数据科学
🧮 数学与计算机共 14 节 · 免费预览 -8 节
0. 速览 Quick Facts
| 项目 | 内容 |
|---|---|
| 学位类型 | BS（理科） / BA（文理） |
| 常见学制 | 4 年 |
| 学科本质 | 统计学 + 计算机科学 + 领域知识的交叉学科 |
| 适合学生 | 数学 + 编程双强、关心"数据如何落地成业务"、希望本科直接高薪就业 |
| 本科毕业直接就业 | 极多（科技公司、金融、咨询、零售都抢 DS 本科生） |
| 研究生方向宽度 | ⭐⭐⭐⭐（覆盖 CS / 统计 / 商业分析 / AI） |
| 国际学校推荐课程 | AP Calculus BC、AP Statistics、AP Computer Science A |
| 代表性强校（美） | MIT、Stanford、Berkeley、CMU、Harvard、NYU |
| 代表职业 | 数据科学家、数据工程师、ML 工程师、商业分析师 |
| 美本起薪（BS DS） | 约 $85K–$130K（PayScale） |
| 研究生后起薪（MS DS） | 约 $120K–$180K（科技公司） |
1. 专业定义与本质
1.1 数据科学是什么？
数据科学是研究如何从大规模、复杂、多源数据中提取价值的交叉学科，核心方法来自统计学与计算机科学，并紧密结合业务/科学领域知识。
数据科学可看作三大支柱的交集：
| 支柱 | 内容 | 占比（本科） |
|---|---|---|
| 统计学 / 数学 | 概率、推断、回归、贝叶斯、统计学习 | 约 35% |
| 计算机科学 | 编程、数据结构、算法、数据库、分布式系统 | 约 40% |
| 领域知识 / 业务 | 商业、健康、社会、金融等具体场景 | 约 25% |
1.2 数据科学不是什么？
| 误解 | 实际 |
|---|---|
| ❌ "数据科学 = 统计学的换汤" | ✅ DS 比统计重工程：大数据栈（Spark、Hadoop）、MLOps、数据管道都是统计不教的 |
| ❌ "DS = 调包侠，不用懂数学" | ✅ 顶级 DS 需要懂线性代数、概率、优化——否则只能做"调参工" |
| ❌ "DS = CS" | ✅ CS 关注计算本身，DS 关注用数据回答业务问题 |
| ❌ "AI 让 DS 失业" | ✅ AI 让 DS 生产力提升，但业务问题定义、数据管道、因果推断仍要人做 |
1.3 学科本质
数据科学培养的核心能力是：
- 数据工程：从乱七八糟的数据源中抽取、清洗、整合数据（ETL）
- 建模能力：选择合适的统计 / ML 模型，并知道何时不用模型
- 规模化思维：把分析扩展到 TB / PB 级数据（分布式计算）
- 业务沟通：把数据洞察翻译成业务决策
- 产品思维：把模型变成可上线的产品（API、应用）
DS vs 统计学的本质差异：统计学重方法严谨性（估计、推断、置信），DS 重工程能力 + 大规模数据 + 业务落地。统计学家关心"模型对不对"，数据科学家关心"模型上线后业务是否变好"。
2. 学科发展简史
| 时期 | 事件 |
|---|---|
| 1962 | John Tukey 提出"数据分析（Data Analysis）"这一独立领域 |
| 1974 | Peter Norgren 首次使用"Data Science"一词 |
| 1990s | 数据挖掘兴起；数据仓库（Kimball、Inmon）理论成熟 |
| 2001 | William S. Cleveland 发表《Data Science: An Action Plan》，提出 DS 作为独立学科 |
| 2008-2009 | DJ Patil（LinkedIn）、Jeff Hammerbacher（Facebook）正式使用 "Data Scientist" 作为职位 |
| 2010s | Hadoop / Spark 大数据生态爆发；深度学习革命（AlexNet 2012）；Kaggle 成为 DS 竞赛中心 |
| 2013 | McKinsey 报告：美国面临 14-19 万数据分析人才缺口 |
| 2015 | 美国高校首批 DS 本科专业开设（MIT、NYU、Berkeley） |
| 2018-2020 | MLOps 兴起（mlflow、kubeflow）；大模型（GPT-3）出现 |
| 2023-至今 | 大语言模型 + 数据科学融合：LLM 驱动的分析自动化、RAG、AI Agent |
当下的特殊机遇：数据科学正处于第二次革命——LLM 让"对话式数据分析"成为可能，DS 工程师正在把 LLM 集成到数据产品、AI Agent、企业 BI 中。这是未来 10 年最大的赛道。