发布时间：
data science是一门及其综合的学科，也就是现在炒得很火的“大数据"。其对口职位叫数据科学家，也就是“data scientist”, 而整个领域，应该就是叫“data science”，而其下有很多不同的方向。就像数学是一个领域，下面有代数学，几何学等等。在英国，邓迪大学从2013 年起设立“数据科学”科学硕士学位。从上述人才 的培养计划来看，数据科学家应该系统地掌握数据分析相关的技能，主要包括数学、统计学、数据分析、商业分析和自然语言处理等，具有较宽的知识面，具有独立 获取知识的能力，具有较强的实践能力和创新意识
从广义上来说，字面意思，和数据有关联的科学技术。从狭义上来说，即通过数据清洗、数据挖掘、数据处理、数据分析等过程得到的知识或者是发现。
数据科学与大数据技术，是2016年我国高校设置的本科专业，专业代码为080910T，学位授予门类为工学、理学，修业年限为四年，课程教学体系涵盖了大数据的发现、处理、运算、应用等核心理论与技术，旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。中文名数据科学与大数据技术专业代码080910T专业层次本科学科门类工学专业类别计算机类
data science是一门及其综合的学科，也就是现在炒得很火的“大数据"。其对口职位叫数据科学家，也就是“data scientist”, 而整个领域，应该就是叫“data science”，而其下有很多不同的方向。就像数学是一个领域，下面有代数学，几何学等等。在英国，邓迪大学从2013 年起设立“数据科学”科学硕士学位。从上述人才 的培养计划来看，数据科学家应该系统地掌握数据分析相关的技能，主要包括数学、统计学、数据分析、商业分析和自然语言处理等，具有较宽的知识面，具有独立 获取知识的能力，具有较强的实践能力和创新意识
我来为您解答: 首先你得明白什么叫data science，再去学需要学习的东西。而不是因为这个比较火，所以想去学，而什么都不去了解。 data science是一门及其综合的学科，也就是现在炒得很火的“大数据"。其对口职位叫数据科学家，也就是“data scientist”， 而整个领域，应该就是叫“data science”，而其下有很多不同的方向。就像数学是一个领域，下面有代数学，几何学等等。 而作为data science， 或者说成为一个合格的数据科学家。需要学习的东西概况起来就是三点: 模型，算法；大数据下的数据结构 visualization（可视化）。
我来为您解答: 首先你得明白什么叫data science，再去学需要学习的东西。而不是因为这个比较火，所以想去学，而什么都不去了解。 data science是一门及其综合的学科，也就是现在炒得很火的“大数据"。其对口职位叫数据科学家，也就是“data scientist”， 而整个领域，应该就是叫“data science”，而其下有很多不同的方向。就像数学是一个领域，下面有代数学，几何学等等。 而作为data science， 或者说成为一个合格的数据科学家。需要学习的东西概况起来就是三点: 模型，算法；大数据下的数据结构 visualization（可视化）。
数据科学就是从数据中提取信息知识,即是数据挖掘与预测分析的延伸,亦是发掘知识与数据的过程。通俗来讲,数据科学,就是通过分析数据,来挖掘获得这些数据中的潜在信息。
data science是一门及其综合的学科，也就是现在炒得很火的“大数据"。其对口职位叫数据科学家，也就是“data scientist”, 而整个领域，应该就是叫“data science”，而其下有很多不同的方向。就像数学是一个领域，下面有代数学，几何学等等。在英国，邓迪大学从2013 年起设立“数据科学”科学硕士学位。从上述人才 的培养计划来看，数据科学家应该系统地掌握数据分析相关的技能，主要包括数学、统计学、数据分析、商业分析和自然语言处理等，具有较宽的知识面，具有独立 获取知识的能力，具有较强的实践能力和创新意识
