美国数据科学的 8 大职业选择 [2022]

早在 2012 年，哈佛商业评论就宣称数据科学家是“21 世纪最性感的工作”，现在我们开始明白为什么了！

数据科学是一种无处不在的力量，几乎渗透到我们日常生活的方方面面。 从教育到医疗保健，数据科学在现代工业的所有平行领域都有应用。

随着全球网民、企业和组织不断生成大量数据（正如我们所说！），数据科学技术的重要性在现实世界中变得更加明显。 人工智能、机器学习和深度学习等技术正在改变我们周围的世界，为电子商务、金融科技、医疗保健和教育科技等多个行业带来新机遇。

各种形式和规模的企业都利用这个庞大的数据池来创新独特的解决方案并专注于个性化客户体验。 随着越来越多的企业利用数据科学技术，对熟练和合格的数据科学专家的需求正在飙升。

虽然IBM预测，到 2020 年，美国所有数据科学和分析专业人士的职位空缺将增加 364,000 至 2,720,000，但美国劳工统计局认为，到 2026 年将出现 1150 万个新的数据科学职位。

如果这些统计数据证明了什么，那就是数据科学将继续存在，随着时间的推移，数据科学领域将出现新的工作岗位，进一步推动对数据科学专家的需求。

IBM 专注于 AI 的公司意味着 AI 工作的繁荣？

IBM 长期以来一直处于数据科学的前沿，尤其是人工智能。 IBM Watson 是其在该领域取得的成就的最伟大的例子之一。 从事数据科学业务这么长时间，IBM 坚信“流体 AI ”是当下的需要。

简而言之，现代工业需要流动的人工智能技术，这意味着它可以快速适应当前的情况。 这种先进的技术可以将特定领域的知识和模型应用于新的用例和挑战。 他们需要能够结合不同形式的知识、解开因果关系并独立学习新事物的人工智能。

为了实现这一目标，IBM 已经开始开发新时代的 AI 工程工具。 推动这一愿景的四个核心工作流程是：

• 神经符号人工智能

神经符号人工智能是深度学习的一种更高更高级的投影。 它旨在通过符号方法利用神经网络的力量来提高和优化人工智能的推理能力。

• 安全、可信的人工智能

IBM 旨在提供强大、安全和值得信赖的 AI，专注于可解释性、准确性和减少偏见。

• 人工智能工程

目标是开发人工智能工程工具和功能，以简化和自动化数据准备、模型训练和软件生命周期管理等日常任务。

• 人工智能硬件

IBM 正在努力开发一种具有颠覆性的节能型 AI 硬件。 这种人工智能硬件可以在不增加能源需求和消耗的情况下扩大计算能力和潜力。

随着这些技术逐渐推向市场，美国的企业将挺身而出，将它们应用到他们的数据科学基础设施中。 自然，这些新时代的技术将催生新的工作角色，进一步推动人工智能工作热潮。

这将推动对经验丰富、才华横溢的数据科学和人工智能专家的需求，他们可以有效地利用这些技术来充分发挥潜力。 未来，人工智能将通过概述数据科学工作的特定技能组合，为员工开辟一条清晰的职业道路。

美国数据科学家的职业机会

这位数据科学家的职位在 LinkedIn 2019 年美国最有前途的职位中排名第一，职位空缺同比增长超过 56%。 统计数据表明，自 2012 年以来，数据科学家的工作岗位增长了650% 以上！

但是，谁是数据科学家？

根据 HBR 的说法，数据科学家是“一位高级专业人士，具有在大数据世界中进行发现的训练和好奇心。”

数据科学家是一位多才多艺的专家，精通数学、统计学、计算机科学和信息科学。 他们专注于从不同来源收集数据并分析包含结构化和非结构化数据的大型数据集以获得有意义的见解。

一旦他们提取了这些见解和数据模式，他们就会结合使用先进的科学、统计和分析方法来解释调查结果并将其转化为可操作的业务决策。

数据科学家结合了两全其美——业务和 IT。 他们的主要重点是研究和分析大数据，以帮助公司和组织做出高度具体的、有针对性的、数据驱动的决策。

得益于数据科学广泛的行业应用，数据科学家几乎可以在美国任何行业工作。 他们可以在教育、电子商务、零售、IT、BFSI、医疗保健、制药、制造、供应链和物流、运输、媒体和娱乐、航空航天/航空研究和军事领域找到高薪和就业增长的就业机会。

