MSc Data Science
Middlesex University Dubai
Πληροφορία κλειδί
Τοποθεσία πανεπιστημιούπολης
Dubai, Ηνωμένα Αραβικά Εμιράτα
Γλώσσες
Αγγλικά
Μορφή μελέτης
Στην Πανεπιστημιούπολη
Διάρκεια
1 - 2 έτος
Βήμα
Πλήρης απασχόληση, Μερικής απασχόλησης
Δίδακτρα
AED 64.600 *
Προθεσμία εφαρμογής
Ζητήστε πληροφορίες
Πρωιμότερη ημερομηνία έναρξης
Jan 2025
* συνολική αμοιβή
Υποτροφίες
Εξερευνήστε ευκαιρίες για υποτροφίες για να βοηθήσετε στη χρηματοδότηση των σπουδών σας
Εισαγωγή
Ο ρόλος ενός επιστήμονα δεδομένων γίνεται γρήγορα μια απαιτούμενη θέση για κάθε εταιρεία που επιθυμεί να επωφεληθεί πλήρως από τα δεδομένα που συλλέγει. Υπάρχει αυξημένη ζήτηση για επαγγελματίες που έχουν το σωστό μίγμα των μαθηματικών, των στατιστικών, της επιστήμης των υπολογιστών, της επιχειρηματικότητας και της ικανότητας μόχλευσης των αναδυόμενων τεχνολογιών για την επίλυση προβλημάτων πραγματικής ζωής.
Κύρια σημεία του μαθήματος
Αυτό το πρακτικό πρόγραμμα συνδυάζει την πρακτική με τη θεωρία για να εξοπλίσει τους μαθητές με τις δεξιότητες, τις γνώσεις και την εμπειρία για να ακολουθήσουν μια καριέρα στην Data Science. Περιλαμβάνει σημαντικό χρόνο εργασίας σε εργαστήρια υπό την επίβλεψη του διδακτικού προσωπικού εμπειρογνωμόνων, πολλοί από τους οποίους εργάστηκαν στη βιομηχανία και είναι κορυφαίοι εμπειρογνώμονες στην περιοχή. Οι μαθητές θα εκτίθενται σε σύγχρονη ερευνητική δραστηριότητα αιχμής στο πλαίσιο της επιστήμης των δεδομένων που θα εξοπλίζει τους φοιτητές με προσανατολισμό στην έρευνα με τη δυνατότητα να ακολουθήσουν μια ερευνητική σταδιοδρομία και, ειδικότερα, την περαιτέρω διδακτορική διατριβή.
Περιεχόμενο προγράμματος
Εστιάζοντας στους αλληλένδετους τομείς της μηχανικής μάθησης, της οπτικής ανάλυσης και της διακυβέρνησης των δεδομένων, το πρόγραμμα στοχεύει στην επίτευξη ισορροπίας μεταξύ θεωρητικών θεμάτων, πρακτικής πρακτικής εμπειρίας και απόκτησης βιομηχανικά σχετικών γλωσσών και πακέτων. Οι μαθητές θα διερευνήσουν τις θεωρητικές έννοιες ενώ θα αποκτήσουν πρακτική εμπειρία, διασφαλίζοντας ότι έχουν τη βασική βάση δεξιοτήτων για να αποκτήσουν μια βασική κατανόηση που θα είναι άμεσα εφαρμόσιμη για μια καριέρα στην επιστήμη των δεδομένων. Τα θέματα θα περιλαμβάνουν εφαρμοσμένη ανάλυση δεδομένων, πρακτικό χειρισμό μεγάλων δεδομένων και διανομή cloud, καθώς και νομικές, ηθικές και πτυχές ασφάλειας της διαχείρισης δεδομένων. Οι μαθητές θα αποκτήσουν επίσης μια εικόνα για το πώς διάφοροι επιχειρηματικοί τομείς (Ανθρώπινο Δυναμικό, Χρηματοοικονομικά, Μάρκετινγκ και άλλοι), χρησιμοποιούν την Επιστήμη Δεδομένων για να αντιμετωπίσουν επιχειρηματικά ζητήματα.
Σημείωση: Τα βασικά και τα προαιρετικά στοιχεία ενημερώνονται συνεχώς και υπόκεινται σε έλεγχο. Όπως συμβαίνει με τα περισσότερα ακαδημαϊκά προγράμματα, παρακαλούμε να θυμάστε ότι είναι πιθανό ότι μια ενότητα μπορεί να μην προσφέρεται σε ένα συγκεκριμένο έτος, για παράδειγμα, επειδή πολύ λίγοι μαθητές επιλέγουν αυτό. Το Middlesex University διατηρεί το δικαίωμα να διαφοροποιεί ή να αποσύρει οποιοδήποτε μάθημα ή ενότητα.
