數據科學獎

『壹』 數據科學與大數據技術專業怎麼樣前景如何謝謝！

數據科學與大數據技術專業很不錯，前景比較樂觀，畢業生能在政府機構企業公司等從事大數據管理研究應用開發等方面的工作。同時可以考取軟體工程計算機科學與技術應用統計學等專業的研究生或出國深造。下面我們就來具體說一下這個行業的發展前景和畢業之後的就業情況。

『貳』 北大核心又叫中文核心，科技核心又叫統計員核心，那北大核心和科技核心又是怎麼來的它們有什麼分別

一、北京大學的核心(中文核心)是北京大學圖書館與許多權威的學術界專家合作確定的。一些高校圖書館也制定了核心期刊的審定標准，各高校圖書館的評審標准和入館標准也有所不同，得到了學術界的廣泛認可。

科技核心:中國科學技術信息研究所自1987年起，開始在中國科技論文統計與分析中心工作，編制了《中國科技論文與引文資料庫(CSTPCD)》。，並通過利用資料庫中的數據，對我國每年的研究成果進行各種分類統計和分析，以新聞發布會的形式發布年度報告並定期向社會公布統計分析結果。

公開出版《中國科技論文統計與分析》年度研究報告、《中國科技期刊引證報告》（核心版），為政府管理部門和廣大高等院校、研究機構和研究人員提供了豐富的信息和決策支持。

二、區別：

1、選擇:

北京大學核心:科技核心期刊每4年評選一次。如果這些影響因素達到了標准，就可以成為漢語的核心。

科技核心:科技核心每2年可在所有定期期刊上評選一次。

2、聲明:

北京大學核心:由北京大學出版社每四年出版一次。

科學技術核心:科技部每2年出版一次。

3、不同的出版單位:

中國科學技術信息研究所出版的《中國科學技術核心期刊》。北京大學圖書館與許多權威學術專家合作，確定了北京大學的核心。摘要根據期刊被引率、轉載率和文摘率指標，確定了我國幾所高校的圖書館。

4、不同的學科類別:

以自然科學為主的《中國科技核心期刊》是目前比較認可的科技統計類期刊目錄。北京大學的核心是中國學術信息網路期刊。它是一種按期刊影響因素等多種因素分類的期刊。

(2)數據科學獎擴展閱讀：

北大核心是學術界對某類期刊的定義，一種期刊等級的劃分。它的對象是，中文學術資訊網類期刊。是根據期刊影響因子等諸多因素所劃分的期刊。

北大核心是北京大學圖書館聯合眾多學術界權威專家鑒定，國內幾所大學的圖書館根據期刊的引文率、轉載率、文摘率等指標確定的。

確認核心期刊的標准也是由某些大學圖書館制定的，而且各學校圖書館的評比、錄入標准也不盡相同，受到了學術界的廣泛認同。

從影響力來講，其等級屬同類劃分中較權威的一種。是除南大核心、中國科學引文資料庫（cscd）以外學術影響力最權威的一種。

《中文核心期刊目錄總覽》由中國知網、中國學術期刊網和北京大學圖書館期刊工作研究會聯合發布中文核心期刊目錄。

1992年推出《中文核心期刊目錄總覽》，1996年推出（第二版），2000年推出（第三版），2004年推出（第四版），2008年推出（第五版），2011年推出（第六版），第七版（2014年版）於2015年9 月由北京大學出版社出版。

『叄』 如何評價「數據科學與大數據技術」這一專業

大數據技術是未來科技的制高點，各行各業的高端智囊團都需要。
數據科學與大數據技術專業為國家新增專業，首批僅北京大學、中南大學和對外經濟貿易大學三所學校申報成功。然後中科院大學開設了首個「大數據技術與應用」專業方向。另外，北京航空航天大學、浙江大學、復旦大學、上海交通大學、西安交通大學、南京大學、武漢大學、華南理工大學在內的首批8所高校，正式落戶阿里雲大學合作計劃AUCP。一大批理工院校紛紛設立雲計算大數據方向的專業，可謂與時俱進。
招聘網站報告稱，數據科學家平均年薪為11.9萬美元，而程序員平均年薪為6.5萬美元，差距由此可見。你擅長數學，會用Python編程，而且還對某個行業了如指掌？如果你擁有這樣的技能集，那你就有可能當上數據科學家。如果你當上了數據科學家，那你的日子就可以過得風風光光了——LinkedIn的最新投票結果顯示，「統計分析和數據挖掘」 是2014年以來最大的求職法寶。
大數據專業就業主要行業：
(1)零售、保險、電子商務;
(2)政府數據中心;
(3)醫葯和銀行;
(4)研究性大學;
(5)金融機構;
(6)互聯網企業。

『肆』 數據科學與大數據技術專業怎麼樣

數據科學與大數據技術專業很不錯，前景比較樂觀，畢業生能在政府機構企業公司等從事大數據管理研究應用開發等方面的工作。同時可以考取軟體工程計算機科學與技術應用統計學等專業的研究生或出國深造。

