一、美国数据科学专业职业发展路径

数据科学家也是基于技术的职位, 在职业生涯阶段可以从入门机数据科学家逐步进阶为中级数据科学家, 高级数据科学家甚至资深数据科学家。

数据科学家的职业中后期也可以转型管理, 变成 Data Science Lead 或者 Data Science Manager, 从而进行更多方向性和领导性的工作。

基于数据科学家技术的积累, 如果有很强的工程实践能力, 可以转型成 Machine Learning Engineer, 如果有很强的分析和研究能力, 也可以转型成为 Machine Learning Scientist等。

二、美国数据科学专业常见公司

数据科学的常见公司大致可以分为这几类：

1、上市公司

上市公司中Google, Facebook, Netflix的薪水和面试难度都是行业里的标杆。此外Amazon, Microsoft, LinkedIn, Bloomberg, Apple也都是值得一去的一流公司。业界流传的“FAANG”就是指的Facebook，Apple，Amazon，Netflix，Google。

2、独角兽公司

类似Uber, Lyft, Airbnb, Robinhood这样的独角兽公司门槛不低于以上的上市公司，而且工作节奏更快所以很适合更有野心也愿意接受风险的数据科学家。

3、金融、咨询公司

金融和咨询行业中有一些公司也拥有数据科学部门或者岗位，但通常都是规模较大的公司或者公司业务非常需要数据科学支持。比如以下公司都有很多数据科学类岗位：

对冲基金：Two Sigma, DE Shaw, Citadel, Hudson River Trading, Jump Trading等

投资银行：JP Morgan, Goldman Sachs等

咨询公司：McKinsey，Mercer，Capgemini等

三、美国数据科学专业就职准备

在数据科学的面试中，同学们不但需要展现自己的优秀的基本功, 还有注重沟通, 表现出自己具有商业意识 (Business Sense) 的一面。

一般来说，数据科学的面试会考量同学们以下几种能力：

1、编程能力(Coding Practice)：

2、统计和机器学习知识与应用(Stats and Machine Learning)

3、案例分析能力(Data Science Case Study)

4、行为软实力(Behavior)