当下，人工智能、大数据等热门词汇频频出现在人们的视野中。作为万物分析的大数据更是站在互联网的风口浪尖上，直接催热了大学里的大数据专业。

从IT时代进入DT时代，高校在大数据方向上设置了什么专业，具体学什么，就业怎么样，作为新兴专业，考生如何报考?今天，就来谈一谈这个大家关注的热门专业。

1.什么叫大数据？

进入互联网时代，中国的网民人数已超7亿，大数据的应用涉及到生活的方方面面。例如，你在网站上买书，商家就会根据你的喜好和其他购书者的评价给你推荐另外的书籍；手机定位数据和交通数据可以帮助城市规划；甚至用户的搜索习惯和股市都有很大关系。

在谈到大数据的时候，人们往往知道的就是数据很大，但大数据≠大的数据。大数据，就是存储在各种存储介质中的海量的各种形态数据，具有5V特点，即：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值密度)、Veracity（真实性）。大数据之“大”，不仅在于其“大容量”，更在于其“大价值”，并已成为除人力、土地、财务、技术之外的另一种重要的基础资源。对各种存储介质中海量信息的采集、存储、分析、整合、控制而得到的数据就是大数据。大数据技术的意义不在于掌握庞大的数据信息，而在于对这些数据进行专业化处理，通过“加工”实现数据的“增值”，更好地辅助决策。

2.数据科学与大数据技术专业

本科专业中和大数据相对应的是“数据科学与大数据技术”专业，它是2015年教育部公布的新增专业。2016年3月公布的《高校本科专业备案和审批结果》中，北京大学、对外经济贸易大学和中南大学3所高校首批获批开设“数据科学与大数据技术”专业。随后第二年又有32所高校获批“数据科学与大数据技术”专业。两次获批的名单中显示，该专业学制为四年，大部分为工学。

数据科学与大数据技术是个交叉性很强的专业，很难说完全归属于哪个独立的学科。所以，不同的学校有的是信息学院申报，有的是计算机学院牵头申报，有的设在统计学院，还有的在经管学院。像北京大学这个专业是放在理学下，授予理学学位。大多数是设在工学计算机门类下，授予的是工学学位。数据科学很早就存在，是个比较经典的学科，现在和大数据技术结合形成了这个专业。目前教育部设定的本科专业名称为“数据科学与大数据技术”，专科名称是“大数据技术与应用”。

3.数据科学与大数据技术学什么？

以对外经济贸易大学该专业为例，专业知识结构包括数学、统计、计算机和大数据分析四大模块，具体课程设置如下：

数学：数学分析一、数学分析二、高等代数、离散数学。统计学：概率论与数理统计、多元统计分析、随机过程。计算机：数据机构、计算机组成原理、操作系统、数据库系统原理、C++程序设计、Java程序设计、Python与大数据分析、科学计算与Matlab应用、R语言等。大数据分析：数据科学导论、机器学习与数据挖掘、信息检索与数据处理、自然语言处理、智能计算、推荐系统原理、大数据分析技术基础、数据可视化、大数据存储与管理、大数据分析实践等课程。

数据科学与大数据技术是一门实践性很强的新兴交叉复合型学科：以统计学、数学、计算机为三大支撑性学科;生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才(有专业知识、有数据思维)。根据各校偏重的专业方向，课程设置有所差异，感兴趣的同学可以具体查看各校的专业和课程设置情况。

1.行业增速快 人才缺口大

随着移动互联网和智能终端的普及，信息技术与经济社会的交汇融合，引发了数据迅猛增长。新摩尔定律认为，人类有史以来的数据总量，每过18个月就会翻一番。而海量的数据蕴含着巨大生产力和商机。

2011年至2014年四年间，我国大数据处于起步阶段，每年均增长在20%以上。2015年，大数据市场规模已达到98.9亿元。2016年增速达到45%，超过160亿元。预计2020年，我国大数据市场规模将超过8000亿元，有望成世界第一数据资源大国。但数据开放度低、技术薄弱、人才缺失、行业应用不深入等都是产业发展中亟待解决的问题。

根据领英发布《2016年中国最热职位人才报告》显示，有六类热门职位的人才当前都处于供不应求状态，稀缺程度各有不同，其中，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。

目前的当务之急是解决大数据人才瓶颈问题，相关调查显示，未来3-5年大数据人才缺口达到150万之多。，但截至目前，中国大数据从业人员只有约30万人。同时，大数据行业选才的标准也在不断变化。初期，大数据人才的需求主要集中在ETL研发、系统架构开发、数据仓库研究等偏硬件领域，以IT、计算机背景的人才居多。随着大数据往各垂直领域延伸发展，对统计学、数学专业的人才，数据分析、数据挖掘、人工智能等偏软件领域的需求加大。

数据分析师现在需求就很旺盛了，2年工作经验的月薪可达到8K，硕士学历的数据分析师月薪可达到12K，5年工作经验的可达到40万至60万元。

2.大数据主要就业方向

2015年9月国务院印发《促进大数据发展行动纲要》，系统部署大数据发展工作。《纲要》明确提出了七方面政策机制，其中第六条就是加强专业人才培养，建立健全多层次、多类型的大数据人才培养体系。目前，大数据主要有三大就业方向：大数据系统研发类、大数据应用开发类和大数据分析类。具体岗位如下：

1.大数据系统架构师

大数据平台搭建、系统设计、基础设施。

2.大数据系统分析师

面向实际行业领域，利用大数据技术进行数据安全生命周期管理、分析和应用。

3.hadoop开发工程师。

解决大数据存储问题。

4.数据分析师

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、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。

作为一名数据分析师，至少需要熟练SPSS、STATISTIC、Eviews、SAS、大数据魔镜等数据分析软件中的一门，至少能用Acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。

5.数据挖掘工程师

做数据挖掘要从海量数据中发现规律，这就需要一定的数学知识，最基本的比如线性代数、高等代数、凸优化、概率论等。经常会用到的语言包括Python、Java、C或者C++，我自己用Python或者Java比较多。有时用MapReduce写程序，再用Hadoop或者Hyp来处理数据，如果用Python的话会和Spark相结合。

6.大数据可视化工程师

随着大数据在人们工作及日常生活中的应用，大数据可视化也改变着人类的对信息的阅读和理解方式。从百度迁徙到谷歌流感趋势，再到阿里云推出县域经济可视化产品，大数据技术和大数据可视化都是幕后的英雄。