(4)數據科學獎擴展閱讀

數據科學分為三大類，即：數據分析、數據挖掘和大數據。數據分析主要偏重業務，即利用一些數據分析和統計工具，如Excel、Spass、SAS、SQL等，進行數據分析和展現，以輔助公司的某項業務決策。

數據挖掘比數據分析更側重於建模能力一些，一般是給定一些數據和某個問題，讓你運用某些機器學習演算法從中建立出模型，再通過這個模型去對某些東西進行預測。所以，機器學習演算法可以說是數據挖掘中的核心。

與大數據關系比較密切的崗位包括大數據平台開發、大數據應用開發、大數據分析、大數據呈現和大數據教育等，不同的崗位需要具備不同的知識結構，所面對的工作場景也有較大的區別。大數據平台開發屬於研發級崗位，需要從業者具有較強的研發能力。

『伍』 哪些情況會讓數據科學家抓狂

哪些情況會讓數據科學家抓狂
哪些情況會讓數據科學家抓狂
如今，人們對數據科學的熱情高漲。只要在產品介紹中加入"由人工智慧驅動"，就能極大地促進產品的銷量。
但是，問題也接踵而至。
數據科學在營銷時常常會誇大其詞。從而，客戶也大大提高了期望值。但最終，數據科學需要盡力去實現客戶的高期望。
在本文中，我們將討論機器學習項目中八個讓數據科學家抓狂的常見問題，以及為什麼這些問題讓數據科學家苦惱不已。
如果你也處於數據科學領域，或者考慮進入該領域，那麼明確這些問題能幫助你更好做出判斷並進行處理。

1. 我們想要一個AI 模型來解決問題
行業中80％的問題都可以通過簡單的探索性數據分析解決。如果在解決某些問題時用機器學習都有些大材小用，那麼根本不用再考慮用AI了。
是的，高級分析很高大上。企業都喜歡通過對這方面的投資在行業中處於領先地位。哪家公司不想宣傳一下 AI 項目呢？但需要對客戶進行基本的說明，採用適當的行業用例。
「到目前為止，人工智慧的最大危險在於人們過早的認為他們已經充分理解它了。」
—— Eliezer Yudkowsky
2. 通過一些數據得出變革性的分析見解
通常客戶認為，他們只需要提交數據就可以了。有些客戶甚至不會提供相關問題的定義，具體可以看到第四點。他們要求數據分析師獲取數據，並得出變革性的商業見解，從而能夠在一夜之間改變企業的發展方向。
不幸的是，數據科學家無法單獨得出可操作的商業建議。這需要與客戶進行持續有效的交流，從而全面了解企業的情況。在整個項目期間，定期與業務人員進行規劃是很重要的。
「如果你不知道如何提出正確的問題，那麼你將一無所獲。」
—— W. Edward Deming
3. 構建模型，並跳過不必要的分析來節省時間
許多數據分析師忽略了數據整理和探索性分析的重要性。
數據分析是機器學習和其他更高層次分析的必要步驟。如果不了解數據，不去發現異常值或潛在模式，那麼模型將一無是處。因此必須為分析預留時間，並與客戶分享有價值的發現。
「煉金術士在尋找黃金時會發現其他許多更有價值的東西。」
—— Arthur Schopenhauer
4. 根據上周的數據，你能預測未來6個月的數據嗎？
這是數據科學家們最討厭的情況。客戶在電子表格中提供了幾行數據，並希望 AI 能夠預測未來。有時更誇張，在沒有任何數據時，客戶想知道機器學習是否能填補這些數據的空白。
數據質量和數量至關重要，「垃圾進，垃圾出」適用於數據分析。有用的統計技術有助於處理數據問題，並能在你提供的少量數據中得出更多的結論。例如，估算缺失點，生成數據或使用較小的簡單模型。但這需要降低客戶對結果的預期。

分析技術與數據量的關系，來源：吳恩達
5. 你能在兩周內完成建模項目嗎？
許多項目的規定時間十分緊迫。這種高強度的項目安排常常會給模型工程階段帶來影響。隨著模型API和GPU計算的出現，客戶想知道到底時什麼減慢了緩數據科學家的速度。
盡管自動化機器學習取得了進步，但在建模過程中手動操作也是必不可少的。數據科學家必須在痛苦的迭代中檢查統計結果，比較模型和檢查解釋。這些是不能自動化的，起碼現在還不能。這方面最好通過案例跟客戶說明。
6. 你能替換輸出變數並刷新嗎？
在數據科學家解決了商業行為的建模問題之後，新的請求即將出現，也就是最後的小變化。通常是替換輸出變數，然後重新運行模型。客戶意識不到這些變化不僅會改變目標，而且會改變整個模型。
雖然機器學習是高度迭代的，但關鍵挑戰是為給定的輸出變數選擇正確的影響因素，並映射它們間的關系。客戶必須了解這背後的基本工作原理，以及明確他們可以調控的范圍。
7. 模型的准確度可以達到100％嗎？
人們經常會對錯誤率產生誤解，而且容易盲目追求測試等級。有些客戶甚至希望准確度達到100％。當准確度超過其他因素成為唯一的關注點時，這就很令人擔憂了。建立一個過於復雜卻無法實現的高准確度模型有什麼意義呢？
以高准確度贏得Netflix獎的模型從未正式上線，因為高度的復雜性會帶來巨大的工程成本，反而准確度較低的模型則會被採用。因此在考慮准確度時，要權衡簡單性、穩定性和業務可解釋性。

