數據科學與大數據技術,這個專業怎麼樣?

我被這個專業錄取了

我來回答

熱心網友回答 (9)

  • 62730984086

    2019-08-08 14:19

    謝謝邀請回答

    https://i1.ask543.net/uploads/34/7c/2/tos.jpg

    數據科學與大數據技術專業

    https://i1.ask543.net/uploads/34/7c/2/tos.jpg

    一、專業介紹

    https://i1.ask543.net/uploads/34/7c/2/tos.jpg

    ①大數據採集與管理專業屬於工學,是從大數據應用的數據管理、系統開發、海量數據分析與挖掘等層面系統地幫助企業掌握大數據應用中的各種典型問題的解決辦法的專業。

    ②目前已有283所高校獲批開設數據科學與大數據技術專業,在全國普通高等學校中占比近10%。

    二、主要課程

    C程序設計、數據結構、資料庫原理與應用、計算機操作系統、計算機網絡、Java語言程序設計、Python語言程序設計,大數據算法、人工智慧、應用統計(統計學)、大數據機器學習、數據建模、大數據平台核心技術、大數據分析與處理,大數據管理、大數據實踐等課程。

    三、畢業方向

    ①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(例如:大數據系統架構師、大數據系統分析師、hadoop開發工程師、數據分析師等)

    ②可以繼續讀研深造。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。

    我是小時ing ,希望以上信息對大家有所幫助

  • 邊若xixi

    2019-08-09 12:54

    這個專業倒是非常不錯,重點看這個專業在該學校的地位或者定位如何,如果是重點學科的話,你選擇這個專業那真是非常不錯了,如果是個雞肋的專業,那你讀下來後,可能含金量就沒有那麼高了。

    不管怎麼樣,事在人為,如果你有心要學好,即便這個專業再怎麼偏,只要你有心學習技術,出來後,也是錢途無量的。

    加油~~

  • 3953443314342551

    2019-08-08 11:26

    【熱門專業解讀】數據科學與大數據技術專業

    原創丘振華

    高考志願填報,某些專業的選擇對於每位同學未來的職業規劃,乃至人生規劃都有著非常重要的關鍵性,甚至是決定性的影響。雖然當下專業不對口就業的現象也很多,但專業性強崗位還是更青睞於對應專業的學生。因此,在高考志願填報過程中,特別是對指向性要求強的專業,選擇不容小覷。

    那麼數據科學與大數據技術專業怎麼樣呢?數據科學與大數據技術專業大學排名及歷年錄取分數線怎麼樣?本課堂整理了關於數據科學與大數據技術專業的相關信息,希望對你有幫助。

    數據科學與大數據技術專業

    當今信息社會,已從信息時代邁入大數據時代,從數據收集時代到數據分析時代,高校在大數據方向上設置了哪些專業,作為新興專業,你又了解多少?

    一、專業概況

    專業名稱:數據科學與大數據技術;

    專業代碼:080910T

    學制:四年;

    學位:工學或理學學位。(工學為主)

    人才培養目標:

    以大數據為核心研究對象,利用大數據的方法解決具體行業應用問題,強調培養具有多學科交叉能力的大數據人才。

    本專業是一個軟硬體結合、兼顧數據科學理論與應用的以計算技術為基礎的、以數據科學與大數據技術為特色的寬口徑專業。

    2016年2月,教育部公布新增的「數據科學與大數據技術」專業,北京大學、對外經濟貿易大學、中南大學成為首家獲批高校。

    第一批(3所):

    1北京大學

    2對外經濟貿易大學

    3中南大學;

    2017年3月,教育部公布第二批「數據科學與大數據技術」專業獲批的32所高校。

    第二批32所獲批高校名單如下:

