美國留學熱門專業(yè)！未來大數(shù)據(jù)行業(yè)人才緊缺

　　據(jù)麥肯錫全球研究院預測：在未來 6 年，同時具備大數(shù)據(jù)分析能力并可以為企業(yè)做出有效決策的數(shù)據(jù)管理和分析的相關人才將有 150 萬的缺口。線性代數(shù)、概率論、機器學習感興趣的可以重點考慮！實習科研軟實力非�？粗�！

　　今年學生錄取的數(shù)據(jù)分析，前三十基本：Gpa平均3.7+，GRE320+，科研實習至少2-3個！數(shù)據(jù)科學類崗位起薪$66，000（約46萬人民幣）、較高薪資可達$134，000（約 94 萬人民幣）；

　　數(shù)據(jù)科學現(xiàn)狀

　　1、新興學科

　　目前來說本科擁有獨立Data Science主修的大學也不是很多，大部分還是在應用數(shù)學/統(tǒng)計學的分支或者研究生院校中。南昌留學云介紹，無論是從數(shù)量還是質量上，大學無法培養(yǎng)出那么多滿足企業(yè)需求的畢業(yè)生。

　　雖然工程和金融等學科已經(jīng)開始培養(yǎng)那些年輕的數(shù)據(jù)分析師，但畢竟這還是一個剛剛起步的學科，企業(yè)也不愿意冒險聘用毫無工作背景的人才。

　　2、中小企業(yè)目光短淺

　　中小型企業(yè)在人才投資方面目光短淺，因此從長期而言，它們將錯失獲得人才的最佳機會。

　　反之，例如Facebook、Intel和Google等全球知名公司都在大量招聘人才。很多中小企業(yè)認為招聘大數(shù)據(jù)人才是一種浪費。但是，數(shù)據(jù)分析師往往能給企業(yè)在未來帶來更大的利益和優(yōu)勢。

　　3、科技巨頭壟斷人才

　　大公司為招募頂級數(shù)據(jù)科學家預留出了巨額預算：亞馬遜2.4億美元、谷歌1.3億美元、微軟7500萬美元、臉書4000萬美元。

　　此外，這些科技巨頭在吸引求職者過程中擁有更強大的聲望，是一流數(shù)據(jù)分析師的首選。在未來，中小企業(yè)將會越來越難吸引這些頂級人才。

　　學習內(nèi)容

　　分為四部分：歸納問題、準備探索數(shù)據(jù)、模型訓練檢驗調(diào)整、報告和產(chǎn)品。

　　學習 Data Science 需要的理論：線性代數(shù)、概率論、機器學習。

　　1. 歸納問題

　　客戶給公司的任務，或者頭頭給分析師的任務，不是一個具體的任務（用 xx 模型來做 xx 數(shù)據(jù)），而是一個具體的商業(yè)問題。比如，上個季度為什么盈利下降了。這就是一個歸納問題的環(huán)節(jié)，需要有專業(yè)知識幫助我們找到方向。

　　2. 準備探索數(shù)據(jù)

　　歸納問題結束之后，會產(chǎn)生很多假設，這就需要尋找數(shù)據(jù)驗證假設。

　　尋找數(shù)據(jù)一般是竭盡所能，比如收入不好與市場推廣有關，就會去尋找廣告商的數(shù)據(jù)。

　　尋找數(shù)據(jù)以后，要檢查數(shù)據(jù)質量，是否有異動、缺失等等。數(shù)據(jù)質量能夠決定模型的準確率。所以花在“清洗整理”數(shù)據(jù)上的時間要占到總時間的 60% 甚至更多，有時候也需要跟客戶進行交流。

　　檢查完質量以后，做一些探索性分析。

　　3. 模型訓練檢驗調(diào)整

　　先確定模型基本類型（回歸、聚類等），選取比較合適的模型進行搭建，用 test 對模型進行檢驗。檢驗的同時再去尋找模型最優(yōu)的參數(shù)配置，對模型進行預測，如果預測結果很好的話，建模過程就結束了。

　　4. 報告和產(chǎn)品

　　在咨詢公司中，模型做完以后，會和客戶進行交流，看是否符合實際。在科技公司中，模型往往會發(fā)展成一個產(chǎn)品。放在公司平臺上測試，或者發(fā)布到網(wǎng)上。

　　人才來源

　　通常情況下，來自哈佛、普林斯頓和耶魯?shù)瘸４禾倜诵Ｒ约捌渌�前二十大學的畢業(yè)生都是香餑餑。而他們大多都被上文提到的世界知名公司品牌所吸引。

　　Facebook和Google各有超過5%的員工是來自斯坦福大學的。對于Dropbox、Palantir Technologies和Snapchat這三個頂尖網(wǎng)絡公司來說，斯坦福校友的比例高達10%。卡內(nèi)基梅隆大學的校友占Uber和Pinterest員工總數(shù)的7%以上。

　　但是，很多頂尖數(shù)據(jù)人才并不來自于這些更多人公認的“頂尖大學”。Poets&Quants調(diào)查了所有硅谷的頂尖公司，然后列出了最受雇主青睞的大學。像亞利桑那州立、德州奧斯汀分校、德州農(nóng)工等大學都并非傳統(tǒng)意義上的“頂尖大學”。然而，這并不影響他們畢業(yè)生在硅谷職場上被瘋搶。

　　盡管藤校平均下來擁有更多的精英學生（全國排名前10%的學生)，但超過80%的頂級人才來自其他知名大學。大量學生其實被低估了，而許多公司甚至并沒有意識到。明白這個觀點的知名公司是Yelp（美國版大眾點評），有11%的員工是加州大學伯克利分校的校友。

　　Correlation One認為，像普林斯頓大學、芝加哥大學、哈佛大學、卡內(nèi)基梅隆大學和哥倫比亞大學這樣的學校在評估中得分一如既往的高，這不讓人意外。除了這些顯而易見的名字，華盛頓大學和匹茲堡大學這樣的地方學校也是培養(yǎng)人才的好地方，普渡大學的博士生更是數(shù)據(jù)領域的超頂尖人才。

　　因此，在選校的時候，不要以“名校為王”。每個學校都一定有自己的獨特優(yōu)勢！綜合自己的未來方向選校，這才是聰明的做法！