數據科學的研究生學位選擇？
我目前正在完成數學學士學位，並想進入研究生院（初學者的碩士學位，隨後可能獲得博士學位），著眼於進入數據科學領域。我也對機器學習特別感興趣。
哪些研究生學位選擇可以讓我到達我想去的地方？
對於應用數學、統計學或計算機科學的研究生學位是否會讓我更適合進入數據科學領域，是否存在共識？
謝謝大家的幫助，這對我來說是一個很大的選擇，非常感謝任何輸入。通常我會在數學堆棧交換上提問，但我認為在這裡提問會給我一個更廣泛、更全面的視角。
編輯：嘗試添加更多單詞。
作為一名生物統計學博士生，我對@Frank-Harrell 所說的話感覺很好。這是完全正確的！！！我們系的學生畢業後有很好的就業機會。
另一方面，@StasK 引用了文章“我們不是數據科學嗎？ ”，但將其命名為“統計學家不被認可為數據科學家”。這對我來說有點誤導。統計學家可能不會被稱為數據科學家。但是還有誰可以正式聲明這一點呢？無論如何，至少對我而言，這篇文章說的是統計數據具有為數據科學做出貢獻的巨大潛力。阻礙統計學促進數據科學的主要問題（如果有的話）是統計學的人沒有接受過大規模計算和高效編程的良好培訓。從那篇文章中引用如下。
並進行統計。統計學具有為數據科學做出貢獻的巨大潛力。有一些開放的研究問題需要將抽樣、設計和因果推理中的經典統計方法“放大”以在海量數據集上可行。很少有計算機科學家和其他主導數據科學領域的人精通這些概念，許多人對數據分析持“算法”觀點。數據科學需要統計思維和新的基礎框架——例如，當一個人面對谷歌生成的大數據時，“人口”是什麼？
事實上，許多企業開始前瞻性地收集數據以進行內部測試和驗證，而很少有人欣賞設計原則的力量。統計學家可以通過發展“21 世紀的實驗設計”來推動重大進步！
可以說，計算機科學處於更好的位置，但只是缺乏統計思維。但對我來說，我把這兩個主要組成部分視為“大腦”和“手”！如果實驗設計在一開始就有缺陷，或者如果推斷在最後有偏見，那麼我們最終會得到一個關於結論和商業策略的完全不同的故事。
簡而言之，我希望在這里傳達的所有內容，數據科學從業者確實需要出色的統計思維和編程。
結束編輯：
要決定你要攻讀哪個學位，你必須了解哪些技能可以讓你有資格在數據科學領域工作。據我所知，如果你想進入數據科學領域，你希望具備的**“硬”技能**基本上是雙重的：強大的分析能力，以及良好的計算和編程能力。你可以去Quora搜索“數據科學”、“數據科學家”等，了解一下這個領域是什麼樣的，以及你需要為該領域做哪些準備。這裡有兩個來自 Quora 的問題，你可能希望解決：
像這樣的問題，你明白我的意思。
（軟技能，如口頭和書面溝通技巧和團隊合作能力也很重要。在某些情況下，甚至在某種程度上比你的分析能力更重要。但當然，關於軟技能的討論肯定是題外話為了你的問題。）
現在回到你的問題。
哪些研究生學位選擇可以讓我到達我想去的地方？
一旦你對你需要學習的東西有了清晰的視野和深入的思考，你應該能夠自己回答這個問題。我的建議是計算機科學、應用數學或統計學、生物統計學、物理學、工程學或任何其他大量涉及分析和計算的學位。從本質上講，一個可以幫助您培訓數據分析和編程的跨學科學位肯定會為您贏得在數據科學領域工作的好位置。
對於應用數學或統計學的研究生學位是否會讓我更適合進入數據科學領域，是否存在共識？
我不知道學術研究人員或行業從業者是否正式承認了這種共識，但我可以給你一些來自網站的新聞/報告，這些新聞/報告顯示了隨著“大數據時代”的發展，統計學將如何發揮重要作用. 我相信這些文章至少會讓你相信統計數據應該是一個不錯的選擇。
最後一篇來自我的博客，裡面收集了一些來自紐約時報、福布斯、麥肯錫、哈佛商業評論等媒體和著名網站的重要文章。你可以找到一些概述數據科學領域未來的文章，以及技能該領域的需求。例如，這裡是 NYTimes 的引述，Hal Varian 的話。
“我一直在說，未來 10 年最性感的工作將是統計學家，”谷歌首席經濟學家哈爾瓦里安說。“而且我不是在開玩笑。”
大多數文章闡述的是，作為一門研究數據的學科——“數據的科學”，統計學領域在這個歷史節點上蓬勃發展。因此，如果有共識，這些文章將是它的標誌。
最後，在您看來，我正在說服您獲得統計學或生物統計學的研究生學位，但我沒有這個意圖，儘管正如我之前指出的那樣，它們是很好的選擇。只要您知道自己正在準備分析和計算技能，任何適合您興趣的學位（例如計算機科學中的機器學習）都可以考慮。您甚至可以通過Coursera上的公開課程自學這些技能。