模型工程：權衡各方面的因素
8. 訓練好的模型能一直不出問題嗎？
在艱辛地完成建模和測試之後，客戶想知道機器是否已經掌握了所有內容。常見的問題是模型是否能一直不出問題，並且適應未來業務的變化？
不幸的是，機器不能終身學習。需要進行不斷地訓練，通常需要每隔幾周或幾個月進行復習和訓練，就像寒窗苦讀的學子一樣。如今的分析行業在迅速發展，瞬息萬變，因此模型也需要不斷進行維護和更新。
結語
在機器學習項目中，以上八大誤區會讓數據科學家頭疼不已，在機器學習建模生命周期的六個階段也會出現類似問題，如下圖所示。

機器學習項目生命周期
導致上述誤區的原因在於缺乏對項目的了解，以及沒有正確把握主次。了解背後這些原因的數據科學家需要對客戶進行更好的說明，從而雙方能夠更好得解決難題，而不是一味的妥協。

『陸』 東北大學的數據科學項目怎樣

東北大學的數據科學項目開設於波士頓校區的CCIS院下，是2016年新增項目。該項目主要培養學生建立處理、建模、分析和推理數據的綜合框架。項目核心課程：演算法和數據處理，機器學習和數據挖掘，以及信息可視化。所有的錄取學生，無論學術背景如何，都要在開學前一周參加計算機科學和編程基礎、概率論和線性代數基礎的兩項考試，不符合標準的學生需要額外修對應的基礎課程。由此可見，該項目對於學生學術基礎的要求極高。
· 項目時長：1年
· 項目要求學分：32學分，GPA需達到3.0+/4.0
· 項目特點：注重培養數據科學基礎技術，提供豐厚獎學金

『柒』 請問中山大學數據科學與計算機學院的老師一般每月給研究生多少補助謝謝！

是，專碩學費2W每年，比較貴，獎學金比例也低。國家補貼，每月500。導師給專補助差異比較大，有些導師屬是一分不給的，有些需要你幫忙做項目就會給的比較多，每個月500~1千吧。這個不一定，看導師性格，也看你自己有沒有項目做。實在不行就讀學碩，學碩便宜很多，或者選擇華工讀專碩。作為中大軟工的畢業生，非常抱歉的告訴你中大軟工的代碼能力挺差的，因為把專碩當做學碩培養，基本天天發論文，而不是做工程，所以選導師的時候務必慎重。

『捌』 清華大學發布在線認證證書項目有何作用

清華大學2018年6月21日發布首批在線認證證書項目，包括公共管理認證證書項目和數據科學認證證書項目。

清華大學在線教育辦公室主任於世潔介紹說，公共管理認證證書項目、數據科學證書項目均由六門核心專業課程及一門實踐課程組成。與傳統的單門慕課不同，認證證書項目更加註重課程的體系化建設。

認證證書項目的建設關注對學習者的支持服務，教師及助教團隊將為項目設計專門的習題及測試內容。同時，學堂在線還將推出新的在線監考系統護航證書項目學習者在線考試。為了更好地提升學習體驗，項目為學習者設置了多元化的獎勵機制，參加項目的學習者還可選擇由業界知名企業提供的實踐課題並獲得豐富的線下學習機會。

來源：中國新聞網

『玖』 95後博士連續兩年獲得全球數學金獎，這個獎含金量幾何

7月2日，第二屆阿里數學競賽獲獎名單出爐。95後博士張鉞獲得金獎。他今年在加州大學伯克利分校博士畢業。這是他第二次獲得大賽的金獎。張鉞認為自己有錦鯉體質，但這才是貨真價實的考神錦鯉啊，靠的不是運氣，而是實力！！！本科以666分進入北大。2014-2018年在北京大學數學科學學院學習並獲學士學位，畢業後赴加州大學伯克利分校攻讀博士學位，僅用兩年就順利畢業獲得博士學位；中學畢業於廣東省華南師大附中；2017年獲“北京大學學生年度人物”，曾獲全國大學生數學競賽第一名、全俄羅斯數學奧林匹克金牌、美國大學生數學建模H獎等。真學霸都這么謙虛嘛？