Master of Science στην ανάλυση δεδομένων

Προς υποστήριξη της αποστολής του πανεπιστημίου, το Master of Science in Data Analytics (MSDA) έχει σχεδιαστεί για να απευθύνεται σε ένα ευρύ φάσμα ατόμων. Το πρόγραμμα εξισορροπεί τη θεωρία με την πρακτική προσφέρει ένα εκτεταμένο σύνολο παραδοσιακών και υπερσύγχρονων μαθημάτων και παρέχει την απαραίτητη ευελιξία για να φιλοξενήσει φοιτητές με διάφορα υπόβαθρα, συμπεριλαμβανομένων επαγγελματιών υπολογιστών που θέλουν να διευρύνουν την κατανόησή τους για την ανάλυση δεδομένων, καθώς και μεμονωμένα άτομα των οποίων τα προπτυχιακά δεν είναι στην Επιστήμη των Υπολογιστών αλλά επιθυμούν να διευρύνουν τις γνώσεις τους στο Data Analytics.

Συσχετισμένα μικροδιαπιστευτήρια

• Αναλυτής δεδομένων (DA)
• Κύριος Επιστήμονας Δεδομένων (PDS)
• Big Data Architect (BDA)
• Big Data Analyst (BDA)
• Μηχανικός αποθήκης δεδομένων (DWE)
• Μηχανικός Επιχειρηματικής Ανάλυσης (BAE)

• Σχεδιάστε λογισμικό που εφαρμόζει τεχνικές μοντελοποίησης και ανάλυσης δεδομένων για την επίλυση προβλημάτων του πραγματικού κόσμου χρησιμοποιώντας τεχνικές αιχμής, την επικοινωνία ευρημάτων και την αποτελεσματική παρουσίαση αποτελεσμάτων χρησιμοποιώντας τεχνικές οπτικοποίησης δεδομένων.
• Επίδειξη γνώσης στατιστικών αλγορίθμων στην ανάλυση δεδομένων για βελτιωμένη λήψη αποφάσεων σχεδιασμού.
• Εφαρμόστε κοινωνικές, ηθικές και νομικές αρχές των τεχνολογιών και των εφαρμογών τους στον τομέα της ανάλυσης δεδομένων.
• Επικοινωνήστε αποτελεσματικά ατομικά ή σε διαλειτουργικές ομάδες.

• Αρχιτέκτονας μεγάλων δεδομένων
• Κύριος Επιστήμονας Δεδομένων
• Μηχανικός Αποθήκης Δεδομένων
• Αναλυτής διαχείρισης
• Επιστήμονας δεδομένων
• Μηχανικός δεδομένων
• Ερευνητικός αναλυτής – τμήμα επιστήμης δεδομένων
• Εκπαιδευτής σε κολέγιο ή πανεπιστήμιο διδάσκοντας Data Analytics εκτός από μαθήματα Πληροφορικής.

Το πτυχίο Master in Data Analytics απαιτεί συμπλήρωση 36 μονάδων. Οι μαθητές θα λάβουν 12 μονάδες βασικών μαθημάτων που είναι κοινά με όλα τα προγράμματα, 6 μονάδες για αιτήσεις σταδιοδρομίας και 18 μονάδες στην περιοχή περιεχομένου Data Analytics.

Προϋποθέσεις προγράμματος

Όλοι οι νέοι μαθητές του προγράμματος Data Analytics χρειάζονται ορισμένες βασικές δεξιότητες για να τους προετοιμάσουν για επιτυχία στο Πρόγραμμα Data Analytics. Ένα πτυχίο Data Analytics παρέχει μια ευρεία κατανόηση της θεωρίας και της τεχνολογίας της επιστήμης των υπολογιστών. Οι μαθητές που δεν έχουν το απαιτούμενο υπόβαθρο πρέπει να λάβουν μερικά ή όλα τα προαπαιτούμενα πριν παρακολουθήσουν τα βασικά μαθήματα. Έτσι, για να είναι επιτυχημένοι, οι μαθητές πρέπει να έχουν ένα υπόβαθρο στα ακόλουθα μαθήματα.

