数据科学专业学什么

以意大利帕多瓦大学为例，专业数据科学，专业方向是认知、社会和经济数据分析（Cognitive, Social and Economic Data Analytics），以下是我研究生阶段所上的课程，该专业有四个方向，除了我选择的方向外，还有Biological Data Analytics，Machine Learning for Intelligent Systems和Mathematics of Data Science。

Cognitive, Social and Economic Data Analytics方向下的数据科学课程大致可以分为两类：

从思维导图右边的课程设置上看，数据科学可以说就是人工智能，人工智能就是数据科学，基本包括了现在AI的理论基础与各种模型。

前5门课是必修课，随机方法与优化是数学，主要讲概率论和数值优化，真的特别难学...；信息系统基础就是计算机，主要学数据结构与算法（这里的算法指贪心、动态规划、深度优先与广度优先算法等），还会学习Python与数据库SQL；统计学习是讲各种分布，比如二项分布、泊松分布和正态分布等，还有假设检验与似然估计等；机器学习讲传统经典的算法模型，比如逻辑回归，决策树，随机森林，KNN，SVM与普通神经网络等。

后3门课是根据我兴趣从指定的课程池里面选的，有一门是可以不在池子里面选，但是必须由学院委员会审核批准，要求必须跟数据科学相关。选的深度学习是聚焦多层神经网络下的各种网络模型，比如CNN与RNN，包括网络中的求梯度、前反馈与后反馈、激活函数等；视觉与认知系统则是学习计算机视觉，包括各种filter、SIFT与各种不同结构的CNN等；认知与计算这门课与前面讲到的课程有些许的重叠，比如一样会涉及到神经网络，但是这门课会结合人的感官与认知角度进行讲解，比如结合人的眼睛构造讲解CNN如何提取图像特征进行学习等等。

思维导图左边的课程设置是根据选择的方向进行设置的。数据科学是主要是计算机，数学与统计学的交叉学科，其核心是数据与分析方法，然而不同的领域拥有不同的数据，基本每个领域都需要对数据进行分析，如果想对生物数据进行分析，最好就是了解该领域数据的特点，并掌握一定程度的生物学知识；如果是经济领域的话，也以此类推，比如我选择的专业方法里面的课程，金融数学主要学习期权与股票的概念与交易，还有Binomial Tree与Black–Scholes–Merton等等；博弈论是讲纳什平衡；商业经济与金融数据讲经济领域中时间序列分析方法，比如ARIMA等；法律与数据主要讲数据隐私与保护，主要是学欧洲的数据保护法（THE EU GDPR）；认知行为与社会数据学人脑结构，微表情，眼部追踪与如何用机器学习等算法测谎等等（相当没兴趣的一门课...）；最后的知识与数据挖掘其实是逻辑学，也是很抽象枯燥的一门课。

总体上的课程设置大概就是这样，内容还是挺丰富的，不得不说，有些理论也是真的很难，尽可能理解和推导，理解推导不了，那就尽可能了解与学习如何应用模型与数据分析方法，这算是最基本的要求吧。

想要学好这门课的话，计算机编程基础得会某一门编程语言，python，R或matlab都行，主流还是python，学会调用python的各种包会很方便。概率论与优化硬啃，能啃下多少就多少，而统计学与机器学习我觉得也是很重要的课程，应该尽可能掌握，其他的课程就看个人兴趣了。