.

——“基础理论”与“理论基础”是两个不同的概念。数据科学的“基础理论”在数据科学的研究边界之内，而其“理论基础”在数据科学的研究边界之外，是数据科学的理论依据和来源

——进行数据审计、数据清洗、数据变换、数据集成、数据脱敏、数据规约和数据标注等。

——从集中式计算、分布式计算、网格计算等传统计算过渡至云计算。有一定的代表性的是Google云计算3大技术、Haoop MapReuce和YARN技术的出现。数据计算模式的变化意味着数据科学中所关注的数据计算的主要目标、瓶颈和矛盾发生了根本性变化。

“数据预处理”（或“数据计算”）之后，我们需要对数据进行管理，以便进行（再次进行）“数据处理”以及数据的再利用和长久保管。在数据科学中，数据管理方法与技术发生了根本性的改变——不仅包括传统关系型数据库，而且还出现了一些新兴数据管理技术，例如NoSQL、NewSQL技术和关系云等。

R语言是数据科学家最为普遍应用的工具之一。

1. Data Analyst 数据分析师

R，Python，Javascript，C/C++，SQL等。初级的Analyst的工作就是配合Scientist和Engineer，当业务需求使用某些方法的时候，他们就是一线操作者，当scientist要数据，他们要收集清理数据，当客户或者子公司要数据，他们也要收集清理数据。得出最终的分析报告给产品组工程组或管理层。所以从这个角度讲，analyst只是非常纯粹的在和数据打交道罢了。

1. Data Scientist 数据科学家

1. Data Architect 数据架构师

SQL，XML，HIVE，PIG，SPARK等，对数据库体系结构有深入了解，擅长数据仓库解决方案等。

1. Data Engineer 数据工程师

“战术层面” 的具体数据技能，专注于使数据可用并能够在生产环境中对数据进行处理，如具体的编程语言、操作系统与数据库等；而数据科学家更倾向于“战略层面”的数据技能，如数据分析、数据挖掘、统计分析、机器学习等。他们的日常主要工作内容是用SQL来回答分析型问题，用脚本来做数据集成，清洗ETL（提取-转换-装载）任务和使用Haoop生态工具等，对编程语言要求较高，SQL，HIVE，PIG，R，MATLAB，SAS，SPSS，Python，Java，Ruby，C++，Perl等等都要会。

1. Database Aministrator 数据库管理员

IT职位，职责为管理数据以及支持数据管理的设施，确保数据库是提供给所有相关用户，正在正确、安全的执行，因此可能会用到SQL，haoop及相关查询语言，如Hive和Pig。日常专注于优化数据仓库，负责数据的读写和管理。

1. Business Analyst 商业分析师

1墨尔本大学

Master of Data Science

2年

2澳国立大学

Master of Applie Data Analytics

1.5年6.5（6）

/人口研究、工程、流行病学/公共卫生、金融、信息技术、数学、物理、政治学、心理学、社会学、统计学。

3昆士兰大学

Master of Data Science

2年 雅思6.5（6）

4

Master of Data Science

2年 雅思6.5（6）

*量化学科包括数据科学，计算机科学，数学，统计学，工程学，物理学，经济学，金融学或其他被认为是等同的学科。作为指导原则，量化学科的课程应包括一些数学研究，包括

【微语】留学是增长见识，提升自我的好机会，愿你在外国的土地上收获满满，前程似锦。