
MS in Data Science
VARIGHET
3 Semesters
SPRÅK
Engelsk
TEMPO
Fulltid, Deltid
SØKNADSFRIST
Frist for å be om søknad
TIDLIGSTE STARTDATO
Be om tidligste startdato
STUDIEAVGIFT
USD 1 885 / per credit
STUDIEFORMAT
På universitetsområdet
Introduksjon
Med utgangspunkt i statistikk, informatikk og matematikk, fokuserer Master of Science i datavitenskap på effektiv bruk av et stort utvalg informasjon hentet fra natur- og samfunnsvitenskap. På grunn av den tverrfaglige karakteren til læreplanen og unik tilgang til samarbeidende eksterne byråer og organisasjoner, tilbyr programmet en rik, praktisk opplevelse.
Studentene er utstyrt med de nyeste verktøyene for analyse og datavisualisering og er fordypet i komplekse emner, for eksempel hvordan man identifiserer mønstre fra store datamengder. Kursene dekker også maskinlæring og programmeringsspråk Python, JavaScript og R.
Opptak
Læreplan
Data Science avdelingskurs
- DATS 6101 Introduksjon til datavitenskap
- DATS 6102 Datavarehousing og analyse
- DATS 6103 Introduksjon til datamining
- DATS 6201 Numerisk lineær algebra og optimalisering
- DATS 6202 Machine Learning I
- DATS 6203 Machine Learning II
- DATS 6401 Visualisering av komplekse data
- DATS 6402 Computing og parallell databehandling med høy ytelse
- DATS 6450 Temaer i datavitenskap
Eksempler på kurs som skal velges i samråd med rådgiveren din
- MATH 6522 Introduksjon til numerisk analyse
- STAT 6207 Metoder for statistisk databehandling
- STAT 6214 anvendte lineære modeller
- STAT 6242 Regresjonsgrafikk / Ikke-parametrisk regresjon
- ECON 8375 Econometrics I
- ECON 8376 Econometrics II
- ECON 8377 Econometrics III
- ECON 8378 Økonomisk prognose
- GEOG 6304 Geografiske informasjonssystemer I
- GEOG 6306 Geografiske informasjonssystemer II
- GEOG 6307 Digital bildebehandling
- PSC 8120 ikke-lineære modeller
- PSC 8132 Nettverksanalyse
- PSC 8185 Temaer i empirisk og formell politisk analyse
Capstone Project
Som en kulminasjon på masterstudiet, registrerer studentene seg for et tre-studiepoeng-steinkurs og bruker siste semester på å bruke ferdighetene og kunnskapene de lærte i dataanalyse. Som referanse, jobber studentene i grupper med praktisk anvendelse av datavitenskapelige prinsipper. Capstone teamprosjekter velges i samråd med kurslæreren.
Programresultat
Læringsmål
Studenter som fullfører MS i datavitenskap er utstyrt for å bruke datavitenskapelige teknikker for å løse problemer i den virkelige verden, kommunisere funn og effektivt presentere disse funnene ved hjelp av datavisualiseringsverktøy.
Nærmere bestemt uteksamineres studenter med:
- Grundig arbeidskunnskap om statistiske dataanalyseteknikker
- Erfaring med programvareverktøy for datautvinning
- Erfaring med banebrytende verktøy og teknologier for å analysere big data
- Praktiske ferdigheter for å visualisere og transformere data
- Kommunikasjonsevner og å jobbe effektivt i team
Fokusområder
Både mastergraden og graduate sertifikatprogrammet kombinerer kurs fra fire områder:
- Metoder: Grunnleggende om datahåndtering og dataanalyse; dyp ekspertise i programmeringsspråkene som er essensielle for datavitenskap, inkludert Python, JavaScript og R
- Søknader: Valgfag i datavitenskap brukt på et spesifikt kunnskapsdomene, for eksempel astrofysikk, statsvitenskap og geografi
- Ferdigheter: Teamarbeid, prosjektledelse og kommunikasjonsevner
- Teknologi: Praktisk eksponering for data og visualiseringsprogramvare og språk
English Language Requirements
Sertifiser dine engelskkunnskaper med Duolingo English Test! DET er en praktisk, rask og rimelig online engelsktest akseptert av over 4000 universiteter (som dette) rundt om i verden.