你需要了解你申请岗位的要求，比如有些要求熟悉openCV 熟悉tensorflow 这些是实习的时候需要工作环境，如果不了解，也没法落地实际操作。我建议你需要根据岗位学习编程，做一些项目和比赛

现在ml分的越来越细，实习也越来越难找，首先分为nlp和cv两个大方向，里面又细分很多小方向，很多岗位小方向不符合的都不要，所以找实习要做到对口。

本文章由芝士圈社群互动答疑整理，回答人为芝士圈留学行家Young Cao。

录取结果

Master

香港中文大学 —数学（大数据track）

卡耐基梅隆大学 — 信息技术 （智能与数据分析track） 20% 奖学金

杜克大学—电子与计算机工程（大数据分析Track） 10% 奖学金

PhD

南洋理工大学 电气电机工程

路易斯安娜理工大学 计算分析与模型

主要经历

西南财经大学理学和经济学双学士；

纯商科（国际商务）转CS机器学习；

在投2篇SCI，现有2个科研项目；

2次学业奖学金，4次校级科研创新奖学金；

可持续世界工程师比赛（中国区）冠军，美赛H奖；

中国TOP 20基金公司产品开发和量化投资实习，有远程和海外教授科研经历；

5月份去DKU的大数据研究中心参与无人驾驶的科研项目。