    1 中國人民大學

    2 北京郵電大學

    3 復旦大學

    4 華東師範大學

    5 電子科技大學

    6 北京信息科技大學

    7 中北大學

    8 晉中學院

    9 長春理工大學

    10 上海工程技術大學

    11 上海紐約大學

    12 浙江財經大學

    13 宿州學院

    14 福建工程學院

    15 黃河科技學院

    16 湖北經濟學院

    17 佛山科學技術學院

    18 廣東白雲學院

    19 北京師範大學-香港浸會大學聯合國際學院

    20 廣西科技大學

    21 重慶理工大學

    22 成都東軟學院

    23 電子科技大學成都學院

    24 貴州大學

    25 貴州師範大學

    26 安順學院

    27 貴州商學院

    28 貴州理工學院

    29 昆明理工大學

    30 雲南師範大學

    31 雲南財經大學

    32 寧夏理工學院

    數據科學與大數據技術專業大學排名

    1中南大學 5★

    2浙江財經大學5★

    3廣西科技大學4★

    4復旦大學 4★

    5電子科技大學3★

    6對外經濟貿易大學3★

    7上海工程技術大學3★

    8重慶理工大學 3★

    9長春理工大學 3★

    10中北大學 3★

    11安順學院 3★

    12貴州師範大學 3★

    第一批3所,第二批32所,全國高校紛紛響應,都在積極申報,而且這完全符合國家推動大數據發展的政策,目前,我國已有200多所高校獲批該專業。陸續估計會有幾百所獲批。那麼,各大高校應該怎麼建設大數據專業,才能不至於掉隊呢?

    首先需要明確大數據專業需要培養的是具有多學科交叉能力的大數據人才。

    該專業人才一般需要培養以下專業能力:

    1、理論性的,主要是對數據科學中模型的理解和運用;

    2、實踐性的,主要是處理實際數據的能力;

    3、應用性的,主要是利用大數據的方法解決具體行業應用問題的能力。

    理論是基礎,實踐是工具,而應用則是目標與核心競爭力,一名合格的大數據專業畢業生應該具有讓數據產生價值的能力。

    其中,理論素養的培養需要通過經典的數據數據課程,比如描述統計(含數據可視化)、回歸分析、多元統計、機器學習(含深度學習)、時間序列、非結構化數據、運籌優化等,根據各學校的不同定位,以應用為導向,相應地開設基礎課程、核心課程或者選修課程。

    實踐方面,則需要以下幾個方面的鞏固提高。

    1、要強化SQL的訓練,這是在企業環境中,同資料庫基本的交互。

    2、要強化R和Python的 訓練。就R而言,幾乎所有最新的統計方法,都能找到相應的package,是小樣本學習訓練的不二之選;而在實際的數據產業中,Python則是被用得最 多的編程語言。

    3、並行計算能力的提升,主要針對兩種最常見的技術框架:Hadoop和Spark。

    最後,無論理論和實踐功課做得多足,沒有一個真實的應用場景,都無法產生價值,所以還需要產業實踐。

    比如,大數據與金融學結合催生出金融科技方 向,帶來了徵信、風控、自動化交易、機器人投資顧問等分支;

    數據挖掘與生物學結合產生了計算生物學方向……而這些大數據應用都需要深入企業真實項目和案例的實戰。

    培養的層次區別

    社會對大數據人才的需求是多層次的,大數據人才的培養也應該有區別有重點。如果說碩士層次注重職業發展的廣度和綜合運用能力,本科注重紮實的學科基礎和工程實踐能力,而專科側重具體的崗位的技術運用能力。

    比如,高職高專學校怎麼建設大數據專業呢?從事數據挖掘的人都知道,數據挖掘的80%工作量都在數據清洗準備。這個工作又繁瑣,又消耗大量的人力,但是對技能水平要求並沒有那麼高,那麼高職高專學校正好可以培養大量大數據準備人才。

    任何專業人才的培養,任何一個學科的發展壯大,都離不開完整的教學體系、貼合的教學內容、適用的實踐應用平台以及過硬的師資水平,大數據專業亦是如此。所以對於大數據專業的申報而言,如果能統一整合以上各方面資源,那麼專業建設將會變得事半功倍。

    二、數據科學與大數據技術專業都學些什麼?

    主幹課程

    數學分析、高等代數、普通物理數學與信息科學概論、數據結構、數據科學導論、程序設計導論、程序設計實踐、離散數學、機率與統計、算法分析與設計、數據計算智能、資料庫系統概論、計算機系統基礎、並行體系結構與編程、非結構化大數據分析等。

    學科要求

    善於做需求分析、寫代碼;善於與人溝通,喜歡探索未知;需要根據數據推演、分析、提出解決方案,有數據思維;需要持續保持學習狀態;內性格上能動能靜。

    知識能力

    1.具備紮實的數據基礎理論和基礎知識;

    2.具有較強的思維能力、算法設計與分析能力;

