事业焦点：什么是数据科学？

今天的“大数据”，“分析”等都是热门流行语。而且有很好的理由。

早在2012年，HBR将“数据科学家”命名为“世纪最性感的工作”。 “但是，数据科学究竟需要什么呢？更重要的是，你如何获得自己的数据科学家所需的技能？什么是数据科学？一直以来，数据科学家大多在学术领域。现在，随着大数据收集的高涨和分析的需要，数据科学家在一小撮企业和行业中的需求量已经很大。

<！ - 1 - >

数学科学作为一门专业，融合了数学，统计和计算机程序设计中的一系列技能。这是一个以男性为主的行业，数据科学中女性的估计约为10％。

据Glassdoor透露，数据科学家的国民平均工资为113美元，436美元（2017年2月初）。仅依靠薪酬，数据科学比其他类似的职业更有吸引力。

需要成为数据科学家的技能

像所有工作一样，填写数据科学职位所需的具体技能取决于个别公司。

但是有一些技能/软件工具保持一致。

统计编程语言，如R和SAS

数据库查询语言，如SQL

• 统计测试，分布，最大似然估计等基本统计信息
• 机器学习方法如k-Nearest邻居，随机森林，合奏方式等。
• 多变量微积分和线性代数

数据驱动的新产品的数据记录和开发

• 熟悉Hadoop平台
• 可视化工具，如Flare，HighCharts或AmCharts >了解更多关于如何成为数据科学家和技能在这里。
• 如何成为数据科学家
• 如今，成为数据科学家有三个可行的选择：

通过像Udacity

等程序自学，参加数据科学新兵训练营

去毕业学校硕士学位

• 当然，每种方法都有利弊。
• 自学
• 优点：

方便：可以在任何环境中以任何速度自行完成

经济实惠：可以花费从$ 0-600的任何地方。节省时间：在线课程可在8-18个月内完成。

缺点：

• 完成后仅获得证书
• 无对等或教师对学生的参与
• 无需工作帮助

数据科学训练营

• 优点：
• 小时间承诺：可以在6周至3个月内完成
• 至少相对于获得硕士学位（启动训练营范围从免费 - $ 16,000）相对实惠，

非常适合那些想改变的人快速工作

许多启动训练营在完成后的求职过程中提供帮助

• 缺点：
• 只得到一个项目组合 - 没有“真正的”工作经验
• 很多东西要学习很少时间
• 每周工作最多40小时（不像自学，你可以按自己的节奏去兼职，还可以兼职/全职工作）

硕士学位

• 优点：
• 文凭完成后
• 结构化学习与专业训练的教员

现实世界的经验：许多课程包括将增加经验和知识的实习

充足的时间学习和吸收所有信息

• 缺点：
• 昂贵：可能花费在$ 20,000到$ 70,000之间 - 不包括生活费用
• 耗时：也可以花费最长时间（9-20几个月）
• 有关衡量学习数据科学的利弊的更多信息，请参阅本文。