以Computer Science (Data Science) 为例，课程设置为1、核心及重点课程人工智能基础；算法分析；数据库系统。数据科学课业辅导2、重点选修课三门课程，每组至少一门课程。①第1组（数据系统）Web 上的信息集成；信息检索和网络搜索引擎；数据库系统互操作性；地理空间信息管理；高性能计算和仿真；数据库系统中的高级主题；数据管理基础。②第2组（数据分析）机器学习；概率推理；高级大数据分析；数据挖掘的基础和应用；优化理论与算法：数值优化；优化理论与计算方法；应用矩阵分析。③其他选修课CSCI的任何level500或level600课程（包括额外的小组选修课或特殊主题）定向研究；计算机科学研究座谈会；数据可视化；建筑知识图谱；数值方法；数值分析与计算；数值分析；应用概率；优化理论与技术。
大数据主要的三大就业方向：大数据系统研发类人才；大数据应用开发类人才；大数据分析类人才。大数据十大就业职位：一、ETL研发随着数据种类的不断增加，企业对数据整合专业人才的需求越来越旺盛。ETL开发者与不同的数据来源和组织打交道，从不同的源头抽取数据，转换并导入数据仓库以满足企业的需要。ETL研发，主要负责将分散的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。目前，ETL行业相对成熟，相关岗位的工作生命周期比较长，通常由内部员工和外包合同商之间通力完成。ETL人才在大数据时代炙手可热的原因之一是：在企业大数据应用的早期阶段，Hadoop只是穷人的ETL。二、Hadoop开发Hadoop的核心是HDFS和MapRHDFS提供了海量数据的存储，MapReduce提供了对数据的计算。随着数据集规模不断增大，而传统BI的数据处理成本过高，企业对Hadoop及相关的廉价数据处理技术如Hive、HBase、MapReduce、Pig等的需求将持续增长。如今具备Hadoop框架经验的技术人员是最抢手的大数据人才。三、可视化（前端展现）工具开发海量数据的分析是个大挑战，而新型数据可视化工具如Spotifre，Qlikview和Tableau可以直观高效地展示数据。可视化开发就是在可视开发工具提供的图形用户界面上，通过操作界面元素，由可视开发工具自动生成应用软件。还可轻松跨越多个资源和层次连接您的所有数 据，经过时间考验，完全可扩展的，功能丰富全面的可视化组件库为开发人员提供了功能完整并且简单易用的组件集合，以用来构建极其丰富的用户界面。过去，数据可视化属于商业智能开发者类别，但是随着Hadoop的崛起，数据可视化已经成了一项独立的专业技能和岗位。四、信息架构开发大数据重新激发了主数据管理的热潮。充分开发利用企业数据并支持决策需要非常专业的技能。信息架构师必须了解如何定义和存档关键元素，确保以最有效的方式进行数据管理和利用。信息架构师的关键技能包括主数据管理、业务知识和数据建模等。五、数据仓库研究数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。它是单个数据存储，出于分析性报告和决策支持的目的而创建。为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。数据仓库的专家熟悉Teradata、Neteeza和Exadata等公司的大数据一体机。能够在这些一体机上完成数据集成、管理和性能优化等工作。六、OLAP开发随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合。联机分析处理（OLAP）系统就负责解决此类海量数据处理的问题。OLAP在线联机分析开发者，负责将数据从关系型或非关系型数据源中抽取出来建立模型，然后创建数据访问的用户界面，提供高性能的预定义查询功能。七、数据科学研究这一职位过去也被称为数据架构研究，数据科学家是一个全新的工种，能够将企业的数据和技术转化为企业的商业价值。随着数据学的进展，越来越多的实际工作 将会直接针对数据进行，这将使人类认识数据，从而认识自然和行为。因此，数据科学家首先应当具备优秀的沟通技能，能够同时将数据分析结果解释给IT部门和业务部门领导。总的来说，数据科学家是分析师、艺术家的合体，需要具备多种交叉科学和商业技能。