    數據科學與大數據技術專業屬於交叉學科,以統計學、數學、計算機為三大支撐性學科;生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。此外還需學習數據採集、分析、處理軟體,學習數學建模軟體及計算機編程語言等,知識結構是二專多能複合的跨界人才。

    以中國人民大學為例(附高考錄取數據,詳細數據請查閱家長志願課堂):

    大學課程設置

    基礎課程(38學分):數學分析、高等代數、普通物理數學與信息科學概論、數據結構、數據科學導論、程序設計導論、程序設計實踐。

    必修課(37學分):離散數學、機率與統計、算法分析與設計、數據計算智能、資料庫系統概論、計算機系統基礎、並行體系結構與編程、非結構化大數據分析。

    選修課:數據科學算法導論、數據科學專題、數據科學實踐、網際網路實用開發技術、抽樣技術、統計學習、回歸分析、隨機過程。

    三、數據科學與大數據技術專業人才需求情況怎樣?

    根據領英發布的《2016年中國網際網路最熱職位人才報告》顯示,研發工程師、產品經理、人力資源、市場營銷、運營和數據分析是中國護理萬網行業需求最旺盛的職位。

    目前國內有30萬數據人才,預計2019年,大數據人才需求將有大幅增長,高端人才如大數據科學家的缺口在14萬至19萬之間。

    懂得利用大數據做決策的分析師和經理缺口達到150萬,數據分析師現在需求就很旺盛了,2年工作經驗的月薪可達到8K,碩士學歷的數據分析師月薪可達到12K,5年工作經驗的可達到40萬至60萬元。

    四、數據科學與大數據技術專業可以從事的工作有哪些?

    重視數據的機構已經越來越多,上到國防部,下到網際網路創業公司、金融機構需要通過大數據項目來做創新驅動,需要數據分析或處理崗位也很多;常見的食品製造、零售電商、醫療製造、交通檢測等也需要數據分析與處理,如優化庫存,降低成本,預測需求等。

    人才主要分成三大類:大數據系統研發類、大數據應用開發類、大數據分析類,熱門崗位有:

    (一)大數據系統架構師

    大數據平台搭建、系統設計、基礎設施。

    技能:計算機體系結構、網絡架構、編程範式、文件系統、分布並行處理等。

    (二)大數據系統分析師

    面向實際行業領域,利用大數據技術進行數據安全生命周期管理、分析和應用。

    技能:人工智慧、機器學習、數理統計、矩陣計算、優化方法。

    (三)數據分析師

    不同行業中,專門從事行業數據搜集、整理、分析,並依據數據做出行業研究、評估和預測的專業人員。在工作中通過運用工具,提取、分析、呈現數據,實現數據的商業意義。

    作為一名數據分析師,至少需要熟練SPSS、STATISTIC、Eviews、SAS、大數據魔鏡等數據分析軟體中的一門,至少能用Acess等進行資料庫開發,至少掌握一門數學軟體如matalab、mathmatics進行新模型的構建,至少掌握一門編程語言。

    (四)數據挖掘工程師

    做數據挖掘要從海量數據中發現規律,這就需要一定的數學知識,最基本的比如線性代數、高等代數、凸優化、機率論等。經常會用到的語言包括Python、Java、C或者C++,我自己用Python或者Java比較多。

    有時用MapReduce寫程序,再用Hadoop或者Hyp來處理數據,如果用Python的話會和Spark相結合。

    (五)大數據可視化工程師

    隨著大數據在人們工作及日常生活中的應用,大數據可視化也改變著人類的對信息的閱讀和理解方式。

    從百度遷徙到谷歌流感趨勢,再到阿里雲推出縣域經濟可視化產品,大數據技術和大數據可視化都是幕後的英雄。

    中國人民大學與人大、北大、中科院大學、中財、首經貿五校聯合培養數據分析碩士第一屆畢業生(55人)就業情況:

    騰訊、百度等IT公司:22人;

    金融、銀行等:21人;

    出國、讀博等:5人;

    國家事業單位:6人;

    其它:2人。

    五、數據科學與大數據技術專業學習建議

    人才培養與行業發展存在差距。由於教學大綱更新不會太及時,大數據人才7年畢業(本科四年、碩士研究生三年)後,所學恐怕落後於行業發展。

    大數據人才的典型勝任特徵:善於做需求分析、寫代碼;善於與人溝通,喜歡探索未知;需要根據數據推演、分析、提出解決方案,有數據思維;需要持續保持學習狀態;內性格上能動能靜。