1.院校开设情况

大数据人才的典型胜任特征：善于做需求分析、写代码;善于与人沟通，喜欢探索未知;需要根据数据推演、分析、提出解决方案，有数据思维;需要持续保持学习状态;内性格上能动能静。

不同办学层次的院校开设此专业，培养模式会有差异。例如，高职类院校学生由于数学基础相对薄弱，会跟多偏向于工具的使用，如数据清洗、数据存储以及数据可视化等相关工具的使用;本科院校会倾向于大数据相关基础知识全面覆盖性教学，在研究生段则会专攻某一技术领域，比如数据挖掘、数据分析、商业智能、人工智能等。

在“教育部2015年度普通高等学校本科专业备案和审批结果”中北京大学、中南大学、对外经贸大学成为首批开设 “数据科学与大数据技术”本科专业的高校，随后中国人民大学、北京邮电大学、复旦大学等32所高校成为第二批成功申请该专业的高校。至去年上半年，我国已有35所高校获批“数据科学与大数据技术”本科专业。经过一年的发展，申请院校成井喷式的增长，全国高校大数据教育联盟通过教育部公示的申请2017年“数据科学与大数据技术”专业的院校来看，2017年申请院校高达263所，其中工学190所，理学73所。

数据科学与大数据技术是个交叉性强、跨学科的专业，很难说是完全归属与那个独立的学科。高校牵头申报的学院不同，培养重点和授予的学位可能不一样。因为课程来自于不同的学院，也有高校是联合一些学院单独成立机构来申报。从名单可以看出，在大部分开设院校中该专业都属于工学类，有个别院校将其归属在理学门类，授予理学学位。

有志于学习数据科学与大数据技术专业的学生，可以从大学的传统优势领域和行业背景考虑选择。比如，复旦大学的大数据技术本科专业是设在大数据学院下；北京大学是在数学院开设了该专业，偏数学的内容更多一些。对外经济贸易大学该专业设在信息学院，因为财经是学校传统优势，专业还会偏重经济、金融等相关学科领域的知识。

2.报考注意事项

了解了大数据行业和大数据专业后，对于考生填报与大数据相关的热门专业，需要注意以下几点：

1.报考热门专业和就业热的专业并不一定是重合的，比如软件、计算机、金融，这些专业的就业率实际并没有那么高，地质勘探、石油、遥感等专业，虽然报考时是冷门，但行业需求大，就业率更高。

2.选择热门专业，更需要考虑就业质量。专业就业好，是统计学意义，指的是平均收入水平高，比如金融专业的收入，比其他纯文科专业的平均收入较高，但落实到个体层面，就业情况就不一样了，尤其像金融专业是典型的名校高学历好就业，但对于考试成绩较低的同学来说，如果去一些普通院校、专科院校学习金融，最后就业情况可能还不如会计专业。

3.志愿填报，除了专业，城市因素也很重要：如果想从事金融、互联网的工作，更适合去一线城市，如果是去三、四线大学的学生可以考虑应用面比较广的专业，就是各行各业都能用到的专业，比如会计专业，专科层次的会计和985层次的会计都有就业渠道。如果先选择报考城市，也可以针对所在城市的行业特点选择专业，比如沿海城市外贸相对发达，选择国际贸易、外语类专业就业情况更好，比如武汉有光谷，选择光电类专业更好就业。

4.最终家长和考生更需要考虑个人与专业匹配的问题，金融、计算机等热门专业不是所有人都适合学，好专业不见得对所有个体都是好的。

5.最后，考生报考时要注意，有的高校大数据专业是按大类招生，即按计算机大类，且只招理科生。

下面是人大、北邮、中南大学三校2017年数据科学与大数据技术专业在五个省市的录取数据。其中，人大的大数据专业归统计学大类；北邮的大数据专业归计算机大类。

为了帮助高校适时调整课程体系、继续深化教学改革，着力培养社会函需的大数据人才，解决高校在数据科学与大数据技术专业申请、课程体系以及理论与实践资源建设、解决培养方案、课程体系、师资力量、实验条件等方面问题，由全国高校大数据教育联盟主办的“数据科学与大数据技术专业核心课程建设系列研讨会”第一期于2017年12月23日-24日在北京成功召开。

作为核心课程建设会议的第一站，本次会议由联盟副秘书长张士运主持，联盟秘书长姚乐致词，对参加会议的安徽财经大学、河北科技学院、大连海事大学、重庆理工大学、赤峰学院等34所高校55位骨干教师表示热烈欢迎，同时他讲到核心课程的建设是数据科学与大数据技术专业建设的关键环节，数据科学与大数据技术专业的建设需要一系列新兴课程，如数据科学导论、大数据分析、数据可视化、数据产品开发等，因此，如何推动我国数据科学与大数据技术专业的核心课程建设是我们联盟一直在关注的工作重点之一。

随后，会议由中国人民大学朝乐门博士做报告，为了更好地推动教学资源的共享以及教学经验的分享，发起开源高校课程资源的倡议，率先开源自己主讲《数据科学导论》课程的全套材料，10位优秀教师代表参与《开源数据科学与大数据技术专业核心课程倡议》之《数据科学导论》开源行动的启动仪式，为共同推进大数据专业核心课程建设，贡献智慧与力量，在会上，朝乐门老师还对教学要点做了详细的解读，内容充实让老师们收获满满！

下午，全国高校大数据教育联盟实验室主任、章鱼大数据主任刘娜艺做了《大数据技术实验课程建设》报告，主要从两方面进行了分析讲解，首先对数据科学与大数据技术专业课设置中每一门技术需要掌握的内容与相应的实验环境进行了详细的解读，然后针对大数据实验室软硬件平台以及相应的数据实验案例进行了详细的分析，并表示非常欢迎与高校老师交流大数据技术。

联盟同时邀请了北京信息科技大学杨洋同学为与会老师汇报了她的个人大数据企业实践经历，分享她本人完成的“豆瓣图书信息采集并进行分析与可视化”项目的整体过程。

全国高校大数据教育联盟带领老师们参观联想总部，体验联想文化并深入交流，联盟表示希望高校之间深入交流更要与企业之间达成深入交流合作，让企业为高校服务，让高校为企业培养人才。

本次会议在内容上得到了各位老师的高度认可，通过本次会议，对大数据方面的课程有了一个明确的方向，接下来联盟会在数据科学与大数据技术专业核心课程建设上面做更多的交流，为高校提供更多更好的服务！

