如果您可以管理它，我建议更多地关注统计数据。统计学可能是一个要求很高的领域，并且需要付出很多努力才能获得学位。当然，除了统计学，数据科学家还需要一些技能，例如软件、数据工程和可视化，但统计学知识/技能是最难得的，因此可能是最有价值的。

我在数据科学部门工作了 8 年，发现在寻找数据科学家时，通常很难找到具有扎实统计背景的人。大多数候选人都具备软件、工程、数据和可视化技能。但是，具有更强统计背景的人会被雇用而不是其他申请人，并且通常具有更高的薪水。

实习非常有价值，它们将帮助您在毕业前踏上第一步。如果他们喜欢你的工作，一些公司甚至可能会在你的实习期间为你提供一份工作。一些大公司会为你的继续教育付费，因为他们会得到更好的员工。这对您和他们来说都是一笔不错的投资。

硕士学位也将是有益的，但可能会限制您获得低薪入门级工作的机会。较大的公司通常更喜欢硕士学位而不是学士学位。

回复您的后续问题：

• 我强烈建议进行实习，它们可以极大地提高你毕业后找到工作的机会，尤其是在你实习的公司。
• 在没有经验的硕士和有几次实习的学士之间做出选择要困难得多。总体而言，更好的选择是获得硕士学位并在此过程中进行一些实习。
• 另外，我建议一直使用统计学，学士和硕士。数据科学中的一些主题将在获得硕士学位所需的 6 年多的时间里不断发展，但基本的统计数据变化很小。
• 也许获得数据科学的辅修学位或侧重于数据科学的统计学学位。
• 你也可以考虑在学士和硕士之间找一份工作，如果你找到了一份好工作，你总能在工作赚钱的同时拿到硕士学位。

想想未来。软件开发。

尽管现在你可以在未来摆脱普通的编程技能，但现在越来越多的机器学习和数据科学将被抽象出来，并通过简单的 API 调用来访问。以FastAI为例，几乎所有东西都被抽象掉了，即使是坚韧的 pytorch，你甚至不需要知道就能获得好的结果。当然，专家总是需要的，但他将是少数。数据科学将是软件工程师知识库中的一个简单工具包。

参考：作为机器学习工程师工作的数学家。

信息技术学士。

作为一个澳大利亚人，其学士学位涉及编程但没有被标记为“信息技术”，如果你想从事 IT 工作（数据科学将被归类为），我强烈建议你获得 IT 学位。我多年来一直试图在 IT 领域找到工作但没有成功，这就是为什么我回到大学获得硕士学位，实际上在它的名字中写着“IT”。