- Μοντελοποίηση, παλινδρόμηση και μηχανική μάθηση (30 μονάδες) - Υποχρεωτική
- Ανάλυση οπτικών δεδομένων (30 μονάδες) - Υποχρεωτικό
- Εφαρμοσμένη ανάλυση δεδομένων: Εργαλεία, πρακτική διαχείριση μεγάλων δεδομένων, διανομή σε νέφη (30 μονάδες) - Υποχρεωτική
- Νομική, Ηθική και Ασφάλεια της Διαχείρισης Δεδομένων (30 Credits) - Υποχρεωτικό
- Ατομικό Πρόγραμμα Επιστήμης Δεδομένων (60 Credits) - Υποχρεωτικό
Chris Liverani / Unsplash
Διδασκαλία
Το μάθημα διδάσκεται μέσα από μια σειρά από πρακτικά εργαστήρια, καθώς και από αυτο-κατευθυνόμενη μελέτη και μάθηση βάσει σχεδίου. Δεν θα υπάρξουν επίσημες διαλέξεις καθώς όλο το περιεχόμενο του μαθήματος θα ενσωματωθεί στις συνεδρίες του εργαστηρίου. Εξειδικευμένες εγκαταστάσεις έχουν αναπτυχθεί στην πανεπιστημιούπολη αποκλειστικά για αυτό το πτυχίο και θα διδαχθούν πώς να τα χρησιμοποιήσουν από ένα αριθμό έμπειρων στελεχών.
Προυποθέσεις εισόδου
Ακαδημαϊκές απαιτήσεις
- Ένα πτυχίο Honors που κανονικά έχει ταξινομηθεί 2.2 ή μεγαλύτερο, ή ισοδύναμο, στη μηχανική, την επιστήμη των υπολογιστών ή οποιαδήποτε πειθαρχία αριθμητική.
- Οι υποψήφιοι με άλλα πτυχία είναι ευπρόσδεκτοι να υποβάλουν αίτηση εφόσον μπορούν να αποδείξουν τα κατάλληλα επίπεδα σχετικής εμπειρίας
- Οι υποψήφιοι χωρίς επίσημα προσόντα πρέπει να αποδείξουν σχετική εμπειρία στον τομέα και την ικανότητα σπουδών σε μεταπτυχιακό επίπεδο.
Απαιτήσεις Αγγλικής Γλώσσας (Μεταπτυχιακό)
Όλα τα προγράμματα στο Middlesex University Dubai διδάσκονται στα αγγλικά και οι υποψήφιοι που έχουν προηγούμενη εκπαίδευση εκτός των αγγλόφωνων χωρών (όπως το Ηνωμένο Βασίλειο, οι Ηνωμένες Πολιτείες, ο Καναδάς, η Αγγλία, η Ιρλανδία, η Αυστραλία, η Νέα Ζηλανδία) :
- IELTS Academic: 6.5 (τουλάχιστον 6.0 σε κάθε ζώνη)
- TOEFL με βάση το Διαδίκτυο: 87 (21 σε ακρόαση και γραφή, 22 στην ομιλία και 23 στην ανάγνωση)
- PearsonPTE Academic: 58
Μελλοντικές σταδιοδρομίες και απασχολησιμότητα
Ο ρόλος εργασίας ενός Data Scientist είναι πλέον κοινός και αντικατοπτρίζει την αυξημένη βιομηχανική ζήτηση. το ίδιο το μάθημα έχει σχεδιαστεί για να ανταποκρίνεται στις προδιαγραφές ενός Data Scientist. Οι εκθέσεις δείχνουν ότι οι δεξιότητες μηχανικής μάθησης, μεγάλων δεδομένων και επιστήμης των δεδομένων είναι ιδιαίτερα απαιτητικές, δημιουργώντας ένα σημαντικό αριθμό θέσεων εργασίας που σχετίζονται με δεδομένα έως το 202. Οι απόφοιτοι του προγράμματος θα είναι καλά εξοπλισμένοι για σταδιοδρομία, δεδομένου ότι οι επιστήμονες δεδομένων σε μια σειρά βιομηχανιών - δημόσιο και ιδιωτικό τομέα.