    不同辦學層次的院校開設此專業,培養模式會有差異。

    高職類院校學生由於數學基礎相對薄弱,會跟多偏向於工具的使用,如數據清洗、數據存儲以及數據可視化等相關工具的使用。

    本科院校會傾向於大數據相關基礎知識全面覆蓋性教學。

    在研究生段則會專攻某一技術領域,比如數據挖掘、數據分析、商業智能、人工智慧等。

    六、就業前景

    眼下正是新一屆大學生的校招季。這兩天,一則消息引發了很多人的關註:AI應屆博士的年薪已經從去年的 50 萬元一下漲到了 80 萬元。但是,由於人才缺口巨大,即使是提高到了80 萬元年薪,企業還是難尋人才。

    為什麼同樣是博士,大多數理學博士、工學博士的起薪都從十幾、二十萬起步,而AI博士已如此金貴?

    據《 2017 全球人工智慧人才白皮書》顯示,人工智慧領域人才分布極不平衡,全球AI領域人才約 30 萬,而市場需求卻在百萬量級。全球共有 367 所具有人工智慧研究方向的高校,每年畢業AI領域的學生約 2 萬人,遠遠不能滿足市場對人才的需求。據有關專家估計,中國人工智慧學科人才需求缺口每年接近 100 萬!

    如果你是在校學生,或者說學生家長,請花一點時間,讀讀這位斯坦福大學博士、上海財經大教授葛冬冬去年應文匯報邀請撰寫的文章。除了高薪,關於AI的前景,你需要有更全面的洞察,並儘早行動。

    早在去年,葛冬冬在接受文匯報記者採訪時披露,「現在,一位高水平的、專攻人工智慧領域的人才,即便是剛出校門的本科畢業生,年薪幾十萬元的比比皆是。有的企業甚至用七八十萬元年薪招聘這個方向的博士生,而我們培養的人才卻供不應求,甚至已經無人可供。」

    數據化對各行業的衝擊,比預想的更猛烈

    時至今日,很多年輕的學生對大數據與人工智慧充滿了好奇。不管你今後是否要進入這個領域學習,不管你對大數據和人工智慧的認知是怎樣的,在你知道了以下這些事實後,至少會意識到一點:年輕的你們不管今後要從事哪個具體領域的工作,都已經無法規避大數據和人工智慧對你產生的影響。

    斯坦福大學前商學院院長Garth Saloner (高斯·塞隆那) 在臨離任前發給MBA學生的推特內容是:「如果你還在學校的話,最應該做的是到工學院去,學習任何和人工智慧、深度學習、自動化等相關的知識! 此刻!」

    行走在科研前沿,學術界同行已經越來越感到,我們的科研方式在受到大數據的衝擊。而我們每個人或多或少都能認知到:世界與以往不再那麼的一樣,它在改變,速度越來越快。

    事實上,人類的知識進化,過去幾年,正在以一個前所未有的加速度在進行。而這一切的發生,原動力來自於世界的數據化進程加快。相應的,大數據處理技術進化和完善也相當迅速,同時使得建立在此基礎上的人工智慧技術也進入了一個忽然加速、甚至技術爆炸的時期。

    現在的每一天,我們都可以感受到這些改變。當你打開手機,新聞客戶端的推送是高度個性化的新聞,這是推薦系統在默默為你揀選你最可能感興趣的信息。當你走出家門,網約車的出現讓你感受到交通的便利和分享經濟的實惠。而網約車的背後,則是一個基於整個城市實時交通狀況的平台———是它在計算你的呼叫滿足方式。在你信用卡的申請里,銀行考慮的不再僅僅是傳統的金融數據記錄,你度假的選擇、午餐的方式,甚至於敲擊鍵盤的大小寫偏好,都成為對你這個用戶分析的一個維度上的數據,進入對你的評估系統。

