点击这里»暑期项目
为什么以及如何进入有经济学背景的数据科学?
最后更新于2021年11月13日
我应该追求一个数据科学硕士作为一个经济学毕业生?如果这个问题一直困扰着你,那你就来对地方了。这个博客涵盖了这个话题为什么以及如何获得经济学学位进入数据科学.
由于缺乏认识,数据科学职业一直是许多经济学毕业生忽视的选择。自2014年以来,该领域的巨大需求一直是增长最快的行业之一。
数据科学的主要需求是数据科学家、统计学家、数据分析师、银行家等等。
表的内容
什么是数据科学?
数据科学继续发展为最有前途和最受欢迎的职业生涯路径的技术专业人士之一。数据科学是一个广泛的领域,包括许多细分领域,如数据准备和探索;数据可视化、展示、分析等。
数据科学家检查哪些问题需要回答,以及在哪里可以找到相关的数据。他们拥有敏锐的商业头脑和分析技巧,以及挖掘、清理和呈现数据的能力。
今天,成功的数据科学专业人员明白,他们必须超越分析大量数据、数据挖掘和编程技能的传统技能。为了为他们的组织发现有用的情报,数据科学家必须掌握数据科学生命周期的全部光谱,并拥有一定程度的灵活性和理解能力,以在过程的每个阶段最大化回报。
有经济学学位的你为什么要进入数据科学?
工作场景
过去几年,数据科学领域的就业市场出现了巨大增长。这个行业比其他行业有650%的大幅增长,这只是这个行业增长的开始。
社会技能
经济学专业的学生对社会研究有更好的理解,这可以作为数据和技能的额外视角。凭借他们对社会的微观理解,他们可以超越数字思考,做出有影响力的决定。
相关文章:社会数据科学和公共政策分析硕士学位
跨学科
作为经济学专业的学生,他们会学到更多关于心理学、政治学、金融学、数学和统计学的知识。因此,经济学家的学生的方法总是跨学科的。
因为他们已经学习了计量经济学-线性回归和物流回归,他们已经对机器学习有了基本的了解。
经济学是攻读数据科学硕士的前5个专业之一
与物理和数学等课程相比,经济学提供的分析技巧可能缺乏数学上的严谨性。然而,一个经济学学位提供业务技能,这在数据科学的实际应用中是必不可少的。读数据科学职业的最佳学位.
经济学的一个很大的优势是它是一种非常战略性的,通常是不同的思考问题和解决问题的方式。
读在康奈尔大学统计和经济学双专业(UG)后获得数据科学专业硕士(MPS)的学生经历.
具有经济学背景的数据科学领域的最佳职业
数据分析师
数据分析师是需要高度分析性和求知欲的工作。需要数据分析师的行业包括制药、制造、咨询、金融和教育。
作为一名分析师,您需要收集数据,评估数据,并就如何使用这些数据进一步改善业务和做出更好的决策提供见解。
市场研究分析师
市场研究分析师汇编大量数据,找出策略,以尽可能好的方式帮助组织营销其服务或产品。
数据科学家
数据科学家使用算法、人工智能、机器学习和许多其他统计工具将数据转化为有意义的信息,这些信息可以被大型组织用于改进他们的商业战略,从而提高销售。
银行家
结合经济学和数据科学的知识,可以对国家的货币政策和战略作出强大的贡献,可以奠定有助于经济增长。
有经济学背景的我如何进入数据科学?
- 如果你想在毕业后进入数据科学领域,你可以去做数据科学的入门级工作。
- 顶尖大学的硕士学位要求至少2年的数据科学经验。
- 需要至少3-4年数据科学领域的经验,以确保在该领域的成功。
如何开始经济学学位进入数据科学的旅程
开始学习额外的课程/模块——特别是数学课程,比如微积分,线性代数,统计,概率,以及编程课程。
最好的开始方法是学习3本圣经:Python、R和SQL。这些足以制作一些不错的项目。而且它们都是开源的(免费的!)
当然还有很多其他的,但通常有三个领域的数据科学:
- 统计:R, Matlab,
- 数据库:SQL、SAS、Excel、NoSQL
- 通用数学和后端语言:Python、Java、Scala
现在有了一个新的子类别:
- 机器学习:Tensorflow, Torch, Pytorch
现在先关注这3种语言,然后转向更高阶的语言来做更酷的事情!
阅读详细的文章如何成为一名数据科学家而且如何获得数据工程/科学和深度学习的工作.
提供数据科学与经济学学士学位的顶尖大学名单
大学在MS数据科学申请者中寻找什么?
本科课程
作为大学生,您的课程中已经有一些科目为您提供数据科学的基础。计量经济学就是这样一门学科,它构成了理解机器学习模型的基础。因此,计量经济学、统计学、数学等学科应该被认真对待,概念理解是必须的。
编程知识
第二,学习一门编程语言。即使你没有学过任何编程语言,现在也是开始学习一门编程语言的最佳时机。你可以从Python或R.
其他技术技能
SAS,统计和数学技能,讲故事和数据可视化,Hadoop, SQL,机器学习。
实习
实习是了解任何兴趣爱好的好方法。你可以参加初级实习,学习更多关于数据科学的知识。如果您想进一步研究数据科学,您可以理解。
以下是提供数据科学实习机会的10家公司:
- 谷歌
- 亚马逊
- 休伊特帕卡德
- 诺基亚
- IBM
- 波音公司
- 超级
- 英特尔
- 雅虎
- 美国国际贸易委员会
在线课程
你也可以从edX、Coursera或其他平台上学习一些课程来理解不同的概念。其中一些是:
- 数据科学专业证书[edX]
- 分析学:基本工具和方法[edX]
- Python专门化的应用数据科学(Coursera)
- 数据科学A-Z™:包括真实的数据科学练习(Udemy)
- 数据科学机器学习导论(Udemy)
- 机器学习(Coursera)
- 数据科学路径[Codeacademy]
- 数据科学专业化(Coursera)
- 数据科学编程[Udacity]
- 统计数据与Python(Coursera)
以下是一些最受欢迎的课程,并不是详尽的清单。你可以自己做研究,也可以上其他课程。请随时查看我们的数据科学和机器学习方面的最佳在线课程列表.
除了这些技能,你还需要加强你的软技能。软技能包括沟通技能、终身学习技能、演讲技能、适应能力和解决问题的能力。
海外顶尖数据科学硕士院校
在英国:
- 爱丁堡大学
- 伦敦国王学院
- 伦敦帝国理工学院
- 英吉利大学拉斯金
- 兰开斯特大学
- 布里斯托大学
- 伯明翰大学
在美国:
- 斯坦福大学
- 哈佛大学
- 耶鲁大学
- 宾夕法尼亚大学
- 约翰霍普金斯大学
- 加州大学伯克利分校