一、数据科学(Data Science)

数据科学专业比较侧重分析(Analytical)和设计实验(Experimentation)，项目课程会包括数据可视化(Tableau, Power BI)、统计、以及编程(R语言和SQL居多，也可能有Python)，主要是要了解如何用统计学知识去分析数据并且将数据中的结论呈现出来, 或者用统计学知识去设计A/B testing。一般来说，有理工科背景尤其是统计/数学专业的同学都可以申请。

就业方向在北美主要是Data Scientist, Data Analyst等。DS工作内容可能会涉及更加复杂的统计模型或者实验设计，DA主要是用SQL提取数据以及设计一些数据可视化的dashboard。

二、商业分析(Business Analytics/ Business Intelligence)

商业分析专业更侧重business/finance和analytical。项目可能包括统计、数据可视化以及商业/金融相关的课程。主要是学习如何用统计学/分析的方法去帮助做一些商业方向的决策。

主要会用到的编程语言/工具可能是Excel/SQL/Tableau/Power BI，对编程的要求不会很高，适合非理工背景的同学或者对金融/商业感兴趣的同学。

就业方向在北美主要是Business Analyst, Risk Analyst等，工作内容更多涉及做展示(presentation)以及数据可视化，还可能有一些商业方面的分析。

三、机器学习(Machine learning)

机器学习比较侧重建模(Modeling)，主要是指了解机器学习各类模型的原理以及应用，比较常见的模型分类一般是监督学习(supervised learning)和无监督学习(unsupervised learning)，以及最新的强化学习(reinforcement learning)。

这一类专业对写代码能力的要求相对高一些，学习内容通常是机器学习模型的原理，以及用python调用一些机器学习的工具，比如sklearn, xgboost等等，或者自己写模型。一般来讲有理工科背景尤其是统计/数学/计算机背景的同学都可以申请。

就业方向的话，在北美通常是machine learning engineer或者applied scientist，负责机器学习模型的研究和大规模应用。MLE和AS工作内容比较相似，MLE更侧重写代码和应用，AS更偏重研究和前期试验。