在我国，数据科学与大数据技术专业的建设已成为新的热点话题。 在系统调研 世界一流大学数据科学专业建设现 状的基础上，从特色课程视角重点分析 加州大学伯克利分校、约翰·霍普金斯大学、华盛顿大学、纽约大学、斯坦福大学、卡内基梅隆大学、哥伦比亚大学、伦敦城市大学等 8所大学的数据科学专业，提出 数据科学与大数据技术这一新专业 应重视的10门特色课程，并分析了现阶段我 国 数据科学教育中 普遍存在的8种曲解现象及对策建议 。

2016 年，教育部发布的《 2015 年度普通高等学校本科专业备案和审批结果》中就首次增设“数据科学与大数据技术专业”，并获批了北京大学、对外经济贸易大学及中南大学的新增专业申请。接着， 2017 年，中国人民大学等 32 所高校出现在第二批次的获批名单中。另， 全国高校大数据教育联盟的统计数据显示， 2017 年申请该专业的院校高达 263 所，其中工学 190 所，理学 73 所 [1] 。从申请资料看，国内数据科学专业是一门主要以统计学和计算机科学与技术专业为基础建设的全新专业。数据科学专业已成为我国现阶段高等教育的热点问题之一。但是，建设什么样的专业以及如何建设该专业仍为各高校面临的难点问题。

在国外，数据科学（ Data Science ）专业是以数据分析学（ Data Analytics ）专业为基础发展而来的，可追溯至 2007 年北卡罗来纳州立大学（ North Carolina State University ）率先设立的数据分析硕士学位（ Master of Science in Analytics ） [2] 。与统计学和计算机科学与技术等基础学科不同的是，数据分析学进一步抽象了这些底层科学中的数据问题，连接了包括统计学和计算机科学在内的基础学科与数据科学之间的空白，为数据科学这一新学科的出现奠定了直接基础。从“数据分析学”向“数据科学”的实质性过渡出现在 2013 年左右，比较有代表性的是纽约大学于 2013 年新开设的数据科学硕士专业（ The Master of Science in Data Science ） [3] 。 之后，包括加州大学伯克利分校、约翰 · 霍普金斯大学、华盛顿大学在内的多个学校设立了数据科学专业。可见，国外一流大学的数据科学专业建设至少早于国内 三 年。

为此，本文在调查分析世界一流大学数据科学专业的培养方案，重点分析数据科学专业中开设的特色课程，并对探讨我国数据科学专业建设的借鉴意义。

1 数据调研及分析

作者通过 Study Portal 进行调查发现，截止 2017 年 11 月，国外数据科学专业的本科、硕士、博士学位项目分别已达到 5601 、 4179 和 301 项，主要分布在美国、英国、澳大利亚、加拿大、德国和意大利等国家。但是，从课程体系和人才培养定位看，能够体现国外数据科学专业教育的本质与特色的是硕士层次的教育，比较有典型的学校有加州大学伯克利分校、约翰·霍普金斯大学、华盛顿大学、纽约大学、斯坦福大学、卡内基梅隆大学、哥伦比亚大学、伦敦城市大学，如表 1 所示。

表 1 典型数据科学专业及其特色课程（ Typical Data Science Programs and their Core Courses ）

学校

学位名称

特色课程

加州大学伯克利分校 [4]

信息与数据科学硕士

（ Master of Information and Data Science ）

Python 与数据科学 /Python for Data Science

研究设计及数据与分析中的应用 /Research Design and Application for Data and Analysis

数据存储与检索 / Storing and Retrieving Data

应用机器学习 / Applied Machine Learning

试验与因果分析 /Experiments and Causality

大数据 —— 人与价值 / Behind the Data: Humans and Values

( 纵向扩展及真正的 ) 大数据 / Scaling Up! Really Big Data

数据可视化与沟通 / Data Visualization and Communication

（数据科学）综合训练课程 / Synthetic Capstone Course

约翰 · 霍普金斯大学 [5]

数据科学理学硕士

（ Master of Science in Data Science ）

数据科学 /Data Science

数据可视化 /Data Visualization

随机优化与控制 /Stochastic Optimization and Control

数据科学家的工具箱 / Data Scientist's Toolbox

数据采集与清洗 /Getting and Cleaning Data

探索性数据分析 /Exploratory Data Analysis

可重复研究 /Reproducible Research

实用机器学习 /Practical Machine Learning

数据产品开发 /Developing Data Products

数据科学综合训练课程 /Data Science Capstone

华盛顿大学 [6]

数据科学理学硕士

Master of Science in Data Science

数据可视化与探索性分析 / Data Visualization & Exploratory Analytics

应用统计与试验设计 /Applied Statistics & Experimental Design

数据管理与数据科学 /Data Management for Data Science

数据科学家常用的统计机器学习 /Statistical Machine Learning for Data Scientists

面向数据科学的软件设计 /Software Design for Data Science

可扩展的数据系统与算法 /Scalable Data Systems & Algorithms

以人为中心的数据科学 /Human-Centered Data Science

数据科学综合训练课程 /Data Science Capstone Project

纽约大学 [7]

数据科学理学硕士 MS in Data Science

数据科学导论 / Intro to Data Science

大数据 /Big Data

面向数据科学的统计学与概率论 /Probability and Statistics for Data Science

推理与表示 / Inference and Representation

机器学习与计算统计学 / Machine Learning and Computational Statistics

数据科学综合训练课程 / Capstone Project in Data Science

基于优化的数据分析 /Optimization-based Data Analysis

非光滑凸优化 /Convex and Nonsmooth Optimization

斯坦福大学 [8]

统计学 : 数据科学 理学硕士学位

M.S.in Statistics:Data Science

现代应用统计学 : 学习 /Modern Applied Statistics: Learning

现代应用统计学 : 数据挖掘 /Modern Applied Statistics: Data Mining

数据驱动型医学 / Data Driven Medicine

现代统计学与现代生物学 /Modern Statistics for Modern Biology

大数据商务智能 / Business Intelligence from Big Data

基于数据的计算范式 /Paradigms for Computing with Data

卡内基梅隆大学 [9]

计算数据科学硕士学位

Master of Computational Data Science

云计算 /Cloud Computing

高级云计算 /Advanced Cloud Computing

多媒体数据库及数据挖掘 /Multimedia Databases and Data Mining

移动与普适计算 /Mobile and Pervasive Computing

大数据集的机器学习 /Machine Learning with Big Data Sets

智能信息系统的设计与开发 /Design and Engineering of Intelligent Info Systems

大数据分析学 /Big Data Analytics

哥伦比亚大学（纽约） [10]

