微信客服
wholerenguru3 (厚仁学术哥)
随着近几年来,大数据分析在各行各业中扮演着越来越重要的角色,因此,各个学院下面也新开了很多的交叉型学科,在原有传统学科的基础上,融入大数据 统计的相关应用,培养更适合当下市场需求的人才。其中比较热门的就有商学院的商业分析Business
Analytics专业和工程学院下面的Industry Engineer Operation Research 运筹学等等,当然同样的学科,在不同学校可能会属于不同的部门或者不同的学院,学位的名字也会有所不同。
根据美国最大的求职网站之一Glassdoor 最新的 2020 Best jobs in America 排名,Data Scientist 数据科学家的工作以$108,000 的平均年薪占据第一。随着数据科学在各行各业的需求剧增,以及毕业相对的高薪水,很多同学都想在研究生阶段学习这些比较有“钱途”的专业,那么厚仁的留学咨询规划专家今天就带大家以最专业的角度, 来给大家解析一下研究生阶段这些有“钱途”的专业怎么选择才是最适合自己的。
计算机科学专业
首先,计算机科学,毕业后直接通往软解工程师这个高薪职位(俗称“码农”的入口),相对来说是这三个“钱途”专业中起薪最高的,同时也是最难学的。对于“转码”还是需要很大的决心和勇气的,特别是对于一些没有编程基础的同学。但是,有志者事竟成,每年在硅谷GLAG大厂,总会出现很多的文科博士转码并且拿到大厂高薪职位的例子,毕竟15-20万的package,还是很诱人的,也有很多人愿意为此付出一年半的艰辛努力。(如果你对转码感兴趣,请查看往期文章— 北美留学生转码攻略: https://c.wholeren.com/blog/2b7be041b9 )
数据科学专业
对于转计算机科学写代码成为程序员来说, 数据科学Data Science会相对的容易一些,特别是如果本科有一定的统计和数学基础的话,DS专业对数学背景好的转行申请者还是很友好的。数据科学专业基本上由计算机科学,数学统计和商业领域知识三个部分课程组成。这个专业应用的领域非常广阔,科技行业,传媒行业, 以及体育行业都有很大的需求。各大高校的数据科学项目也都立志于培养可以独立分析问题,独立收集数据,处理数据,数据管理,以及数据分析,解决问题的全能型人才。
不论是陆本还是美本,在本科阶段就开设Data Science这个专业的学校并不多。美国的数据科学本科大多都是近两年内才开设的,对于研究生阶段想要转专业申请DS的同学,如果年级还低的话,可以转专业或者辅修计算机专业或者数学专业二学位。时间紧张的话可以多修一些网课来补充自己的计算机背景。初此之外就是软背景了,可以做一些相关科研,或者去一些企业做数据分析相关的实习都是对申请很有帮助的。整体来说,DS的研究生会比较看重学生的编程能力和数学背景,商科背景出身,但量化背景较强的商科专业,比如金工,但又希望能选择一个STEM专业的同学,那DS显然也是个非常好的选择。
商业分析专业
接下来我们来看看近几年同样大火的商学院新兴专业—商业分析。商业分析相对于数据科学来说,对于申请者的数学和计算机背景要求没有那么强,但是这也取决于具体学校具体项目。从院系设置来看,多数设置在商学院下,如 UT Austin, Rochester, MSU, GWU 等;北卡罗来纳大学教堂山分校开设在统计与运筹系。有些设置在工程学院下,如Northwestern、Cornell University;也有设置在信息学院下的,如CMU;一般设置在工程学院及信息学院下的项目,对数学背景和计算机背景要求都很高。
总体来看,来自任何背景的学生均可以申请此专业,但数理能力强的学生在申请过程中更有优势。申请分析类硕士的本科生大多来自科学类,工程类或商科类专业。 不少项目对于申请人有先修课的限制,常见的先修要求有微积分、线性代数、统计、甚至编程。当然,没有达到先修课的要求也未必完全申不了,一方面可以积极和学校协商大四补课、或者上网课代替,另一方面也可以用成绩单以外的其他经历来证明自己这些方面的能力。
在课程设置上,商业分析大多均为一年的项目,会在这一年中强化训练学生的编程和数据分析的能力。这个专业的就业方向主要是当数据分析师和程序设计师。在不同行业中专门从事行业数据搜集、整理、分析,并依据数据做出行业研究、评估和预测。商业分析是一个较新的专业,但其却有很好的就业前景。在大数据决定商业主动权的大背景下,各个领域对于商业分析或商业智能相关的工作岗位的需求持续上升。
总结
希望通过以上专业的分析,同学们能够了解这三个“钱途专业“的侧重点以及课程、就业等情况,慎重选择最适合自己的领域,而不是跟风去选择看似非常好其实并不适合自己的专业。
美国招生协会
AIRC权威认证
80位
美国双语导师
10年+
名校申请经验
8600+
名校名企录取
微信客服
wholerenguru3 (厚仁学术哥)