我们分析了全美Top Business Analyst 和 Data Science专业，最后给你总结了这几点
身邊很多朋友提過或者是想要走進大數據這個行業
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后，
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：在你想要讀數據科學的學位前，你需要知道的五件事
1.你不一定非得讀一個數據的學位；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.數據科學從來就不僅僅是數據，它牽扯了無數個不同的領域。
3.如果有一個專業或者項目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
本科的專業相比于研究生，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。然后專業課的部分更多的是對于基礎性教育課一層一層的積累，所以相比于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，本科的數據專業并不多，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數據科學專業。
我們從中選擇了4個項目來跟大家分享。
【Columbia University -- ?B.A in Data Science】
一個綜合排名賊高的藤校，本科設立了一個數據科學的專業，計算機院的專業。
官網上穩準狠地說明了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，還是對于學生的計算機和統計功底要求都很高。這對于一部分還沒有決定是不是要走數據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
數據架構
Discrete Math
離散數學
Analysis of Algorithms
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。官網里說了，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。如果你想深度了解數據，那就選擇BS的課程。
對于這個專業設置，卡里覺得是厲害的，
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
數據架構
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，可以考慮跳進數據科學的大坑。
【Ohio State University - B.S Data Analytics】
曾經年幼無知的卡里以為OSU只有商學院厲害，后來卡里的老鐵去OSU讀了Data Analytics，卡里發現，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。因為相比于別的傳統專業，數據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數據是難得的。
核心課程也沒有什么可驚喜的 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
數據挖掘和統計
Database design and cloud computing
數據庫設計和云計算
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
軟件編程
Visualization （這個課也是有一丟重要和厲害的）
可視化
每個學生從下面四個里面選擇一個方向專攻，看上去都是厲害的不得了的方向
對于本科生來講，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后，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
數據科學研討會
Calculus
微積分
Statistics
各種統計課
Machine Learning and Data-Mining
機器學習 & 數據挖掘
Design and Analysis of Algorithms
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數據項目分析里，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，然后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里讀數據科學，Welcome to Irvine！
02 研究生篇
研究生的數據科學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，然后再說幾個比較常見的項目，讓大家能夠對研究生項目的有所了解。
首當其沖地，讓小編列出一溜全美最6的數據類研究生項目,
# 排名不分先后，這只是小編看了一堆文章以后羅列出來的，沒有學校塞錢給我好么？
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
這些項目各有好壞，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... ...
數據是顏色不一樣的煙火
沒有什么比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項目好不好最重要的東西了。課程是告訴你你可以學到什么并且能告訴你這個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:
對于研究生項目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注意，盡量還是修一下，
有的課很沒有意義，你就盡量能免則免。
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。
舉個栗子：
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于實踐出真知賊重要
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數據架構，那你一定要看看這個program有沒有給你做研究的機會。
Class Profile
這個是什么意思呢？
意思就是
如果你無法看清自己是個什么水平的學生，
你自己心里對自己沒點兒B數的話，
那看看你的同班同學吧！
看看他們都是什么人，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么多次太在乎排名，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么？
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。
通常數據科學的項目是不會給獎學金的，并且學費相對較高，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，數據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項目，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項目，基于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，然后你拿到了很好的工作，這個就是值得的。
First Hand Experience
說了這么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，經歷比什么都重要。
來源：大數據應用
精彩活動
福利 · 閱讀 | 免費申請讀大數據新書 第23期
推薦閱讀
2017年數據可視化的七大趨勢！?
全球100款大數據工具匯總（前50款）?
論大數據的十大局限
大數據時代的10個重大變革
大數據七大趨勢 第一個趨勢是物聯網
Q:?你正在或者打算攻讀大數據相關的專業嗎？
歡迎留言與大家分享
請把這篇文章分享給你的朋友
轉載 / 投稿請聯系：hzzy@hzbook.com
更多精彩文章，請在公眾號后臺點擊“歷史文章”查看
總結
以上是生活随笔為你收集整理的我们分析了全美Top Business Analyst 和 Data Science专业，最后给你总结了这几点的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： STM32之串口DMA例程
- 下一篇： 他们调查了3.9万名程序员，制作了这份开