数据科学理学硕士

Master of Science in Data Science

数据科学导论 /Introduction to Data Science

面向数据科学的计算机系统 /Computer Systems for Data Science

探索性数据分析与可视化 /Exploratory Data Analysis & Visualization

数据科学中的因果推理 / Causal Inference for Data Science

大数据分析学 /Big Data Analytics

数据科学综合训练及伦理 /Data Science Capstone & Ethics

伦敦城市大学 [11]

数据科学理学硕士

MSc in Data Science

数据科学原理 /Principles of data science

大数据 /Big Data

可视分析学 /Visual analytics

数据可视化 /Data visualization

神经计算 /Neural computing

研究方法与专业问题 /Research Methods and Professional Issues

高级并发编程 /Advanced Programming: Concurrency

1.1加州大学伯克利分校

该学校的数据科学专业由信息学院（ School of Information ）开设，专业名称为信息与数据科学，授予的学位为信息和数据科学专业硕士（ Professional Master of Information and Data Science, MIDS ） [12] 。该专业主要侧重于培养学生的研究设计、数据清洗、存储与检索、挖掘与探索、数据可视化、道德与隐私、数据分析、沟通与呈现的能力，如图 1 所示。

图 1 加州大学伯克利分校 MIDS 专业所关注的学生能力

（ Key Skill Areas of MIDS at UC Berkeley ） [12]

为了达到上述人才培养目的，该专业开设基础课程、高级课程和综合训练课程等 3 类课程。其中 ，基础课程共有5门，即面向数据科学的Python语言（Python for Data Science）、面向数据与分析的研究设计（Research Design and Application for Data and Analysis）、面向数据科学的统计学（Statistics for Data Science）、数据存储与检索（Storing and Retrieving Data）以及应用机器学习（Applied Machine Learning）；高级课程有7门，包括试验与因果分析(Experiments and Causality)、数据、人与价值（Behind the Data: Humans and Values）、（纵向扩展及真正的）大数据（Scaling Up! Really Big Data）、面向离散响应，时间序列和面板数据的统计方法（Statistical Methods for Discrete Response, Time Series, and Panel Data）、可扩展的机器学习（Machine Learning at Scale）、基于深度学习的自然语言处理（Natural Language Processing with Deep Learning）以及数据可视化与沟通(Data Visualization and Communication)。除了基础课程和高级课程，该学校还开设一门综合训练课程（Synthetic Capstone），培 养学生综合运用所学专业知识及解决现实问题的能力。

从总体上看，人才培养定位在培养数据科学领域的领导者，侧重培养学生的运用新工具和新方法，从现实数据中获得洞见（ Insights ）以及如何有效地沟通与阐释自己的研究发现，进而改变他人行动和思想的能力。 该学校的数据科学专业的人才培养具有如下几个特点 ：

强调数据科学的多学科交叉特点 ，将社会科学，计算机科学，统计学，管理学和法学等多学科知识融入具体课程之中；

凸显数据科学本身的讲解 ，注重提升学生的基于数据提出好问题的能力以及面向数据科学的研究设计、数据清理、存储与检索、交流与沟通、统计分析、道德与隐私、数据可视化以及数据挖掘与探索等关键技能；

引入基于项目的学习方法 ，借鉴本校信息学院其他专业的培养经验，通过基于项目的教学方式，鼓励学生综合运用多种不同的工具和方法来解决复杂问题；

强调动手实践能力的培养，为学生提供亚马逊 Web 服务和 IBM 大数据平台等实践平台。

1.2 约翰 · 霍普金斯大学

该学校的怀廷工程学院（ Whiting School of Engineering ）开设名为数据科学（ Data Science ）的新专业，授予的学位为数据科学理学硕士（ Master of Science in Data Science ）。

该专业的课程体系包含先修课程（ Prerequisite Courses ）、基础课程（ Foundation Course ）、必修课程（ Required Courses ）、选修课程（ Electives ）以及独立学习（ Independent study ）课程等近 60 门课程 [13] 。 基础课程有 2 门，即算法基础（ Foundations of Algorithms ）和统计方法与数据分析（ Statistical Methods and Data Analysis ）；必修课程包括数据库系统原理、数据科学、数据可视化、优化导论（ Introduction to Optimization ）、统计模型与回归、计算统计学；选修课分为机器学习和统计学两个大方向，共有 14 门主要课程，均为较为常见课程。 值得一提的是，该专业另提供了近 30 门扩展选修课程（ Additional Selections ），供学生用于置换同一个领域的必须 / 选修课程，这些扩展课程均为统计学和计算机科学与技术专业常见课程。 独立学习（ Independent study ）课程主要包括独立动手实战（ Capstone 项目）和独立学习（ Independent Study ）。

从总体上看， 该学校的数据科学专业的人才培养具有如下几个特点 ：

从人才培养的目的看，专业旨在培养“有竞争力”的数据科学家，要求学生具备三方面的能力：综合运用计算机科学和应用数学的知识，分析与处理大规模数据集的能力；从复杂数据中快速洞察到有价值信息的能力和从信息中发现相关关系的能力；基于规范的技术和抽象的方法以及面向现实世界中的具体问题的建模能力[14]。

强调学生对数据科学的理论基础的掌握程度，突出了三个主要领域：计算机科学与技术、统计学与应用数学。其中，对应用数学的重视是该学校数据科学专业的一大特色。

从课程设计及内容选择看，该专业鼓励在每一门课程中引入来自现实世界的具体问题作为例题和主要关注点。例如，独立学习（Independent Study）课程中强调对具体行业中实际问题的处理能力。

强调培养学生的数据全生命期管理、统计 分析和故事化描述能力。

1.3华盛顿大学

整合自己的应用数学系、生物统计学系、 Paul G. Allen 计算机科学与工程学院、以人为本的设计与工程系、统计系、信息学院 6 大院系以及电子科学研究所的资源，开设出了一种面向在职人员的夜大类数据科学专业项目，所授予的学位为数据科学理学硕士（ Master of Science in Data Science ）。该专业的课程设计较为简洁，包括 8 门核心课程以及 1 个 Capstone 项目。其中， 8 个核心课程分别是统计与概率论（ Introduction to Statistics & Probability ）、信息可视化（ Information Visualization ）、应用统计与试验设计（ Applied Statistics & Experimental Design ）、面向数据科学的数据管理（ Data Management for Data Science ）、数据科学家常用的统计机器学习（ Statistical Machine Learning for Data Scientists ）、面向数据科学的软件设计（ Software Design for Data Science ）、可扩展的数据系统与算法（ Scalable Data Systems & Algorithms ）和以人为中心的数据科学（ Human-Centered Data Science ）。 Capstone 项目要求学生自...