八、数据预测（数据挖掘）分析营销部门经常使用预测分析预测用户行为或锁定目标用户。预测分析开发者有些场景看上有有些类似数据科学家，即在企业历史数据的基础上通过假设来测试阈值并预测未来的表现。九、企业数据管理企业要提高数据质量必须考虑进行数据管理，并需要为此设立数据管家职位，这一职位的人员需要能够利用各种技术工具汇集企业周围的大量数据，并将数据清洗 和规范化，将数据导入数据仓库中，成为一个可用的版本。然后，通过报表和分析技术，数据被切片、切块，并交付给成千上万的人。担当数据管家的人，需要保证 市场数据的完整性，准确性，唯一性，真实性和不冗余。十、数据安全研究数据安全这一职位，主要负责企业内部大型服务器、存储、数据安全管理工作，并对网络、信息安全项目进行规划、设计和实施。数据安全研究员还需要具有较强的管理经验，具备运维管理方面的知识和能力，对企业传统业务有较深刻的理解，才能确保企业数据安全做到一丝不漏。
大数据是指大数据（dubig data）是描述大量数据（包括结构化和非结构化数据）的术语，它们每天都会覆盖大量业务。但重要的不是数据量，而是对重要数据的处理方式，可以洞察分析大数据，从而获得更好的决策和战略性业务变动1、Hadoop开发工程师2、数据分析师3、数据挖掘工程师
2019年中国大数据产业市场分析：发展进程显著，四大建议解决五大发展挑战问题我国大数据产业发展得如何?未来发展存在哪些机遇和挑战?随着信息技术和人类生产生活交汇融合，全球数据呈现爆发增长、海量集聚的特点。无论是国家、企业还是社会公众，都越来越认识到数据的价值。因此，近年来，各地纷纷成立大数据发展局，企业纷纷推动数据资产治理，大数据辐射的行业也从传统的电信、金融逐渐扩展到工业、医疗、教育等。一时间，仿佛各行各业都在谈大数据，人人都在谈大数据。但也有声音说大数据迎来了“七年之痒”，面对大数据热潮也需要一些“冷思考”。我国大数据究竟发展得如何?未来我国大数据发展还有哪些机遇和挑战?一、中国大数据产业进展显著过去几年，大数据理念已经深入人心，“用数据说话”已经成为所有人的共识，数据也成了堪比石油、黄金、钻石的战略资源。五年来，我国大数据产业政策日渐完善，技术、应用和产业都取得了非常明显的进展。1、在政策方面，我国从中央到地方的大数据政策体系已经基本完善，目前已经进入落地实施阶段。自从2014年“大数据”这个词写入政府工作报告以来，我国大数据发展的政策环境掀开了全新的篇章。在顶层设计上，国务院《促进大数据发展行动纲要》对政务数据共享开放、产业发展和安全三方面做了总体部署。《政务信息资源共享管理暂行办法》《大数据产业发展规划(2016-2020)》等文件也都已经出台。十九大报告中提出“推动大数据与实体经济深度融合”，“十三五”规划中提出“实施国家大数据战略”。卫健、农业、环保、检察、税务等部门还出台了领域大数据发展的具体政策。截至2019年初，所有省级行政区都发布了大数据相关的发展规划，十几个省市设立了大数据管理局，8个国家大数据综合试验区、11个国家工程实验室启动建设。可以说，大数据的政策体系已经基本搭建完成，目前已经纷纷进入落地实施甚至评估检查阶段。2、在技术方面，我国大数据技术发展属于“全球第一梯队”，但国产核心技术能力严重不足。我国独有的大体量应用场景和多类型实践模式，促进了大数据领域技术创新速度和能力水平，处于国际领先地位。在技术全面性上，我国平台类、管理类、应用类技术均具有大面积落地案例和研究;在应用规模方面，我国已经完成大数据领域的最大集群公开能力测试，达到了万台节点;在效率能力方面，我国大数据产品在国际大数据技术能力竞争平台上也取得了前几名的好成绩;在知识产权方面，2018年我国大数据领域专利公开量约占全球的40%，位居世界第二。但我国大数据技术大部分为基于国外开源产品的二次改造，核心技术能力亟待加强。例如，目前国内主流大数据平台技术中，自研比例不超过10%。3、在产业方面，我国大数据产业多年来保持平稳快速增长，但面临提质增效的关键转型。2018年，我国大数据产业延续多年来的增速，继续保持相对高速的增长。据前瞻产业研究院发布的《中国大数据产业发展前景与投资战略规划分析报告》统计数据显示，2015年我国大数据产业规模已达2800亿元。