Εκθεσιακός χώρος
Εισαγωγές
Διδακτέα ύλη
Περιεχόμενο προγράμματος
Εστιάζοντας στους αλληλένδετους τομείς της μηχανικής μάθησης, της οπτικής ανάλυσης και της διακυβέρνησης των δεδομένων, το πρόγραμμα στοχεύει στην επίτευξη ισορροπίας μεταξύ θεωρητικών θεμάτων, πρακτικής πρακτικής εμπειρίας και απόκτησης βιομηχανικά σχετικών γλωσσών και πακέτων. Οι μαθητές θα διερευνήσουν τις θεωρητικές έννοιες ενώ θα αποκτήσουν πρακτική εμπειρία, διασφαλίζοντας ότι έχουν τη βασική βάση δεξιοτήτων για να αποκτήσουν μια βασική κατανόηση που θα είναι άμεσα εφαρμόσιμη για μια καριέρα στην επιστήμη των δεδομένων. Τα θέματα θα περιλαμβάνουν εφαρμοσμένη ανάλυση δεδομένων, πρακτικό χειρισμό μεγάλων δεδομένων και διανομή cloud, καθώς και νομικές, ηθικές και πτυχές ασφάλειας της διαχείρισης δεδομένων. Οι μαθητές θα αποκτήσουν επίσης μια εικόνα για το πώς διάφοροι επιχειρηματικοί τομείς (Ανθρώπινο Δυναμικό, Χρηματοοικονομικά, Μάρκετινγκ και άλλοι), χρησιμοποιούν την Επιστήμη Δεδομένων για να αντιμετωπίσουν επιχειρηματικά ζητήματα.
Σημείωση: Τα βασικά και τα προαιρετικά στοιχεία ενημερώνονται συνεχώς και υπόκεινται σε έλεγχο. Όπως συμβαίνει με τα περισσότερα ακαδημαϊκά προγράμματα, παρακαλούμε να θυμάστε ότι είναι πιθανό ότι μια ενότητα μπορεί να μην προσφέρεται σε ένα συγκεκριμένο έτος, για παράδειγμα, επειδή πολύ λίγοι μαθητές επιλέγουν αυτό. Το Middlesex University διατηρεί το δικαίωμα να διαφοροποιεί ή να αποσύρει οποιοδήποτε μάθημα ή ενότητα.
- Μοντελοποίηση, παλινδρόμηση και μηχανική μάθηση (30 μονάδες) - Υποχρεωτική
- Ανάλυση οπτικών δεδομένων (30 μονάδες) - Υποχρεωτικό
- Εφαρμοσμένη ανάλυση δεδομένων: Εργαλεία, πρακτική διαχείριση μεγάλων δεδομένων, διανομή σε νέφη (30 μονάδες) - Υποχρεωτική
- Νομική, Ηθική και Ασφάλεια της Διαχείρισης Δεδομένων (30 Credits) - Υποχρεωτικό
- Ατομικό Πρόγραμμα Επιστήμης Δεδομένων (60 Credits) - Υποχρεωτικό
Ευκαιρίες καριέρας
Ο εργασιακός ρόλος ενός Επιστήμονα Δεδομένων είναι πλέον κοινός και αντανακλά την αυξημένη βιομηχανική ζήτηση. το ίδιο το μάθημα έχει σχεδιαστεί για να καλύψει τις προδιαγραφές ενός Επιστήμονα Δεδομένων. Οι εκθέσεις δείχνουν ότι οι δεξιότητες μηχανικής μάθησης, μεγάλων δεδομένων και επιστήμης δεδομένων έχουν μεγάλη ζήτηση, δημιουργώντας σημαντικό αριθμό θέσεων εργασίας που σχετίζονται με δεδομένα έως το 202. Οι απόφοιτοι του προγράμματος θα είναι καλά εξοπλισμένοι για σταδιοδρομία ως Επιστήμονες Δεδομένων σε μια σειρά βιομηχανιών – και οι δύο δημόσιο και ιδιωτικό τομέα.
Σχετικά με το Σχολείο
Ερωτήσεις
Παρόμοια Μαθήματα
Μεταπτυχιακό στη Επιστήμη των Υπολογιστών (MSc) - Data Science & Analytics
- Paris, Γαλλία
Master of Learning Analytics (Έρευνα)
- Sydney, Αυστραλία
- Moore Park, Αυστραλία + 2 περισσότερο
Master of Data Analytics
- Brisbane, Αυστραλία