又一个毕业即失业正式诞生，真为日后可能学这个专业的孩子感到痛心。

这两年，大数据这个词越来越火，事实上大数据也正在成为一项产业。所谓大数据，其实就是一个数据量巨大的数据库，但是它又不仅仅是数据库而已，而是需要利用专业的数据工具进行抓取、管理和处理。

我们生活在一个信息社会里，人与人的交流也越来越广泛，越来越深入，每个人在网络上行为都会留下数据记录，当把大量的数据收集起来，进行分析，那就可以得到人们的消费习惯个人喜好等信息。这些数据到了企业的手中，就可以指导其决策的作出，来进行精准的营销，提高企业的业绩。

所以说，大数据真的很重要。但是这并不表明以大数据为噱头的“数据科学与大数据技术”专业就会有一样的待遇。目前其实也有很多人从事大数据的工作，虽然这些人学的不是大数据专业，事实上这些人上学的时候，大数据专业还没诞生呢。

目前大数据工作的从业者，一般在大学学习的都是软件工程和电子信息工程之类的专业，毕业后简单的学习或者培训之后在开始进入这个行业。事实上，大数据虽然很重要，但是其实难度并不算高，实际上就是应用数学加统计，入门门槛低得很。

虽然目前号称专业缺口150万，当然对于这个数据笔者是持怀疑态度的，毕竟目前中国真正能做大数据的企业其实并不算多。不过就算确有150万的缺口，可是在相关专业的毕业生大学四年的学习之后，这个缺口又会是多少呢？估计早就被那些经过简单培训的其他专业人才给消化掉了。

目前大学专业的设置越来越随意，很多专业的就业前景其实很不明朗，可是却被大学吹得天花乱坠，最后被坑害的只能是学这个专业的学生，毕业即失业。

一、学校基本情况

中国人民大学的前身是1937年创办于延安的陕北公学，以及后来的华北联合大学和华北大学。她是中国共产党创办的第一所新型正规大学。经过一代又一代人大人的奋斗，人民大学形成了“人民共和国建设者”的摇篮、人文社会科学高等教育的重镇、马克思主义教学与研究的高地三大办学特色，被誉为“在我国人文社会科学领域独树一帜”，为我国哲学社会科学的发展和繁荣，为社会主义革命、建设和改革事业做出了重要的贡献。从1950年至今，国家历次确立重点大学，中国人民大学均位居其中。学校是国家首批“985工程”“211工程”重点建设大学，2017年首批入选国家“世界一流大学和一流学科”建设名单。

建校80年来，中国人民大学始终坚持“立学为民、治学报国”的办学宗旨，以“国民表率、社会栋梁”为人才培养目标，培养了26万名高水平的共和国建设者，涌现出一大批学界泰斗、杰出政要和商界精英，如“20世纪80年代以来中国最具影响力的人文学者”钱理群、京东集团CEO刘强东、高瓴资本张磊、“扎根基层的时代先锋”宋鱼水等。“实事求是”的校训已经成为人大人的精神底色。

二、今年学校招生政策有哪些变化？招生计划有无增减？

中国人民大学的前身是1937年创办于延安的陕北公学，以及后来的华北联合大学和华北大学。她是中国共产党创办的第一所新型正规大学。经过一代又一代人大人的奋斗，人民大学形成了“人民共和国建设者”的摇篮、人文社会科学高等教育的重镇、马克思主义教学与研究的高地三大办学特色，被誉为“在我国人文社会科学领域独树一帜”，为我国哲学社会科学的发展和繁荣，为社会主义革命、建设和改革事业做出了重要的贡献。从1950年至今，国家历次确立重点大学，中国人民大学均位居其中。学校是国家首批“985工程”“211工程”重点建设大学，2017年首批入选国家“世界一流大学和一流学科”建设名单。

建校80年来，中国人民大学始终坚持“立学为民、治学报国”的办学宗旨，以“国民表率、社会栋梁”为人才培养目标，培养了26万名高水平的共和国建设者，涌现出一大批学界泰斗、杰出政要和商界精英，如“20世纪80年代以来中国最具影响力的人文学者”钱理群、京东集团CEO刘强东、高瓴资本张磊、“扎根基层的时代先锋”宋鱼水等。“实事求是”的校训已经成为人大人的精神底色。

三、2018年的招生专业有无变化？介绍一下学校的特色专业？

2018年，我校信息学院新增分流专业“数据科学与大数据技术”，马克思主义学院新增分流专业“马克思主义理论”。

“数据科学与大数据技术”专业依托北京市重点实验室，强化计算机、数学、信息管理和信息系统的多学科交叉综合优势，培养能架构系统、会分析数据、懂领域业务的大数据复合型人才。招生专业为理科试验班（信息与数学）。

“马克思主义理论”专业实行本科生全员导师制，培养具有系统马克思主义理论知识、良好科学精神和人文素养、较强理论思维能力和社会实践能力、国际视野开阔的创新型人才。毕业生既能在党政机关和企事业单位从事管理和理论宣传工作，又具备继续深造成为马克思主义理论教学与研究高层次人才的潜质。招生专业为人文科学试验班。

2017年9月，中国人民大学入选“一流大学”建设A类高校名单，哲学、理论经济学、应用经济学、法学、政治学、社会学、马克思主义理论、新闻传播学、中国史、统计学、工商管理、农林经济管理、公共管理、图书情报与档案管理等14个一级学科入选世界一流学科建设名单，在人文社会科学领域居于全国领先位置。

在2017年12月公布的教育部学位与研究生教育发展中心第四轮学科评估中，中国人民大学9个学科A+，14个学科A类；A+学科数位居全国第四，人文社科领域A+学科数位居全国第二。

四、学校的录取原则有何特别之处？哪些专业有特殊要求？

学校依据教育部相关工作要求，全面贯彻实施高校招生“阳光工程”，本着公平、公正、公开的原则，综合衡量考生的德智体美水平，择优选拔人才。

投档时，对教育部和各省（区、市）教育主管部门规定的全国性政策性加分，我校认可考生其中最高一项加分，且最高不超过20分。除特殊类型招生外，我校不认可任何降分投档政策。