就像我们之前提到的，数据科学家可以为各种规模的公司工作——从初创公司到大公司、跨国公司和研究中心。

成为数据科学家的职业途径

以下是您如何成为数据科学家的粗略草图：

1.获得学士学位

进入数据科学的最佳途径是在与数据科学密切相关的领域获得学士学位。 您可以选择数学、统计学、计算机科学/工程、IT 和信息技术作为您的本科专业，因为这些领域与数据科学有着错综复杂的联系。

2.获得硕士学位

数据科学是一个高度复杂的研究领域，因此，它要求有志者完成上述任何一个学科的研究生学习。 大多数公司都在寻找拥有硕士学位或更高学位（博士学位）的数据科学职位的候选人。

3.获得正确的技能

数据科学有志者必须发展包括编程在内的利基技能； 数据结构; 数据挖掘、清理和整理； 数据可视化和报告； 统计分析; 风险分析和数据仓库。 除了这些技能外，他们还必须获得有效沟通、批判性思维、解决问题、组织和管理技能等软技能。

4.包一份入门级的工作

完成前三个步骤后，您应该准备好担任数据科学的入门级职位（例如，初级数据分析师、商业智能分析师、数据工程师等）。 确保在公司中选择一个可以让新生有成长和学习空间的工作角色。 如果您创建一个详细的在线作品集，突出您的技能、专业领域和项目，将会有所帮助。 这将帮助您吸引潜在雇主的注意。

5. 选择数据科学认证

数据科学认证是获得行业知识和利基技能的绝佳方式。 您可以使用 Hadoop、Hive、Spark 等大数据工具学习编程和数据分析等数据科学技能的精髓。公司通常倾向于选择拥有额外认证和硕士学位的候选人，因为这表明他们愿意提升技能并丰富他们的知识。

美国顶级数据科学工作

数据科学家并不是数据科学领域唯一的热门职位。 有一系列具有挑战性和高薪的数据科学工作角色值得考虑。 以下是美国排名前八的数据科学工作：

1.机器学习工程师

机器学习工程师是专门从事机器学习的高技能专家。 他们设计、构建、操作和管理智能模型/系统，这些模型/系统可以通过从经验中学习来执行广泛的任务。 ML 工程师开发 ML 算法来训练这些模型在很少或没有人工监督的情况下执行类似人类的任务。 他们与数据科学家和数据分析师一起工作。

机器学习工程师必须精通数学、统计和计算机科学概念。 他们必须精通多种编程语言，如 Python、Java、Scala、R、C、C++ 等。

薪水

美国ML 工程师的平均年薪为 1,25,000 美元，典型的薪水范围在每年 1,14,121美元至1,47,134美元之间。

2. 数据架构师

数据架构师评估和分析公司的数据需求，勾勒出满足这些需求的路线图，确定数据管理的标准和目标，并确保所有目标和需求与公司的整体战略和业务架构完美契合。

他们开发和实施数据库解决方案来存储和检索业务数据并监督数据迁移活动。 数据架构师还使用不同的分析和统计技术来分析信息，并通过详细的报告向高层管理人员和公司利益相关者展示他们的发现。

数据架构师必须精通应用数学和统计学。 他们必须具备数据可视化、数据迁移、RDMS、数据库设计、数据库管理和云计算的广泛知识。

薪水：

美国数据架构师的平均年薪为 119,011 美元，典型的薪水范围在每年 86,013 美元至 140,836 美元之间。

3. 统计学家

统计学家收集、分析和解释数字数据，以识别趋势和发现模式，帮助公司了解定量业务数据并做出明智的决策。 他们使用数学技术、统计方法和计算机软件来理解复杂数据并做出准确的业务预测。

统计学家必须知道如何将统计术语、概念和方法应用于不同的情况和业务案例。 他们必须具备分析、解决问题和沟通的能力。

薪水：

美国统计学家的平均年薪为 99,986 美元，典型的薪水范围在每年 52,690 美元至 146,770 美元之间。

4. 全栈开发人员

顾名思义，全栈开发人员精通全栈技术，这意味着他们可以同时处理服务器端和客户端编程。 他们开发在后台运行的核心逻辑（为网站/应用程序提供动力），他们还设计用户交互的用户界面 (UI)。 全栈开发人员管理软件应用程序的端到端生命周期。

