Q1：美國數據科學職業如何隨著時間的推移而發展

　　《財富》：自您開始職業生涯以來，數據科學領域的發展如何?

　　Lavista Ferres：數據科學是每個學科為了管理數據而必須創造的所有知識的結合。從經濟學家到統計學家，再到計算機科學家或物理學家——每一個學科都必須處理數據，所有這些學科都獨立創造了處理數據的方法。一旦你把所有這些方法及數據結合起來，這基本上就是我們今天所認為的數據科學。

　　在 2000 年代初到中期，很明顯，處理數據是一項核心功能。這就是導致創建數據科學學科的想法的原因，因為我們需要具有專業知識的人去處理數據并從數據中獲取價值。

　　我們今天使用的方法與使用了100 年的方法基本相同。我們今天使用的許多機器學習算法都是在 20 到 30 年前創建的——甚至一些深度學習算法相當古老。但是很多這些算法沒有被使用，因為沒有足夠的數據。今天，我們擁有比以前更強大的處理能力和更多的數據。

　　《財富》：在你現在合作的數據科學家中，你是否看到更多的人擁有數據科學學位?

　　Lavista Ferres：當然，但至少根據我在微軟的經驗，最好的團隊是那些擁有非常多樣化背景的團隊。目前，在我的團隊中，有經濟學家、統計學家、計算機科學家、物理學家、具有電氣工程背景的人——還有一些來自主要關注數據科學的新學科，我們與他們合作。

　　我正在與一些在數據科學領域創建這些程序的學者合作。總的來說，你不需要學習數據科學才能成為數據科學家。坦率地說，今天在微軟和科技行業工作的大多數數據科學家并沒有特別研究數據科學，但他們確實研究了一門包含很多數據科學元素的學科。

　　Q2：美國數據科學學位課程如何推動這一領域的發展

　　《財富》：您為什么認為數據科學學位課程很有價值?

　　Lavista Ferres：我認為有大量的問題可以而且應該用數據來解決。今天，幾乎所有收集數據的組織都需要數據科學家。我們必須記住，我們已經看到數據呈指數增長。存儲數據的成本大幅降低，處理能力大幅提高。所有這些東西都有望繼續增長，并提供以前不存在的驚人機會。

　　在我們的 AI for Good 工作中，我們解決的問題非常多樣化。比如我們研究一組特定的癌癥;研究長頸鹿合和白鯨;研究衛星圖像以了解森林火災的方方面面。數據科學的魔力在于，即使從純粹的數據科學的角度來看這些問題確實不同， 但解決方案是相同的。

　　數據科學非常強大，因為只要您有數據并且只要您有了解問題的專家，您就可以處理所有這些流程。正因為如此，數據科學家非常需要從這些數據中獲取價值。我認為存在未滿足的需求，其中很多課程正在幫助人們獲得所需的技能來解決這些需求。

　　你會在工作中學到大部分技能。但是，你需要具備一定的技能基礎。我在職業生涯的早期就學會了編程，但在我的學位課程中，我改進了我的編程技術，并學習了基礎的機器學習和代數。我還認為，對于計算機科學家來說，在你不了解能用具體數據做什么或不能做什么的情況下，你處理數據也非常容易。因此你需要非常強大的統計學背景。

　　Q3：美國數據科學專業的未來

　　《財富》：鑒于數據科學應用如此廣泛且需求如此之大，您認為該領域未來的發展方向是什么?

　　Lavista Ferres：無論您是醫生還是物理學家，數據科學都將繼續成為您工作的一部分。現在，很多數據科學家都在填補空白，因為所有這些學科都有數據，可以用它做點什么，但現任者缺乏這種技能。

　　我認為所有這些學科最終都將數據科學成為其課程的一部分。我認為總體而言，數據科學具有巨大的價值，但你會發現很多學科都會經歷與編程類似的事情。最初，唯一具有編程技能的人是學習計算機科學的人。現在，我們雇用的大多數沒有學習計算機科學的人仍然具有編程技能。所以我認為數據科學也會發生同樣的情況。

　　《財富》：作為一名數據科學家，還需要具備哪些其他技能?

　　Lavista Ferres：最重要的技能是好奇心;這當然是需要的。有些人具有很好的好奇心，并且能夠提出正確的問題。了解此項工作的影響也很重要，這意味著您能夠將重要問題轉化為數據科學任務。此外，為了產生影響，你需要能夠以其他人可以理解的方式解釋數據在說什么，以及它不是在說什么。

　　做復雜復雜的事情更容易打動人;但如果你真的想對世界產生影響，你的解決方案需要簡單。構建簡單的解決方案很難，但它非常強大。

　　數據科學結合計算推理和傳統邏輯推理，根據有關現實世界某些方面的數據得出結論。數據科學家來自各行各業、所有研究領域和所有背景。他們熱衷于將數學/科學思維以及計算能力實際應用于理解和解決商業、研究和社會影響問題。

　　以上是關于美國數據科學專業前景的全部介紹，如果還想了解更多關于美國留學申請方面的相關知識的，歡迎在線咨詢或者隨時添加V信Tops6868。托普仕留學專注美國前30高校申請，為你的名校申請之旅提供幫助。