1
数据科学学习浪潮已起
前几天小阿哥接到了一个在美国留学的生物医学博士发自“灵魂”的提问：一直研究生物医学至博士，明年博士毕业，但是想转行做Data研究，求推荐单位～
小阿哥接触到的很多留学生学习数据科学的意愿都非常强烈。不论是金融专业还是商业分析，再或者计算机科学科班出身，还是生物医学等专业的学生都对数据科学情有独钟，他们都一致认为数据科学是学历之外，最能提升个人核心竞争力的技能。
说到原因，不论是北美的留学生还是澳洲的留学生，大家普遍反应是两点原因：
1. 想进顶尖企业，只有不断提升自己的竞争力，尤其要进硅谷的互联网企业，“数据科学”几乎成为标配；
2. “技多不压身”的普遍共识：数据科学会成为未来20年的一个职场硬技能，掌握这个技能如手中捧着一个“金饭碗”。
竞争不可怕，没有在竞争中生存的本领才可怕。
国内某知名大厂的技术总监，做技术研发已经10年，从日夜敲代码的程序员做起，一直做到了事业部的技术总监，竟然也在认认真真学习数据科学。
听到他的出身背景时，我目瞪口呆：因为凭他的 title, 完全可以招一个的数据科学家，而他要从头学起！问及原因，他说：
1. 要使自己保持学习新鲜事物的状态，我很看好数据科学在未来的发展，我不一定自己亲自做数据分析、出商业报告，但是对于这个新鲜事物不去了解一二，有点说不过去；而且（数据科学）还能帮我从更深的层面去了解行业的现在及未来；
2. 公司搭建数据团队不是招几个数据科学家就能搞定的。而是要把数据化思维贯穿在产品设计研发运营的各个环节上，从基本的统计、分析入手，逐步形成全公司全员性的数据化思维，第一步就是从我开始，团队从上而下开始学习数据科学。”
最可怕的人，莫过于那些起点已经很高，可又很努力、很拼命得要跟时代同频前进的人。
02
都是哪些人在学数据科学？
我们特意调查了500位正在系统学习数据科学的同学，发现56.8%表示数据科学是很重要的技能，对未来工作的帮助会很大。
这500名同学中只有36%从事技术研发类工作，其他同学都遍布在各行各业的不同岗位。可见数据科学魅力之大。
总结他们的共有特征：起点高、在某一行业/学科有扎实的背景，每次变革基本都走在时代前沿，是普通人眼里的“精英”。
也许你会说：既然学数据科学的都是一些精英人群，是不是代表数据科学只适合这些人学习，我在公司只是一颗极小极小的螺丝钉，没必要学吧，学了可能也用不上。
当然不是这样！
数据科学只适合有长远眼光和强大内驱力的人群学习，而不是适用于按照行业、学科、学历等标签划分出来的某类人群。
如果你职位不高或者学历不高或者行业背景不牛或者对未来感到迷茫，更需要学习数据科学，要向比你优秀的那批人学习。因为他们学习关注的事物是未来的潮流，当你暂时无法摆脱视野和格局限制时，只能向比你优秀的人学习。
如今的数据科学尤如同二十年前的互联网。二十年前，或许你还没上小学，或许你刚刚步入社会，巧妙错过了诞生了如马云、马化腾、李彦宏、丁磊、雷军、周鸿祎等互联网领军人物的时代。这一次千万不要错过数据科学。上一次的错过可以“怪时代”，这一次错过了只能怪自己！
03
为什么数据科学会吸引这么多“精英”？
1. 数据科学行业前景广阔，职业生涯更长
2014年开始，金融、物联网、智能汽车、游戏、医疗、VR等行业产生大量数据，每年产生的数据以40倍的速度增长，数据变得无处不在。对数据进行加工和分析已经成为一项核心的技能。
Hal Varian, Google 的首席经济学家也曾说过：
如果你想找一个被急需的职业，需要为一些越来越常见的东西，提供稀缺且附带额外价值的服务。
什么东西正变得越来越常见？——数据；
什么可以为数据提供稀缺且有额外价值的服务？——数据分析
如果你喜欢信息技术，又不想做青春易逝的码农，那就当一名能够预测变化、洞察秋毫的数据分析工程师和未来的Chief Data Officer！如果你选择在其它专业领域发展，数据分析也会成为你事业的助推器和催化剂，至少帮助你更加理性地看待世间万物。
数据科学是可以嫁接很多行业，而且不像普通的程序员，不用怕被年轻人淘汰。对于做数据分析的人而言，经验很重要，是典型的越老越值钱的职业。
2. 数据科学行业的薪资诱人
在美国，数据科学家平均年薪为11.9万美元，而程序员平均年薪为6.5万美元，其差距可见一斑；纵观国内的招聘市场，数据科学从业者的收入虽与美国尚有差距，但其月薪普遍高于其他技术类岗位30%-50%。
再分析了全球45个国家的近千份调查报告后，O’Reilly发布了数据科学从业者薪酬报告，从中可以看出数据科学从业者的薪酬水平：
