更新時(shí)間：2024-10-06 16:12:33作者：留學(xué)之路
一、數(shù)據(jù)科學(xué)(Data Science)
數(shù)據(jù)科學(xué)專業(yè)比較側(cè)重分析(Analytical)和設(shè)計(jì)實(shí)驗(yàn)(Experimentation)，項(xiàng)目課程會(huì)包括數(shù)據(jù)可視化(Tableau, Power BI)、統(tǒng)計(jì)、以及編程(R語言和SQL居多，也可能有Python)，主要是要了解如何用統(tǒng)計(jì)學(xué)知識(shí)去分析數(shù)據(jù)并且將數(shù)據(jù)中的結(jié)論呈現(xiàn)出來, 或者用統(tǒng)計(jì)學(xué)知識(shí)去設(shè)計(jì)A/B testing。一般來說，有理工科背景尤其是統(tǒng)計(jì)/數(shù)學(xué)專業(yè)的同學(xué)都可以申請(qǐng)。
就業(yè)方向在北美主要是Data Scientist, Data Analyst等。DS工作內(nèi)容可能會(huì)涉及更加復(fù)雜的統(tǒng)計(jì)模型或者實(shí)驗(yàn)設(shè)計(jì)，DA主要是用SQL提取數(shù)據(jù)以及設(shè)計(jì)一些數(shù)據(jù)可視化的dashboard。
二、商業(yè)分析(Business Analytics/ Business Intelligence)
商業(yè)分析專業(yè)更側(cè)重business/finance和analytical。項(xiàng)目可能包括統(tǒng)計(jì)、數(shù)據(jù)可視化以及商業(yè)/金融相關(guān)的課程。主要是學(xué)習(xí)如何用統(tǒng)計(jì)學(xué)/分析的方法去幫助做一些商業(yè)方向的決策。
主要會(huì)用到的編程語言/工具可能是Excel/SQL/Tableau/Power BI，對(duì)編程的要求不會(huì)很高，適合非理工背景的同學(xué)或者對(duì)金融/商業(yè)感興趣的同學(xué)。
就業(yè)方向在北美主要是Business Analyst, Risk Analyst等，工作內(nèi)容更多涉及做展示(presentation)以及數(shù)據(jù)可視化，還可能有一些商業(yè)方面的分析。
三、機(jī)器學(xué)習(xí)(Machine learning)
機(jī)器學(xué)習(xí)比較側(cè)重建模(Modeling)，主要是指了解機(jī)器學(xué)習(xí)各類模型的原理以及應(yīng)用，比較常見的模型分類一般是監(jiān)督學(xué)習(xí)(supervised learning)和無監(jiān)督學(xué)習(xí)(unsupervised learning)，以及最新的強(qiáng)化學(xué)習(xí)(reinforcement learning)。
這一類專業(yè)對(duì)寫代碼能力的要求相對(duì)高一些，學(xué)習(xí)內(nèi)容通常是機(jī)器學(xué)習(xí)模型的原理，以及用python調(diào)用一些機(jī)器學(xué)習(xí)的工具，比如sklearn, xgboost等等，或者自己寫模型。一般來講有理工科背景尤其是統(tǒng)計(jì)/數(shù)學(xué)/計(jì)算機(jī)背景的同學(xué)都可以申請(qǐng)。
就業(yè)方向的話，在北美通常是machine learning engineer或者applied scientist，負(fù)責(zé)機(jī)器學(xué)習(xí)模型的研究和大規(guī)模應(yīng)用。MLE和AS工作內(nèi)容比較相似，MLE更側(cè)重寫代碼和應(yīng)用，AS更偏重研究和前期試驗(yàn)。