更新時間：2024-10-06 16:12:33作者：留學之路
一、數(shù)據(jù)科學(Data Science)
數(shù)據(jù)科學專業(yè)比較側重分析(Analytical)和設計實驗(Experimentation)，項目課程會包括數(shù)據(jù)可視化(Tableau, Power BI)、統(tǒng)計、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)計學知識去分析數(shù)據(jù)并且將數(shù)據(jù)中的結論呈現(xiàn)出來, 或者用統(tǒng)計學知識去設計A/B testing。一般來說，有理工科背景尤其是統(tǒng)計/數(shù)學專業(yè)的同學都可以申請。
就業(yè)方向在北美主要是Data Scientist, Data Analyst等。DS工作內(nèi)容可能會涉及更加復雜的統(tǒng)計模型或者實驗設計，DA主要是用SQL提取數(shù)據(jù)以及設計一些數(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)更側重business/finance和analytical。項目可能包括統(tǒng)計、數(shù)據(jù)可視化以及商業(yè)/金融相關的課程。主要是學習如何用統(tǒng)計學/分析的方法去幫助做一些商業(yè)方向的決策。
主要會用到的編程語言/工具可能是Excel/SQL/Tableau/Power BI，對編程的要求不會很高，適合非理工背景的同學或者對金融/商業(yè)感興趣的同學。
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、機器學習(Machine learning)
機器學習比較側重建模(Modeling)，主要是指了解機器學習各類模型的原理以及應用，比較常見的模型分類一般是監(jiān)督學習(supervised learning)和無監(jiān)督學習(unsupervised learning)，以及最新的強化學習(reinforcement learning)。
這一類專業(yè)對寫代碼能力的要求相對高一些，學習內(nèi)容通常是機器學習模型的原理，以及用python調(diào)用一些機器學習的工具，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/數(shù)學/計算機背景的同學都可以申請。
就業(yè)方向的話，在北美通常是machine learning engineer或者applied scientist，負責機器學習模型的研究和大規(guī)模應用。MLE和AS工作內(nèi)容比較相似，MLE更側重寫代碼和應用，AS更偏重研究和前期試驗。