    往外去看,人工智慧和大數據帶來的社會變革比比皆是。自動化交易系統的進入,使得高盛在紐約現金股票交易櫃檯的交易員從2000年頂峰時期的600人縮減到今天的2人。波士頓動力公司開發的機器人,已經可以在複雜地形上縱跳如飛。谷歌開發的人工智慧選手,已經在圍棋人類最複雜的智力遊戲上擊敗人類。卡耐基梅隆開發的德州撲克人工智慧,已經在這個兼有博弈與計算的遊戲上擊敗人類世界冠軍。而這些智能依然處在一個進化的狀態,但是已經越過人類這個奇點,它必然會絕塵而去,將我們徹底拋離。

    以數據化形式展開的活動將來會是金融等行業的主流,很多可重複、思想度略低的工作很快會被機器所取代,這個趨勢的來臨,遠比人類預想的猛烈。

    在盤點了這些熱點事件背後,讓我們再來談談技術的發展。最近10年來,數據積累的急劇增加和針對數據的全鏈條技術整體成熟,是催生大數據浪潮以及接踵而來的人工智慧熱潮的關鍵因素。粗略來講,在整個產業和技術鏈條上,包括了數據的提取與清洗 (網絡爬蟲,結構化),存儲與讀取 (大數據架構系統/資料庫技術),規律分析與挖掘 (統計學習/機器學習/深度學習),建模與計算 (優化算法/並行計算軟硬體技術),再到實際對接多個應用領域。

    這其中,硬體和系統進步非常重要。例如,Spark,Hadoop等使得並行存儲和計算前所未有得容易實現;GPU在並行計算的成熟,使得人工智慧的很多大規模並行計算任務,特別是深度學習等算法,可以以更低代價更高效快速執行。計算和建模技術的進展,特別是機器學習 (去年以來熱點遷移到了深度學習) 在GPU並行計算等硬體支撐下,結合大數據處理技術快速興起,使得極多的傳統實際問題的解決方式,可以被機器學習在足夠數據訓練下更精確的結果和更簡單的建模方式擊敗。暴力美學,一至於斯!

    這些趨勢,在很多細分領域已經非常明顯。這些領域紛紛根據自己需求,啟動相應的研究。例如,在企業運營中,電商巨頭京東去年底提出「智慧供應鏈」,對供應鏈管理的幾個關鍵核心,從運用機器學習和運籌優化技術,建立起基於數據驅動的智能分析系統,包括了根據歷史與環境自動智能定價系統,實現自動補貨和調貨的智能庫存系統,物流中的無人倉機器人智能系統等。

    在金融領域,突破了傳統意義的金融模型,基於更廣泛大數據的徵信系統、風控系統,已經廣泛地被運用在國內多個銀行。有更多財經的事務,包括個人理財、資產管理,會計等———這些本來的白領工作,即使看上去似乎有一定複雜技術,但因其具有重複性,大趨勢已經顯示,非常大的工作份額會被人工智慧吞噬。

    再如區塊鏈,比特幣即為區塊鏈的一個初級應用形式。比特幣是用來交易的,而之前的任何一種交易,在數字化之後,怎麼樣讓它安全穩定、怎樣省略中間複雜的程序才是人類關注的重點。區塊鏈完美解決了這個問題,比如原來要蓋數十個章、寫幾十個文檔的跨境貿易,應用區塊鏈後可以做到瞬時反應、電子文檔瞬時生成,電子簽章很難被破解也很難被偽造和篡改。

    在企業生態上,大數據和人工智慧產生的具體影響,體現為商業巨頭與創業者齊飛競爭的態勢。

    去年開始,從美國到中國,幾乎所有的熱點大公司,都開始了自覺自發的轉型:向科技公司,或者以科技驅動的××公司努力。事實上,這些公司在人才的積聚和技術的積累上,有著自己雄厚的先發優勢和資金優勢。全面地如提出「新零售」概念的阿里、旗下科技驅動的金融公司螞蟻、物流公司菜鳥、在語音識別領域獨步天下的科大訊飛、無人機領域世界第一的大疆,都已經在向行業巨頭進化。

    小的創業公司更是如火如荼,如斯坦福運籌與優化算法背景的智能商業公司杉數科技,清華交叉信息學院創業背景的視覺識別公司Face++,香港中文大學教授創業的商湯科技等,都帶有濃厚的學術氣息。