录取专业时，学校设置1分的专业志愿分数级差，各专业志愿之间分数级差相同。所有已投档考生分科类（或选考科目）按实考分排队，从高分到低分按照各专业招生计划数顺序录取。第一专业志愿无法满足的考生，实考分减掉一个分数级差进入第二个专业志愿排队，依此类推。同一专业录取时，若考生等效基准分相同（等效基准分为考生实考分减去专业级差分），文史类考生依次比较语文、数学、文综、外语成绩，理工类考生依次比较数学、语文、理综、外语成绩，浙江省、上海市考生按照所在省（市）考试院投档位次录取。

学校英语、俄语、日语、德语、法语等专业只招收全国统一高考科目中外语为英语语种的考生；法语（中外合作办学）专业只招收英语和法语语种的考生。

以上录取原则以我校阳光招生信息平台公布的2018年招生章程为准。

五、请您介绍一下学校的转专业政策和奖助学金政策

为充分调动和发挥学生的学习积极性，营造有利于人才成长的学习环境，学校实行本科生转专业制度。根据《中国人民大学本科生转专业实施办法》，所有招收本科生的学院按一定比例为在校本科一、二年级学生提供专业调整的机会，凡符合学校和各学院规定的转专业条件的学生，均可提出转专业申请，经考核，成绩合格者可以转入新专业学习。本科生转专业时间为在校第二学期或第四学期。

与转专业这种调整主修专业的制度相比，为更多学生所利用的是自2013年开始实施的双选认证制度。学生在校期间可自主选择副修第二学位或第二专业，毕业时按所修学分和论文情况进行认证，可获得副修专业证明或副修学士学位。这一制度因为不设门槛，让学生充分自主的选择感兴趣的学习方向，目前在本科生中利用率很高。所以说在人民大学，只要你足够勤奋，就可以到自己喜欢的专业或学科领域去求学。

我校学生奖励项目分为个人奖项和集体奖项。奖学金分为荣誉类、学习类和专项类三大类，涵盖学习、科研、社会工作、志愿服务、文体优秀等多个方面。此外，学校还设有校长奖学金和心平留学贷学金，资助学生出国交换学习或留学，让优秀学生不因经济原因而失去开拓国际视野的机会。

学生资助工作坚持“全方位关心、多元化资助、分层次实施、保重点对象”的工作思路，从“入学前”持续到学生“毕业后”。工作中助困与育人相结合，不断创新丰富资助工作形式，拓展资助渠道，整合资助资源，确保资助标准和资助对象精准，为学校家庭经济困难学生的成长成才提供全面保障。

六、近年来学校本科生毕业去向情况如何？

2017年人大毕业生总体就业率为98.56%，稳居国内高校第一梯队前列。约25%的本科毕业生获得保研资格。总体来看，毕业生中就业创业、国内升学（含保研）、出国留学约各占三分之一。26个学院中，财政金融学院、国际学院（苏州研究院）、国学院、汉青经济与金融高级研究院、教育学院、经济学院、劳动人事学院、马克思主义学院、统计学院、文学院、信息学院、中法学院等12个学院的就业率达到100%，77个本科专业中，54个专业的就业率达到100%。人大毕业生就业行业领域广，就业机会多。“中国人民大学2017届毕业生择业过程调查”统计数据显示，63.29%的人大毕业生获得2家以上单位的接收函。

数据科学与大数据技术专业主要培养面向大数据时代以计算机科学、统计分析为基础，以数据科学与大数据技术为研究领域，具备经济、金融、数据结构、数据计算智能、信息处理、程序设计、数据分析等相关学科的领域知识，能推动并引领未来全球“互联网+”、云计算、人工智能、大数据技术在各领域的深入应用，具有较强的实践重新能力、跨文化交流能力和跨领域研究、设计、开发能力高素质复合人才。

一、据全球顶尖管理咨询公司麦肯锡分析报道，到2018年大数据领域科研工作者岗位需求激增，其中大数据科学家缺口在19万左右，懂的利用大数据做决策的高素质人才需求缺口达150万。

二、目前，全国开设数据科学与大数据技术专业高校数量众多，毕业生就业前景广阔，薪资待遇比较高，就业形势与政策相对比较好。

1.第一批开设数据科学与大数据技术专业的院校为：北京大学、对外经济贸易大学、中南大学；

2.第二批开设院校有：中国人民大学、北京邮电大学、复旦大学、电子科技大学、中北大学、华东师范大学、北京信息科技大学、长春理工大学、上海工程技术大学、上海纽约大学、浙江财经大学、宿州学院、福建工程学院、黄河科技学院、湖北经济学院、佛山科技学院、重庆理工大学、广西科技学院等；

3.第三批开设的院校有中国人民大学、北京化工大学、中国农业大学、北京师范大学、中国传媒大学、南开大学、同济大学、上海财经大学、中国矿业大学、厦门大学、中国石油大学、中国地质大学、武汉理工大学、华中农业大学、华中师范大学、中南财经政法大学、华南理工大学、西南财经大学、兰州大学等248所高校。

三、2018年全国开设数据科学与大数据技术专业排名

1.该专业学制四年，大部分为工学。

2.2018年该专业水平最好的高校为中南大学，排名位居第一，浙江财经大学排名第二，广西科技大学排名第三。

对此问题，你认为呢？

目前数据中国“百校工程”已有73所入选院校，23所项目院校通过教育部规建中心专家验收，曙光瑞翼教育与项目院校校企合作协同育人，服务于全国各地近30所院校的曙光瑞翼大数据学院，招录近6000名学生，在数据科学与大数据技术专业的课程设计上，设计以下的专业课程。

数据科学与大数据专业的必修基础课程方面大数据（人工智能）概论、Linux操作系统、Java语言编程、数据库原理与应用、数据结构、数学及统计类课程（高等数学、线性代数、概率论、数理统计）、大数据应用开发语言、Hadoop大数据技术、分布式数据库原理与应用、数据导入与预处理应用、数据挖掘技术与应用、大数据分析与内存计算等。选修的课程方面数据可视化技术、商务智能方法与应用、机器学习、人工智能技术与应用等。实践应用课程方面海量数据预处理实战、海量数据挖掘与可视化实战等。