由上图可见，60%数据科学从业者年薪都等于或高于8万美元（中国数据科学家的薪资还是拖了后腿），如此诱人的年薪自然会吸引最优秀的人才。
3. 行业拓展性极强
未来想在一个行业深耕，没有数据科学的支撑怕是很难。而且有了数据科学的基础，可以拓宽你的职业发展空间，给你增加很多选择，例如你可以去金融领域发展，也可以涉足健康、教育等很多行业。
正是因为数据科学“前景好、钱多、不同行业能通吃”的特点，才吸引了这么多精英纷纷学习。
04
普通人学习数据科学的门槛高不高？
如果你问：“学数据科学有没有门槛？”
答案是肯定的：有！
再问：“那数据科学难不难学呢？”
我的回答是：有难度，因为需要投入时间和精力。但是不代表普通人就不能学。
只要构建了系统的知识体系，培养符合数据科学领域需要的能力，普通人还是可以通过学习数据科学，实现升职加薪或者转行数据领域的。
学习数据科学需要的知识背景是有一定的数学基础、会一门编程语言。
1. 数学基础：主要是概率论、统计学、线性代数、微积分部分的内容。
中国学生的数学基础是全球最好的，任何一个顺利完成高中教育的人都能进行数学的自学，更别说正在读大学或者已经本科毕业的同学。可以说，中国人在数据科学的浪潮中简直有天然的优势。找到合适教材，系统性学习数学完全是可以的。
2. 掌握一种编程语言
编程的重要性不言而喻，未来可能会进入基础教育，像语、数、外一样成为义务教育的基础学科。
对于技术人员，编程语言就是小case，不再多言。
没有编程基础的同学，可以选择Python或者R作为编程的入门语言进行学习，这两个语言上手极快，选一门免费的Python课程，从头跟到尾，基本可以入门，一般系统性学习1月左右搞定。
05
怎样才能学好数据科学？
数据科学如此火爆，大家学习的热情又很高涨，那有没有体系化的数据科学课程，方便更多数据科学爱好者学习呢？
今年6月底清华大学深圳研究生院推出了数据科学认证项目， 给对数据科学感兴趣的的学习者带来了福音。
数据科学认证项目是国内首批在线认证项目两个中的一个，由国内数据科学领域顶尖的教学团队设计课程并教学。
作为一个文科专业的学生，小编作为首批项目体验者，学完以后有4个感受：
1. 课程设计生动有趣，内容深入浅出，颠覆了我印象中枯燥无味的工科课程学习体验。
这套课程的主要设计者袁博老师讲课幽默风趣，把枯萎的算法讲得鲜活、有生命力，袁老师以形象生动的方式展示强大的数据分析技术，举重若轻、收放自如。这是我听过的最最有趣的信息技术类课程。
2. 课程适用于不同专业、不同背景的学习者。
小编体验了多家的数据科学的课程，一个明显的感受就是：不是计算机科班出身、高数考不到150就没资格学习数据科学，对于我这种“双无“人士（无数学基础、无编程基础）的简直是莫大”羞辱“。
对比下来，清华大学的数据科学认证项目的课程明显“友好”很多，只要具备一定的基础学习起来基本没不可逾越的难度。
3. 课程与国际接轨，采用英文讲义，中文讲解的方式授课。
学技术学算法的同时，还能学了英语，最重要的是方便以后深入学习，因为数据学习的很多进阶教材与资料都是英文的。
4. 最后，也是最重要的一点，学完可以获得清华大学深圳研究生院颁发的证书，这大概是我此生离清华最近的一次了
但是我不是冲证书来的是假的，我是来学知识的，学好了数据科学，手持金饭碗走向人生巅峰。
06
清华大学数据科学认证项目
下面我们来捋捋清楚清华大学数据科学认证项目。
01 科学的课程体系 培养全能数据科学人才
上图为数据科学必备的8项技能，进一步概括则是：商业洞见、统计概率知识、计算机科学和软件编程技能、文字和视觉沟通能力等四大方面，一个优秀的数据科学家要在以上4方面均有出色的表现。而清华大学数据科学认证项目的课程设置，与数据科学必备技能基本吻合。
清华大学推出的数据科学认证项目共需学习 6门课程和参加一个实践课题。
《数据科学导论》是数据科学的先导课和认知类课程。用形象生动的教学模式为学生普及数据挖掘、大数据相关的基础知识、核心概念和思维模式，从工程技术、法律规范、应用实践等不同角度描绘数据科学的美好蓝图。
《数据挖掘：理论与算法》完整覆盖数据挖掘领域的各项核心技术，包括数据预处理、分类、聚类、回归、关联、推荐、集成学习、进化计算等。
《高级大数据系统》主要讲解高级大数据系统的实现、优化和应用，包括分布式文件系统、MapReduce/Spark、Storm/Spark streaming、Mahout等系统的原理、实现、策略优化。
