MS Data Science

Με βάση τη στατιστική, την επιστήμη των υπολογιστών και τα μαθηματικά, το Master of Science in Data Science εστιάζει στην αποτελεσματική χρήση μιας τεράστιας σειράς πληροφοριών που προέρχονται από τις φυσικές και κοινωνικές επιστήμες. Λόγω της διεπιστημονικής φύσης του προγράμματος σπουδών και της μοναδικής πρόσβασης σε συνεργατικούς εξωτερικούς φορείς και οργανισμούς, το πρόγραμμα προσφέρει μια πλούσια, πρακτική εμπειρία.

Οι μαθητές είναι εξοπλισμένοι με τα πιο πρόσφατα εργαλεία ανάλυσης και οπτικοποίησης δεδομένων και βυθίζονται σε πολύπλοκα θέματα, όπως ο τρόπος αναγνώρισης μοτίβων από μεγάλες ποσότητες δεδομένων. Τα μαθήματα καλύπτουν επίσης τη μηχανική εκμάθηση και τις γλώσσες προγραμματισμού Python, JavaScript και R.

Μαθήματα Τμήματος Επιστήμης Δεδομένων

• DATS 6101 Εισαγωγή στην Επιστήμη των Δεδομένων
• DATS 6102 Data Warehousing και Analytics
• DATS 6103 Εισαγωγή στην Εξόρυξη Δεδομένων
• DATS 6201 Αριθμητική Γραμμική Άλγεβρα και Βελτιστοποίηση
• DATS 6202 Εκμάθηση Μηχανών I
• DATS 6203 Machine Learning II
• DATS 6401 Οπτικοποίηση σύνθετων δεδομένων
• DATS 6402 Υπολογισμός υψηλής απόδοσης και παράλληλη υπολογιστική
• DATS 6450 Θέματα στην Επιστήμη των Δεδομένων

Παραδείγματα μαθημάτων που θα επιλεγούν σε συνεννόηση με τον σύμβουλό σας

• MATH 6522 Εισαγωγή στην Αριθμητική Ανάλυση
• STAT 6207 Μέθοδοι Στατιστικής Πληροφορικής
• STAT 6214 Εφαρμοσμένα γραμμικά μοντέλα
• STAT 6242 Γραφικά παλινδρόμησης / μη παραμετρική παλινδρόμηση
• ECON 8375 Οικονομετρία Ι
• ECON 8376 Οικονομετρία ΙΙ
• ECON 8377 Οικονομετρία ΙΙΙ
• Οικονομική πρόβλεψη ECON 8378
• GEOG 6304 Γεωγραφικά Συστήματα Πληροφοριών Ι
• GEOG 6306 Γεωγραφικά Συστήματα Πληροφοριών II
• GEOG 6307 Ψηφιακή επεξεργασία εικόνας
• PSC 8120 Μη γραμμικά μοντέλα
• Ανάλυση δικτύου PSC 8132
• PSC 8185 Θέματα στην εμπειρική και επίσημη πολιτική ανάλυση

Πρόγραμμα Capstone

Ως αποκορύφωμα του μεταπτυχιακού προγράμματος, οι φοιτητές εγγράφονται σε κύριο κύκλο τριών πιστωτικών μονάδων και περνούν το τελευταίο τους εξάμηνο εφαρμόζοντας τις δεξιότητες και τις γνώσεις που έμαθαν στην ανάλυση δεδομένων. Για την κορυφή, οι μαθητές εργάζονται σε ομάδες για μια πρακτική εφαρμογή των αρχών της επιστήμης των δεδομένων. Τα έργα της ομάδας Capstone επιλέγονται σε συνεννόηση με τον εκπαιδευτή του μαθήματος.

Στόχοι μάθησης

Οι μαθητές που ολοκληρώνουν το MS στην Επιστήμη Δεδομένων είναι εξοπλισμένοι να εφαρμόζουν τεχνικές επιστήμης δεδομένων για την επίλυση προβλημάτων του πραγματικού κόσμου, την επικοινωνία των ευρημάτων και την αποτελεσματική παρουσίαση αυτών των ευρημάτων χρησιμοποιώντας εργαλεία οπτικοποίησης δεδομένων.

Συγκεκριμένα, οι φοιτητές αποφοιτούν με:

• Άριστη γνώση τεχνικών ανάλυσης στατιστικών δεδομένων
• Εμπειρία με εργαλεία λογισμικού εξόρυξης δεδομένων
• Εμπειρία με εργαλεία και τεχνολογίες αιχμής για την ανάλυση μεγάλων δεδομένων
• Πρακτικές δεξιότητες οπτικοποίησης και μετατροπής δεδομένων
• Επικοινωνιακές δεξιότητες και αποτελεσματική εργασία σε ομάδες

Περιοχές εστίασης

Τόσο το μεταπτυχιακό όσο και το μεταπτυχιακό πρόγραμμα πιστοποιητικού συνδυάζουν μαθήματα από τέσσερις τομείς:

• Μέθοδοι: Βασικά στοιχεία διαχείρισης δεδομένων και ανάλυση δεδομένων. βαθιά εξειδίκευση στις γλώσσες προγραμματισμού που είναι απαραίτητες για την επιστήμη των δεδομένων, συμπεριλαμβανομένων των Python, JavaScript και R
• Εφαρμογές: Μαθήματα επιλογής στην επιστήμη των δεδομένων που εφαρμόζονται σε συγκεκριμένο γνωστικό πεδίο, όπως η αστροφυσική, η πολιτική επιστήμη και η γεωγραφία
• Δεξιότητες: Ομαδική εργασία, διαχείριση έργου και δεξιότητες επικοινωνίας
• Τεχνολογία: Πραγματική έκθεση σε δεδομένα και λογισμικό οπτικοποίησης και γλώσσες