数据科学与大数据技术可从事的岗位有：分析类，分析工程师、算法工程师；研发类，架构工程师、开发工程师、运维工程师；管理类，产品经理、运营经理。

大数据与人工智能不但是社会发展急需的新兴专业方向，同时也将渗透并影响着其他许多传统学科和专业的发展。腾讯研究院于2017年12月发布了《2017年全球人工智能人才白皮书》，数据显示，中国592家公司中约有4万位员工，而中国对于人工智能人才的需求数量已经突破百万，人才严重短缺，迫使企业不断降低工作经验门槛，甚至不惜从零培养人才。

数据科学与大数据技术专业不仅有着明朗的就业前景，在就业岗位的薪资待遇上有着无法比拟的就业优势。依据招聘网站给出薪资数据，目前国内人工智能相关岗位的应届毕业生的起薪基本都在10k—20k之间，毕业三年后人工智能岗位的技术人员，平均月薪在25k以上，基本实现薪酬翻番，薪资水平、就业满意度都优于全国平均水平的专业。随着未来科技应用的逐步推进，人工智能以及大数据技术的岗位需求逐步上升，未来必定会发展为就业前景最好的专业之一。

“数据科学与大数据技术”专业是近两年才设立的新专业。“数据科学与大数据技术”专业有着很好的就业前景并且就业的宽度广，就业薪资待遇水平高，缺点可能在于专业设立较新，教学课程设置上可能无法跟上大数据人才培养的技能需求。以数据中国“百校工程”产教融合创新项目为例，在课程的设置上校企共建专业人才培养方案，对接培养大数据技能型人才，在大数据与人工智能领域设立了以下的人才培养方向。

“数据科学与大数据技术”专业的人才培养方向

分析类岗位

分析类工程师。使用统计模型、数据挖掘、机器学习及其他方法，进行数据清洗、数据分析、构建行业数据分析模型，为客户提供有价值的信息，满足客户需求。

算法工程师。大数据方向，和专业工程师一起从系统应用的角度,利用数据挖掘/统计学习的理论和方法解决实际问题；人工智能方向，根据人工智能产品需求完成技术方案设计及算法设计和核心模块开发，组织解决项目开发过程中的重大技术问题。

研发类岗位

架构工程师。负责Hadoop集群架构设计开发、搭建、管理、运维、调优，从数据采集到数据加工，从数据清洗到数据抽取，从数据统计到数据分析，实现大数据全产业线上的应用分析设计。

开发工程师。基于hadoop、spark等构建数据分析平台，进行设计、开发分布式计算业务，负责机器学习、深度学习领域的开发工作。

运维工程师。负责大数据基础平台的运维,保障平台的稳定可用，参与设计大数据自动化运维、监控、故障处理工具。

管理类岗位

产品经理。负责大数据平台产品的设计工作，主导数据产品的功能规划、体验设计，与研发、数据分析、算法团队紧密合作，挖掘数据价值，形成数据产品，包括部分数据可视化的产品设计等。

运营经理。根据业务特点，结合业务发展需求，设立数据监控模型,搭建数据分析架构，理解业务方向和战略，为业务战略决策、业务方向提供决策支持，竞争分析及建议。

“数据科学与大数据技术”专业的就业前景

人才需求方面，腾讯研究院于2017年12月发布了《2017年全球人工智能人才白皮书》，数据显示，中国592家公司中约有4万位员工，而中国对于人工智能人才的需求数量已经突破百万，人才严重短缺，迫使企业不断降低工作经验门槛，甚至不惜从零培养人才。人工智能人才掌握的技能宽度和深度均在逐渐提高。2017年求职的人工智能人才中，有68%的人掌握至少3种技能，简历中最常出现的技能包括spark、深度学习、算法研究、Hadoop，Python等。而人工智能工程师的招聘主要集中在算法与开发两个大类, 本科学历及以上人才目前是人工智能领域的主力军，同时，就业人群在快速年轻化。

在薪资待遇方面，可参考IT行业类的专业，2016届本科应届毕业生就业薪资最高的10个专业中软件工程、计算机科学与技术、电子信息工程稳进前十，薪资待遇分布在7K到9K之间，IT行业的薪资待遇非常高。人工智能以及大数据技术的岗位人才需求逐步上升，未来可能会发展为就业前景最好的专业之一。

首先来说说数据科学吧，作为一门学科， 数据科学所依赖的两个因素是数据的广泛性和多样性，而广泛性和多样性之间又有共性。

数据科学主要包括两个方面： 用数据的方法来研究科学和用科学的方法来研究数据。

前者的包含面很广，囊括了生物信息学，天体信息学等领域。而后者包括统计学、CS、数据挖掘、数据库等领域。所以，要直白的说的话，就是数据科学包括了统计学，数据挖掘。而数据挖掘既相对独立，也可以作为一个统计学发展的小方向（与CS有关）而不是分支。而大数据则是个专有名词，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。

统计学的主干课程都包括什么？主要都涉及到什么样的知识和实际背景？

两者的比较如果再从就业上讲，统计无疑是一个比较热门的专业，之中好多方向都比较好就业，每个方向都有其对应的工作，比如事业单位和经济、管理部门从事统计调查、统计信息管理、数量分析等开发、应用和管理工作，或在科研、教育部门从事研究和教学工作。而数据科学作为拥有完整知识体系的新兴的学科，其就业前景无疑也是可观的。

——圆圆

个人认为这三者既存在着密切的联系，也不完全相同。用数学的话来说，就是三者之间相互存在着交集，但也并不是完全包含。

其中涉及的最广泛的应该就是数据科学了。研究大数据的方法可以称作数据科学、而统计的研究方法就更可以算作是数据科学了。本身，数据科学就是在大数据的背景下提出的。它不仅包括大数据的研究方法和研究背景，更包括对于数据软件的使用、对于数据库的理解、甚至包括对于算法的理解等等。

大数据，是在近几年才刚刚提出并迅速走红的概念。它是未来数据分析和存储的新趋势。面对这个信息爆炸的时代，数据的高数量、高维度、高更新速度以及背后的高商业价值都对于传统的硬件存储、数据库管理和统计分析方法提出了更高的要求。原先的统计大多都是适用于小样本的情况，而面对这样的大数据往往显得无能为力。因此，相比较与其他的两个概念来看，它既是数据科学的基础，也是建立在统计基础上的一个科学。

最后，三者最共同的地方应该就是统计了，无论是数据科学应用在各个实际领域、还是大数据的各种突破过去经典数据规模的领域，它们的核心思想或者说最先处理的基础都是统计。如果任何数据都可以使用经典的统计方法去解决的话，不会再采用其他的模糊近似的方法进行操作。