    業界擁有雄厚的資金和高水平的科研氛圍,這使得人才的天平正嚴重地向業界傾斜。

    這一輪浪潮,使得人工智慧,甚至相關的大數據、統計、運籌優化,計算機等多個學科都成為了搶手的存在。一個非常明顯的趨勢就是大公司對相關知識重視程度前所未有。公司內部的研究團隊,如微軟、谷歌、百度、騰訊等,都有自己的研究院,很多擔任著引領行業科技發展的角色。而且因為其擁有豐富的數據資源和實際背景,使得傳統上學界掌控科技前沿的狀況,已逐步演變為學界和業界互相促進互相競爭,甚至於業界領先學界,將學界拋離。這個趨勢在國內將特別明顯。其次,業界和高校之間,人才的拉鋸戰也會特別明顯。2015年5月,非常轟動的一個新聞就是優步 (Uber) 從卡耐基梅隆大學聯邦機器人工程中心 (NREC),從教授到博士後,將一個研究所挖走了40多人,基本清空了。

    從國內來講,數據、算法、人工智慧的專家都特別昂貴難招。高校的優秀人才引入,更是遇到了前所未有的挑戰。此外,一個明顯的特點就是數據的價值也被充分發掘出來,數據變得特別的「值錢」,在很多業界已經被認為是公司的最核心價值體現。

    事實上,數據科學已經成為一個成熟的專業,在國外多數高校,數據科學的本科到博士學位項目都已經非常完備,也是受學生和用人單位歡迎的項目。例如,斯坦福的數據碩士項目設置在工學院的高等計算所下,學生需要從管理科學與工程,統計、數學、計算機等多個學院選課來完成項目。紐約大學的數據科學碩士項目,就業火爆,2017年有1500多名申請人,錄取不到100人。在國內,過去兩年,包括北京大學、復旦大學在內的35所高校設置了此專業。教育部已經將數據科學與大數據定義為新工科專業予以正式備案登記。

    眼下,數據科學與人工智慧領域雖然大熱,特別是深度學習,看似橫掃一切,但它真正進入人們視線,基本是從2012年Geoffrey Hinton教授等人在視覺圖像識別大獲成功後才真正引起重視。所以回到原點審視的話,深度學習依然是一個充滿未知、有待人類去探索的領域。在應用層面,例如深度學習和機器學習的一些複雜算法雖然高效,但是因其黑箱子性質,穩定性沒有理論保證,使得一些避險領域 (如金融) 依然會讓人心有疑慮,這也是研究者該去孜孜不倦探索與回答的挑戰。

    但是無論如何,人工智慧這個似乎昨天還在蹣跚學步的嬰兒,忽然間已經成為了強壯高大的巨人,開始迅速接管人類的各行各業。

    斯坦福大學吳恩達教授曾經做過一個比喻:「就像100年前電的發明改變了所有行業、農業、製造業、鐵路、通信等等,我覺得人工智慧就像100年前的電力,也能為幾乎所有行業帶來巨大改變。」而這個未來,正以一個可怖的速度,呼嘯而來,與並未做好準備的我們迎面碰撞。

    未來已來,我們能做的,只能是盡我們最大的努力,張開雙臂,去迎接更美好的明天!

  • 64919487606

    2019-08-08 11:34

    數據科學目前薪資比較可觀,就業前景廣闊。

    可以發展的方向有大數據分析和處理,機器學習等。可以提前研究推薦系統、深度學習、計算機視覺和自然語言處理等領域。

  • 59630366715

    2019-08-08 10:58

    好好學,這個專業前景不錯!學好了,從事於人工智慧方面的工作,將來不會被人工智慧所代替。不過此專業讀研為好!

  • 69441766375

    2019-08-08 14:51

    這個專業在實際工作中會接觸spark,hadoop,flink,storm,zookeeper,kalfka等大數據技術,還有各種機器學習算法,深度學習,tensorflow等。可以做推薦系統,研發大數據平台等網際網路工作,工資還還高得誘人。

  • 215130285286860

    2019-08-08 12:45

    專業好壞,在個人學習。如果只是開發,這個專業和軟體專業的碼農區別不大,如果有數學根底,能夠建模,工資基本翻番。

  • 51750815139

    2019-08-08 13:38

    不錯,這專業讀出來賊賺錢。

    出國進矽谷,500強做數據,諮詢,分析拿高薪,至少15萬美金。

    搞金融,做指數,做量化,很容易財富自由。

  • 63209773962

    2019-08-08 12:04

    這個專業得不斷學習,需要學的東西太多太多