截止至2017年我国大数据产业规模增长至4700亿，同比增长是6%。初步测算2018年我国大数据产业规模达到5400亿元左右，同比增长15%。预测在2020年我国大数据产业规模将突破万亿元。然而，综合国内外环境、新兴技术发展等多种因素，大数据产业的增速出现了下滑。我国的大数据产业也面临着从高速发展向高质量发展的关键转型期。2015-2020年我国大数据产业规模统计情况及预测数据来源：前瞻产业研究院整理4、在应用方面，大数据的行业应用更加广泛，正加速渗透到经济社会的方方面面。随着大数据工具的门槛降低以及企业数据意识的不断提升，越来越多的行业开始尝到大数据带来的“甜头”。无论是从新增企业数量、融资规模还是应用热度来说，与大数据结合紧密的行业正在从传统的电信业、金融业扩展到政务、健康医疗、工业、交通物流、能源行业、教育文化等，行业应用“脱虚向实”趋势明显，与实体经济的融合更加深入。二、中国大数据产业五大发展挑战分析虽然我国大数据总体发展形势良好，也面临难得的发展机遇，但仍然存在一些困难和问题。1、涉及核心技术的产业发展薄弱，未能有效提升我国核心技术竞争力核心技术的影响力在大数据产业有着极高的重要性。由于大数据企业在完成产品开发后，可以近乎零成本无限制的复制，因此拥有核心技术的大企业，很容易将技术优势转化会市场优势，即凭借具体的信息产品赢得海量用户获得垄断地位。当前，从大数据技术与产品的供给侧看，我国虽然在局部技术实现了单点突破，但大数据领域系统性、平台级核心技术创新仍不多见。大数据处理工具都是“他山之石”，大部分企业用的都是国外的数据采集、数据处理、数据分析、数据可视化技术，自主核心技术突破还有待时日。尤其是开源产品的技术标准方面，我国的影响力尚亟待提升。2、数据孤岛和壁垒降低了大数据产业资源配置效率大数据产业发展必须实现数据信息的自由流动和共享，如果数据不开放、不共享，数据整合就不能实现，数据价值也会大大降低。无论是政府数据、互联网数据还是其他数据，数据拥有者往往不愿对其进行开放流通。受制于前期信息基础设施建设，目前我国政府数据往往还存在着诸多“数据孤岛”和“数据烟囱”，数据价值难以发挥。3、数据安全管理薄弱增加了大数据产业的发展风险大数据技术为经济社会发展带来创新活力的同时，也使数据安全、个人信息保护乃至大数据平台安全等面临新威胁与新风险。海量多源数据在大数据平台汇聚，来自多个用户的数据可能存储在同一个数据池中，并分别被不同用户使用，极易引发数据泄露风险。利用大数据技术对海量数据(90 -19%,诊股)进行挖掘分析所得结果可能包含涉及国家经济社会等各方面的敏感信息，需要对分析结果的共享和披露加强安全管理。4、产业垄断与恶性竞争现象频发，“劣币驱逐良币”现象明显由于资源型产业门槛低、利润高，新兴的大数据企业往往首先将目光盯在获取数据资源上面。大量依托数据资源优势的企业诞生，为大数据产业带来了低附加值的垄断经济模式，使得依靠技术壁垒打江山的企业不得不面对残酷的市场竞争，放缓了技术研发的步伐。同时，数据垄断问题也愈发明显。少数互联网巨头企业拥有巨大数据，不但对产业发展不利，甚至存在巨大的数据聚集隐患。5、各地发展同质化严重，普遍存在重存储轻应用的现象由于缺乏统一的大数据产业分类统计体系和产业运行监测手段，各地大数据产业的定位相似，同质化竞争加剧。而盲目的重复建设，更是可能导致大数据产业过剩。同时，由于部分地区信息化发展程度有限，大数据应用场景不够丰富，更是以数据中心等大数据存储设施的建设作为发展大数据产业的关键，且规模巨大，目标动辄以百万台计，后期若无法有效利用，将造成巨大的资源浪费。三、未来三年中国大数据产业将呈现四大发展特点未来三年，是我国大数据发展转型的重要机遇期。大数据的发展本身也呈现着一些趋势。在我看来，未来三年大数据行业有可能会呈现出如下特点：1、大数据新技术继续快速发展未来大数据技术将会沿着工具平台云化部署、多业务场景统一处理、专有高性能硬件适配几个方面进行突破。