综上，数据科学包含的内容更加全面、更加综合，它更像是一个对于实际的数据问题需要具备的一些基本甚至专业知识。而大数据，则只是一个概念，指的是对于现在这个数据泛滥时代的统称。而它的研究方法包括在数据科学之中。对于统计而言，它在应用领域与前两者也有着很类似的内容，然而其理论基础部分则与前两者不同，是前两者进行研究和发展的基础。

——高原红

想了解更多相关内容，记得持续关注我们哦。

如果你觉得有点意思，请有秩序的评论、转发、收藏。

我们生活在一个充满“数据”的时代，打电话、刷微博、聊QQ、用微信，阅读、购物、看病、旅游，都在不断产生新的数据。

不管你是否认同，大数据时代已经来临，并将深刻地改变着我们的工作和生活，世界已经进入由数据主导的“大时代”。

近年来，高校新设置的“数据科学与大数据技术”专业变得炙手可热，那么该专业培养目标是什么？学些什么？专业前景如何？对学生又有哪些要求呢？

热门专业

2018年3月21日，教育部公布了《2017年度普通高等学校本科专业备案和审批结果》，共有862所高校新增了2311个专业。其中最热门的专业当属当属“数据科学与大数据技术”，共有248所高校申请获批，占新增专业申请的高校数超过1/3。

根据教育部在2012年发布了《普通高等学校本科专业目录》，“数据科学与大数据技术”并不在其中，属于目录外专业，需要审批设置。该专业最早在2016年获得批准设置，在教育部公布的《2015年度普通高等学校本科专业备案和审批结果》中，有北京大学、对外经济贸易大学、中南大学3所高校获批。

而在2017年教育部公布的《2016年度普通高等学校本科专业备案和审批结果》中，获批新增“数据科学与大数据技术”专业的高校达到了32所。

可见，三年来，开设“数据科学与大数据技术”专业的高校数量迅速膨胀，累计达到了284所。

如此多的高校对它青睐有加，“数据科学与大数据技术”到底是一个什么专业？

培养目标与学习内容

“数据科学与大数据技术”专业是培养以计算机科学、统计分析为基础，具备经济、金融、物流、商业、贸易、 管理等相关学科的领域知识，能推动并引领未来全球“互联网 +”、云计算、大数据技术在各领域的深入应用，具有较强的实践创新能力、跨文化交流能力和跨领域研究能力的高素质复合型人才。

从上述培养目标可以看到，该专业的核心是计算机和统计分析，但需要具备多个领域的相关知识，培养目标也是复合型人才。

在课程设置上，除了基本的计算机学科和统计学课程，还包括了微观经济学、计量经济学、国际金融、搜索引擎、自然语言处理、数据可视化、机器学习、模式识别以及大数据技术平台等相关课程。

专业“钱”景

“数据科学与大数据技术”专业培养的是当下最热门的大数据、云计算、人工智能、算法分析等行业急需的人才。

全球顶尖管理咨询公司麦肯锡分析报告显示，到2018年，大数据或者数据工作者的岗位需求将激增。其中大数据科学家的缺口在14万到19万之间，对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到150万！

从国内就业市场来看，根据BOSS直聘发布的《2017春季互联网人才趋势报告》，大数据和人工智能相关岗位出现全行业的旺盛需求，人才供给严重不足。其中，缺口较大的是搜索算法，供给量只能达到需求的44%，还有56%的缺口；推荐算法的缺口比例为50%，算法研究员的为43.9%，图像算法的为43%，深度学习的缺口量排在第十，为33.8%。

从国家层面上看，”互联网+”已经上升为国家战略，以大数据战略为牵引，以信息安全、传感器、人工智能等为重点，打造新一代信息技术产业集群。2017年7月，国务院印发《新一代人工智能发展规划》，明确提出我国新一代人工智能“三步走”发展战略，人工智能产业要成为新的重要经济增长点，助推我国产业升级和经济转型，并成为世界主要人工智能创新中心。

在就业“钱景”方面，各大互联网公司都在囤积大数据处理人才，从业人员的薪资待遇也很不错。以基本的Hadoop开发工程师为例，入门月薪已经达到了8K 以上，工作1年月薪可达到 12K 以上，资深的hadoop人才年薪可达到30万—50万。

热门专业的冷思考

看到这里，是不是对“数据科学与大数据技术”专业跃跃欲试呢？

且慢，对于热门专业，我们需要冷思考！

就像前几年大热的物联网工程专业，很多学校一哄而上，但是专业课程设置不合理，计算机和通信的课程搞成大杂烩，两边的核心内容都没学好。师资也是赶鸭子上架，上课就是念念PPT，考试也是走过场。毕业出来，才发现基础知识不牢靠，后悔也迟了。

对于高校来说，开设“数据科学与大数据技术”专业，需要有多学科的专业积淀，需要有经验的师资队伍，更需要有行业背景。很多高校只是因为专业热门，就拼拼凑凑开设起来，其实各方面积累很不够，学生报考时需要檫亮眼睛。

对于学生来说，该专业对数理统计、计算机科学的知识要求很高，数学基础不牢靠的学生需要慎重选择。再者，对于将来当“码农”辛苦加班的日子也要有心理准备哦。

对于很多同学来说，笔者建议在本科阶段深入学习一门本科专业，如计算机类、数学类、统计学类，然后再考研深造大数据类、人工智能的专业，既具有深厚的底蕴，又具备鲜明的专业特点，才能有更大的发展空间。

不管怎样，对于专业选择，第一是兴趣，第二还是兴趣，有了兴趣才有学习、深造的动力！

对了，对人工智能感兴趣的童鞋，“智能科学与技术”专业也是不错的选择哦。这个专业融合了电气、计算机、传感、通讯、控制等众多学科领域，也是培养跨学科的复合型人才，限于篇幅就不多讲了。

原创不易，如果您感觉此文很有帮助，请鼓励支持下吧！

↓↓↓

狗日的作业！

最能让青少年成长30部英文电影（下）

最能让青少年成长30部英文电影（上）

最适合亲子观看的16部BBC纪录片（建议收藏）！

这才是中国孩子最需要补的一门课

这才是中国父母最需要补的一门课

和青春期的孩子对着干？赢了当下，输了未来！

不背单词，不上辅导班，能学好英语？这个爸爸的实验结果是……

让魔都家长扎心的“公民同招”，开错了药方！

曹杨二中王洋校长访谈录——从一个学生家长的视角