留学热门专业：获得数据科学学位前你应该知道的几件事 (二)
上一篇中，我们听到了业内专家Edwin Chen关于人们并不一定真的需要一个数据科学学位的观点，还听到了《国际预测杂志》主编Rob Hyndman指出的，数据科学是一门交叉学科，涉及到很多专业的事实。今天，我们继续来听听其他业内人士的看法。
专家要对你说的话：
Mark Madsen是Third Nature Inc.的总裁，他获得了许多信息管理奖项，包括史密森尼/计算机世界奖，这表彰了他对信息技术的创新使用。
因为数据科学包含了很多种技能-许多大学其他学科已经教授过的技能-因此很多高校倾向于将现有课程重新打包成为十分吸引人的“数据科学”学位。Madsen先生也对这个学位持怀疑态度。
“我对大学课程怀着有些复杂的感觉。在我看来，他们更多地是为了利用已经存在的需求，而不是为了培养优秀的数据科学家而创立的项目。通常，他们通过创建项目来教授他们认为同学们需要学习的东西。他们将数学、编程和商业知识奇怪地结合在一起，教授们都来自不同的领域。需要学员们自己成长，大学并没能更好地培养他们”
Madsen先生认为，一个项目的大部分价值来自于谁创建这个项目和谁选择了这些课程：
“我也看过一些大学里有着不错的课程指南。项目精彩与否取决于谁设计了项目以及他们是否对其进行了思考。有时候他们只是认为数据科学与传统的数据挖掘完全相同。”
那么，对于一个潜在的数据科学家，应该如何挑选出一个非常适合他们的项目呢？Mirko Krivanek最近在Data Science Central上讨论了这个话题，概述了一些可帮助你挑选的指标。
Randy Bartlett博士曾在花旗银行、富国银行、普华永道和阿斯利康公司担任分析师的职位他是《商业分析从业者指南》的作者并拥有两个预测模型的专利。
他对有抱负成为数据科学家的学生的建议是找到一所提供统计学学士学位的大学。 就读统计学本科，避免陷入理论困境。
“很多人认为硕士学位会更好，但我不这么认为。统计学中本科学位更具方法论。当你进入硕士学位学习时，教授们想教你很多理论。你将从非常学术的角度学习知识，这对你有帮助，但前提是你想发表理论论文。”
虽然Bartlett不赞成学的内容过于理论，但Chen持反对意见，认为人们需要一定数量的理论结构才能掌握某些概念：
“学习理论当然很重要。我认识太多“数据科学家”，即使在像Google这样的公司，他们也无法告诉你贝叶斯定理或条件独立(conditional independence)是什么，我认为许多公司的数据科学都缺乏严谨性。”
在一篇题为数据科学家的硬技能和软技能的文章中，Todd Nevins提供了一份软技能列表，这些软技能在数据科学家的工作要求中变得越来越普遍，它们包括：
与客户协商的能力，以协助业务发展。
处理抽象的业务问题并得出分析解决方案的能力。
Bartlett也强调了这些技能的重要性，并希望大学课程能将这些软技能的培训也加入课程计划。
数据科学仍然是一个快速发展的领域，在这个领域更加规范更加成熟之前，每个数据科学家都不太可能走一条相同的道路。数据科学学位不会决定你的职业生涯，决定你生涯的是你对这个领域的好奇心和热爱。
