新加坡南洋理工大学官宣与Facebook合作推出试点专业课程

作为东南亚重要的数据投资中心，新加坡对于数据专业人才的需求与日俱增。新加坡南洋理工大学（Nanyang Technological University）与全球社交媒体巨头Facebook合作，将在今年8月推出为期九个月的试点专业证书课程及毕业证书课程。

　　该试点项目由南洋理工大学的专业与继续教育中心（PaCE@NTU）推出，课程也与该校工程学院共同开发。试点项目包括：

　　设计工程（Design Engineering）

　　网络工程（Network Engineering）

　　现场操作（Site Ops）

　　设施操作（Facilities Ops）

　　国际建筑管理毕业证书（Graduate Certificate）课程

　　修读该项课程的新加坡民众，还可以获得技能创前程中途职业加强津贴。

　　目前，Facebook已于2018年在新加坡设立了首个亚洲数据中心，将在2022年投入运作。Facebook方面表示考虑在新加坡设立数据中心时，一个重要的考量就是本地人才，希望这次的合作能为新加坡培训更多专业人才。

　　新加坡近年吸引了不少科技公司在当地兴建数据中心，早前谷歌便宣布斥资8.5亿美元在当地兴建第三座数据中心。

　　目前，大约有2.6万个国际公司立足新加坡，三分之一的财富500强公司选择在新加坡设立区域总部，其中包括了Apple、微软、Facebook、Google、推特、领英、雅虎、亚马逊……这里不仅是美国、欧洲跨国企业设立亚洲总部的首选地点，也是亚洲公司进军全球市场的平台。

　　而新加坡本地大学近年来也在数据分析领域推出了更多新课程或扩大相关学科招生人数。

　　例如，新加坡管理大学（Singapore Management University）信息系统学院早在2011年，就已经推出的商业信息技术硕士（数据分析学）课程，目前还有金融服务与分析学硕士课程。

　　南洋理工大学的南洋商学院（Nanyang Business School）也推出了“商业分析”专业课程，让学生在未来迅速变化的经济环境中占据额外优势。

　　新加坡国立大学（National University of Singapore）的大数据专业也是非常优秀的，主要提供两种研究生文凭，计算机硕士和系统分析专业研究生文凭。该课程是专门为IT和非IT专业毕业并有志于从事IT行业人士所设，也将成为他们涉足新加坡IT行业的奠基石。

　　除了“大数据”的相关专业之外，新加坡通信工程（Communication Engineering）专业是信息科学技术发展迅速并极具活力的一个领域。通信工程专业中，尤其是数字移动通信、光纤通信、Internet网络通信使人们在传递信息和获得信息方面达到了前所未有的便捷程度。

　　毕业后可从事无线通信、电视、大规模集成电路、智能仪器及应用电子技术领域的研究，设计等相关工作。

　　对比：都叫Data，有何不同？

　　细细去看各国大学在数据科学领域开设的时间，会发现基本都是从2000年以后才开始有雏形，然后慢慢衍生，关于数据分析向还有其他几个类似的别称，比如：

　　Data Mining

　　Data Analytics

　　Data Studies

　　Data Science

　　Predictive Analytics

　　Business Analysis

　　Business Analytics / Intelligence

　　这其中，Data Analytics、Data Science和Business Analytics / Intelligence，是同学最常搞混的专业。

　　Data Analytics：从错中复杂的大数据中，抽丝剥茧地去得到想要的信息、趋势，进而做出最有利的决策。更专注于培养高阶数学、统计学以及数据挖掘的能力。

　　Data Science：相比而言更重视高阶的计算机科学、编程与工程，不只是会用这些程序而已，也可能学着自己写程序来运行数据分析。

　　Business Analytics / Intelligence：加上了“Business”，自然与商业管理有密不可分的关系。

　　Business Analytics / Intelligence的确多是专为在商业环境工作而量身打造的专业。所以这样的课程大多归类在商学院，或是更为偏向专业的院校。

　　毕竟是商业环境取向，当然也会学习如何分析网络社交媒体使用者的习性、一些会计财经、沟通技能等等，课程比较没有那么“理工”。

　　目前，全球人工智能（AI）正进入加速发展时期，我们无法逃过AI，但在这波洪流下，是个重新思考及调整人生道路的机会。面对AI该如何“化敌为友”？数据专业人才已成未来最热门的人才职缺。

　　AI时代下，简单的工作将被抢走，反之，接下来要走的是一条“深又广”的路。每个人都必须找到自己擅长、能发挥才华，而且是机器无法驾驭的工作。