目前大数据技术工具的主要应用模式为应用企业在自建机房内独立部署，其存在资源浪费、弹性能力不足、管理复杂等缺点，这些缺陷可以通过基于云计算技术的云化部署方案解决，助力大数据技术工具的快速落地和应用;同时大数据技术工具主要瞄准的是分析型业务场景，但随着电子商务以及智能终端的爆发性发展，转账、计费等事务型业务场景也需要大数据处理能力，所以未来的多业务场景统一处理技术将会得到充分发展;最后由于GPU/TPU等专用硬件的发展，此类专用硬件能够助力某些大数据技术进行突破性升级，所以对新型硬件的适配成为很多大数据企业未来研发计划的重点。2、数据流通共享将迎来关键突破这些年，推动数据开放共享的政策举措一直在加强，然而效果与预期还有差距。可以说，技术手段将是数据流通共享瓶颈突破的关键。未来三年，随着同态加密、差分隐私、零知识证明、量子账本等关键技术的性能提升和门槛降低，随着区块链、安全多方计算等工具与数据流通场景进一步紧密结合，数据共享和流通将有望再前进一大步。3、数据服务合规性将成为行业关注重点近两年来，随着欧盟《通用数据保护条例》(GDPR)的颁布和正式实施，个人信息保护的重视程度被提到了前所未有的高度。GDPR对数据主体的权利规定细致入微，其“数据可携权”“被遗忘权”等方面的规定可能会对我国数据立法带来一定的参考。对我国企业来说，数据服务合规性的重要程度进一步提升，将对企业业务开展带来重大影响。目前中国信息通信研究院正在着力推动的“可信数据服务”计划也正是契合了行业的这一需求。4、数据资产管理重要性将进一步提升随着大数据应用进入深水区，企业将越来越重视数据资产管理方法论体系建设——即从架构、标准、研发、质量、安全、分析到应用的统一，从而实现技术到业务价值的转化和变现。未来三年，数据资产管理将仍是企业数据部门面临的难点与挑战。即使是领先的科技型企业，在数据资产管理这一课题上仍在不断探索新的方法，如全链路智能管理体系、数据资产的贡献度、数据基线度量与质量规范的工具化、可视化等。四、四大建议应对挑战大数据产业作为具有国家战略意义的新兴产业，在发展初期不仅要充分发挥企业的主体作用和有效市场的主导作用，而且要更好发挥政府的引导作用。1、要加强核心技术攻关与产业化推动自主研发创新是提高大数据产业竞争力的主引擎。要彻底改变目前我国大数据产业创新能力不强、关键核心技术对外依赖度偏高的这一局面，必须抓住重点领域、关键环节和核心问题，找准着力点和突破口，加大政府财政资金的引导支持力度。为此，建议在国家层面上设立大数据重点领域的关键技术研发创新的国家财政专项资金，支持突破一批关键核心技术研发创新与应用，构建具有核心技术自主权的大数据产业链，形成自主可控的大数据技术架构，提高关键核心技术的自主研发创新能力，有效破解制约产业发展的瓶颈。2、完善大数据安全政策需要开展数据确权、资产管理、市场监管、跨境流动等数据治理的重大问题研究，协调有关部门共同推进数据治理的法制化进程，加强对敏感政务数据、企业商业秘密和个人数据的保护。同时，推动完善适用于大数据环境下的信息安全等级保护制度，建立兼顾安全与发展的数据管理和保障体系，加强数据安全评测、安全防范、应急处置等相关机制建设。此外，还要强化网络空间的安全信息共享与动态感知能力，提高重大风险识别分析水平。3、鼓励地方因地制宜发展大数据产业大数据产业发展应注重差异化发展，形成差异化的产业布局。地方需要差异化发展，应该把大数据的发展重心放在因地制宜地促进应用创新上，放在打造完善的发展环境上，让市场在大数据发展要素配置上起决定作用。各地要结合产业基础和优势特色，着重发展大数据特色场景应用，推动大数据与当地重要实体经济行业加快融合。4、推动行业加快大数据标准建设当前大数据产业应用层出不穷，政府应通过标准化的途径规范行业、整合资源，促进各方达成共识，为大数据产业的健康发展提供基石。尤其是通过加强快速迭代、市场认可度高的行业/团体标准研制工作，为用户企业提供大数据产品选型指导，为数据安全提供保障，促进大数据交易等新兴服务模式规范发展，对推动我国大数据产业进程具有重要意义。
想要知道自己的gpa、雅思\托福、gmat、gre等成绩能申请到国外什么大学，可以把自己的这些信息输入到留学志愿参考系统中，系统会自动从数据库中匹配出与你情况相似的同学案例，看看他们成功申请了哪些院校和专业，这样子就可以看到你目前的水平能申请到什么层次的院校和专业了，对自己进行精准的定位。 定位地址可到公*众*号【留学志愿参考系统】中获取，也可直接点击：-2709