《大数据机器学习》主要包括统计学习基本理论，机器学习基本方法，深度学习理论和方法。牢固掌握大数据机器学习方法，并能够解决实际问题等综合能力。
《数据可视化》主要包括可视化的基本概念、历史沿革、视觉认知理论、各类可视化技术（软件工具及程序开发）等。
《知识产权法律及实务》重点讲解专利法、商标法，兼顾著作权法，以中国知识产权法律实践为主，兼顾主要国际公约和国外司法实践。
1个实践课题是学习者修完上述6门必修课程后，参加由指导教师认可的专业实践课并完成报告撰写及通过审核。学习者也可选择由本证书项目的业界合作方提供的各类实践课题。
六门课程的建议学习顺序
02 授课团队
本项目中所有课程的授课教师均为清华大学深圳研究生院数据科学领域的资深一线教师，多数具备海外学习背景。同时本项目将为学员配备经验丰富助教团队，提供高水平辅导。
1 袁博老师
清华大学深圳研究生院副研究员；澳大利亚昆士兰大学计算机科学博士；
教授课程：《数据科学导论》、《数据挖掘：理论与算法》 《数据可视化》。
2 何隽老师
清华大学深圳研究生院副教授；北京大学法学博士，芬兰图尔库大学博士后
教授课程：《数据科学导论》、《知识产权法律及实务》。
3 袁春老师
清华大学博士生导师，副研究员，清华大学 - 香港中文大学媒体科学、技术与系统联合研究中心常委副主任，清华大学深圳研究生院计算机应用技术实验室主任；
教授课程：《大数据机器学习》。
4 王智老师
清华大学深圳研究生院讲师；
教授课程：《高级大数据系统》与《数据可视化》。
为了让不同专业背景、学科背景、工作背景的同学轻松学习认证项目中的各门课程，配备了清华大学数据科学方向博士和硕士研究生组成的优秀助教团队，为同学们提供全方位的辅导和支持。
03 课程学习方式
数据科学认证证书项目中的课程均以线上录播课形式进行，辅以讨论区答疑+直播课答疑，配合专门的习题及测试内容，最大化保证学习效果。
6门课程全部支持PC端（访问：www.xuetangx.com）和手机端(下载学堂在线APP)学习；其中学堂在线APP支持课程缓存，可以离线学习。
04 证书认证方式
第一步： 学生按照课程内容完成每门课程，并通过习题和在线考试完成6门必修课；
第二步：完成6门必须课后，需参加由指导老师认可的专业实践课并完成报告及通过审核；学生也可以选择由本证书项目的业界合作方提供的各类实践课；
第三步：实践考核通过后，可以申请获得清华大学深圳研究生院和在线教育办公室共同颁发的认证证书。
清华大学深研院的数据科学认证证书先睹为快
（证书示例）
（证书封皮示例）
05 认证项目的收获
1. 在申请清华大学深圳研究生院相关专业研究生招生过程中给予考虑，项目学习情况作为研究生选拔的辅助信息；
2. 根据深研院的相关要求，获得数据科学认证证书的学习者，在研究生培养环节中经过一定程序可能获得减免学时或学分认定等许可；
3. 获得数据科学认证证书的学习者，在申请商汤科技、美团等合作企业的实习及就业岗位时有优先面试的机会；
4. 对于职场人士来说，参加认证证书项目的学习，帮助不同专业、学科及工作背景的同学快速跨行到数据科学领域。
06 建议具备的学习基础
1. 本证书项目需要学习者具备基本的程序设计知识（掌握一门常用语言，包含但不限于Python、Java等）；
2. 掌握一定的数学基础，如概率统计、线性代数等。
下面是清华大学深研院老师给大家书目，结合课程学习，效果更好。
1. 《机器学习》（俗称西瓜书） 周志华著，清华大学出版社；
2. 《分布式系统：概念与设计（原书第五版）》，机械工业出版社；
3. 《Spark大数据处理：技术、应用》，机械工业出版社。
07 常见问题
1. 如何报名“清华大学数据科学认证项目”？
扫描下方二维码付费报名即可。
2. 报名后在哪里听课？
报名成功后，PC端访问学堂在线官网 ，手机端下载 “学堂在线APP”，使用报名账号登录即可听课；若微信报名课程，登录时直接务必选择微信登录学堂在线。
3. 课程是直播还是录播？
数据科学认证项目中的课程均为录播课，有效期内（报名后一年内有效）可反复观看；学堂在线APP支持课程缓存。
4. 对于清华大学“数据科学”有疑问，如何咨询？
微信号：a-yongqi （学堂在线小阿哥）；
如有疑问，请通过以上方式联系学堂在线工作人员。
☟ 扫描下方二维码，马上报名数据科学证书项目
报名清华大学的数据科学认证项目，戳阅读原文
閱讀更多 Python部落 的文章
