M.Sc. Data Science
所属信息
基本信息
项目时长
1年学费估算
297000申请截止日期
-
秋季
-
常规
5.31
-
其他
申请信息
TOEFL要求
79.00
IELTS要求
6.50
工作经验要求
官网没有明确说明
Prerequisite
申请人必须是工程、科学或其他相关学科的学位持有者，或其同等学历。Applicant must be a degree holder in Engineering, Science or other relevant disciplines, or its equivalent
适宜学生
数据科学理学硕士 (MSDS) 计划旨在培养数据分析毕业生，以满足对高级数据科学技能日益增长的需求，并帮助毕业生将数据科学技术应用于组织决策中的知识发现和传播。它还旨在帮助数据分析专业人士提升他们的技术管理和开发技能，并为相关定量领域的学生快速过渡到数据科学职业提供坚实的道路。
特点及课程设置
1 - 探索性数据分析和可视化 - Exploratory Data Analysis and Visualization
2 - 数据科学的研究项目 - Research Projects for Data Science
3 - 统计机器学习I - Statistical Machine Learning I
4 - 统计机器学习II - Statistical Machine Learning II
5 - 存储和检索数据 - Storing and Retrieving Data
6 - 贝叶斯数据分析 - Bayesian Data Analysis
7 - 智慧城市的数据分析 - Data Analytics for Smart Cities
8 - 数据挖掘和知识发现 - Data Mining and Knowledge Discovery
9 - 数据驱动的运营研究 - Data-driven Operations Research
10 - 深度学习 - Deep Learning
11 - 学位论文 - Dissertation
12 - 动态编程和强化学习 - Dynamic Programming and Reinforcement Learning
13 - 实验设计和回归 - Experimental Design and Regression
14 - 电子商务的信息安全 - Information Security for eCommerce
15 - 机器学习：原则与实践 - Machine Learning: Principles and Practice
16 - 规模化的机器学习 - Machine Learning at Scale
17 - 自然语言处理 - Natural Language Processing
18 - 联网生活和数据科学 - Networked Life and Data Science
19 - 在线学习和优化 - Online Learning and Optimization
20 - 数据科学的优化 - Optimization for Data Science
21 - 预测分析和金融应用 - Predictive Analytics and Financial Applications
22 - 增强隐私的技术 - Privacy-enhancing Technologies
23 - 数据科学的社会基础 - Social Foundations of Data Science
24 - 分类数据分析的统计方法 - Statistical Methods for Categorical Data Analysis
25 - 随机优化和在线学习 - Stochastic Optimization and Online Learning
26 - 时间序列和递归神经网络 - Time Series and Recurrent Neural Networks
27 - 金融工程与技术专题 - Topics in Financial Engineering and Technology
2 - 数据科学的研究项目 - Research Projects for Data Science
3 - 统计机器学习I - Statistical Machine Learning I
4 - 统计机器学习II - Statistical Machine Learning II
5 - 存储和检索数据 - Storing and Retrieving Data
6 - 贝叶斯数据分析 - Bayesian Data Analysis
7 - 智慧城市的数据分析 - Data Analytics for Smart Cities
8 - 数据挖掘和知识发现 - Data Mining and Knowledge Discovery
9 - 数据驱动的运营研究 - Data-driven Operations Research
10 - 深度学习 - Deep Learning
11 - 学位论文 - Dissertation
12 - 动态编程和强化学习 - Dynamic Programming and Reinforcement Learning
13 - 实验设计和回归 - Experimental Design and Regression
14 - 电子商务的信息安全 - Information Security for eCommerce
15 - 机器学习：原则与实践 - Machine Learning: Principles and Practice
16 - 规模化的机器学习 - Machine Learning at Scale
17 - 自然语言处理 - Natural Language Processing
18 - 联网生活和数据科学 - Networked Life and Data Science
19 - 在线学习和优化 - Online Learning and Optimization
20 - 数据科学的优化 - Optimization for Data Science
21 - 预测分析和金融应用 - Predictive Analytics and Financial Applications
22 - 增强隐私的技术 - Privacy-enhancing Technologies
23 - 数据科学的社会基础 - Social Foundations of Data Science
24 - 分类数据分析的统计方法 - Statistical Methods for Categorical Data Analysis
25 - 随机优化和在线学习 - Stochastic Optimization and Online Learning
26 - 时间序列和递归神经网络 - Time Series and Recurrent Neural Networks
27 - 金融工程与技术专题 - Topics in Financial Engineering and Technology