全栈开发人员必须精通 HTML/CSS/JavaScript 编码。 他们必须对数据库和网络架构、应用程序架构设计、版本控制系统有深入的了解。 此外，他们必须具有技术写作天赋。

薪水：

美国全栈开发人员的平均年薪为 95,308 美元，典型的薪水范围在每年 81,210 美元至 107,541 美元之间。

6.商业智能（BI）开发人员

BI 开发人员是负责设计、部署和维护公司 BI 界面的专业人员，包括查询工具、数据可视化仪表板和数据建模工具。 BI 开发人员了解业务领域的特殊性和挑战，这使他们能够了解业务需求并相应地实施 BI 解决方案。

BI 开发人员必须具有数据库/数据库管理背景和使用 BI 工具的经验。 除了出色的数据分析和业务分析技能外，BI 开发人员还必须擅长调试/故障排除。 他们必须熟悉数据库管理系统、在线分析处理 (OLAP) 和 ETL（提取、转换、加载）框架。

工资：

美国BI 开发人员的平均年薪为 94,897 美元，典型的薪水范围在每年 80,150 美元至 107,575 美元之间。

7. 大数据工程师

大数据工程师专门处理所有大数据。 在这方面，它们执行许多功能。 他们设计、构建、测试、实施和维护大数据解决方案。

他们还使用 MapReduce、Hadoop、Spark、MongoDB、Cassandra 等大数据工具开发大规模数据处理系统。大数据工程师评估公司的软件、硬件需求。 从本质上讲，他们是管理组织的完整数据基础设施和架构的专家。

大数据工程师通常精通软件/数据工程。 除此之外，他们还精通编码、软件开发、面向对象设计、数据挖掘、数据可视化以及统计和定量分析。

薪水：

美国大数据工程师的平均年薪为 89,838 美元，典型的薪水范围在每年 141,797 美元至 181,332 美元之间。

8. 数据分析师

数据分析师收集、组织、处理和分析大量数据。 他们使用不同的分析和统计工具来研究数据并从海量数据集中提取相关模式。

数据分析师必须以组织的技术和非技术成员可以阅读的方式在综合报告和可视化中展示他们的发现。 因此，数据分析和数据可视化是数据分析师最重要的两项工作职责。 通过他们的发现，他们帮助公司设计以数据为中心的业务问题解决方案。

数据分析师必须具备强大的商业头脑以及其他技术技能，如编程、数据挖掘、清理和整理、数据可视化、数据仓库和商业智能。

薪水

美国数据分析师的平均年薪为 76,920 美元，典型的薪水范围在每年 67,585 美元至 85,873 美元之间。

在线学习数据科学：upGrad 的优势

到目前为止，很明显，数据科学是 21 世纪最活跃和最有前途的领域之一。 数据科学工作拥有快速的职业发展和丰厚的年度套餐。 因此，任何希望利用这个绝佳机会的人都必须参加数据科学课程或认证计划。

upGrad 提供与 IIIT-Bangalore 相关的三门出色的数据科学课程，可以帮助您在数据科学领域开启成功的职业生涯：

1.数据科学 PG 文凭

该文凭课程为期 12 个月，扩展了五个专业选项——深度学习、NLP、商业智能/数据分析、商业分析和数据工程。 该课程包括 14 种编程工具/语言和 60 多个行业项目。

2.数据科学 PG 认证

这是一个为期 7 个月的短期数据科学课程，涵盖 Python 编程、使用 Python 的预测分析、使用 Python 的可视化、基本和高级 SQL、基本和高级 ML 算法以及 EDA。 它包括超过 7 个案例研究和行业项目。

3.数据科学理学硕士

这是一个为期 18 个月的数据科学硕士课程，还提供五个专业——深度学习、NLP、商业智能/数据分析、商业分析和数据工程。 该课程包括 60 多个案例研究和项目。

这些课程专为在职专业人士而设计，因此，如果您正在寻找职业生涯中令人兴奋的转折点，这些课程是您的完美选择。 upGrad 课程承诺提供专门的职业帮助、个性化的指导、及时的疑虑解决和全球访问机会。

我们希望这会有所帮助！