• COMP 109 Αλγόριθμος Υπολογιστών και Λογική Προγραμματισμού με χρήση Python
• COMP 260 Εισαγωγή στα λειτουργικά συστήματα
• COMP 270 Essentials of Networking
• COMP 329 Δομές Δεδομένων και Ανάλυση Αλγορίθμων
• Έννοιες βάσης δεδομένων COMP 350

Βασικά Μαθήματα (4 βασικά μαθήματα- 12 Μονάδες)

Αυτά τα μαθήματα παρέχουν ένα εύρος θεμελιωδών γνώσεων για την εφαρμογή διεπαφών υπολογιστών, σχεδιασμό λογισμικού, επικοινωνία μεταξύ συστημάτων και τρόπο διαχείρισης συστημάτων πληροφορικής. Όλα αυτά είναι κρίσιμα στοιχεία για τους επαγγελματίες πληροφορικής ώστε να εφαρμόσουν αυτά τα δομικά στοιχεία σε οποιοδήποτε δεδομένο σύστημα ή έργο.

• COMP 501 Προηγμένα λειτουργικά συστήματα
• COMP 502 Σχεδιασμός και Ανάλυση Αλγορίθμων
• COMP 503 Δικτύωση και Τηλεπικοινωνίες
• COMP 504 Συστήματα Διαχείρισης Βάσεων Δεδομένων

Μαθήματα Εφαρμογής (2 Μαθήματα – 6 Μονάδες)

Αυτά τα μαθήματα προσφέρουν μια ευκαιρία στους φοιτητές να εφαρμόσουν όσα έμαθαν σε όλο το πρόγραμμα σε ένα πρακτικό έργο ή σε μια διατριβή μεταπτυχιακού. Ενώ το πρακτικό έργο προβλέπει την εφαρμογή της γνώσης που αποκτήθηκε σε όλο το πρόγραμμα και θα αντιπροσώπευε εργασία που θα μπορούσε να αποδείξει την ετοιμότητα σταδιοδρομίας σε πιθανούς εργοδότες, η διατριβή θα χρησιμεύσει γενικά για την επίδειξη του ερευνητικού δυναμικού ενός φοιτητή και θα μπορούσε να χρησιμοποιηθεί για την απόδειξη ετοιμότητας για διδακτορική εργασία. Ανεξάρτητα από την επιλογή, οι μαθητές θα επιδείξουν βασικές ερευνητικές γνώσεις και ικανότητες, οι οποίες θα χρησιμοποιηθούν για την ολοκλήρωση είτε του έργου είτε της διατριβής.

• COMP 505 Μέθοδοι Έρευνας
• Επιλέξτε Ένα από τα παρακάτω:
  • COMP 682 Data Analytics Capstone Project
  • COMP 698 Μεταπτυχιακή Διατριβή

Μαθήματα εξειδίκευσης (οποιαδήποτε 6 μαθήματα – 18 πιστωτικές μονάδες)

Αυτά τα προχωρημένα μαθήματα καλύπτουν το βάθος των θεμάτων που σχετίζονται με την Ανάλυση Δεδομένων και επιτρέπουν στους μαθητές να αναπτύξουν τις γνώσεις τους με βάση τις επιδιωκόμενες επαγγελματικές τους τροχιές.

• COMP 523 Αρχές μεγάλων δεδομένων
• COMP 524 Εφαρμογές μεταδεδομένων σε σύνθετα προβλήματα μεγάλων δεδομένων
• COMP 525 Ο ρόλος του Analytics στη λήψη αποφάσεων
• COMP 528 Data Analytics Foundation
• COMP 529 Information Fusion
• COMP 531 Algorithms for Data Analytics
• COMP 542 Αριθμητική Ανάλυση
• COMP 543 Κατανεμημένος Υπολογισμός Εντασης Δεδομένων
• COMP 544 Ειδικά Θέματα στην Επιστήμη των Δεδομένων
• COMP 596 Πρακτική Άσκηση Ι στην Ανάλυση Δεδομένων
• COMP 626 Web Analytics
• COMP 627 Περιγραφικά και Προγνωστικά Αναλυτικά Εργαλεία
• COMP 628 Ειδικά θέματα στην ανάλυση δεδομένων
• COMP 629 Απόρρητο και ασφάλεια στα μεγάλα δεδομένα
• COMP 630 Αναλύσεις κειμένου
• COMP 631 Cloudera Certified Associate (CCA) Data Analyst
• COMP 632 Microsoft Certified Azure Data Scientist Associate
• COMP 696 Πρακτική Άσκηση ΙΙ στην Ανάλυση Δεδομένων

Σημείωση: Οι σπουδαστές που επιθυμούν να παρακολουθήσουν ένα μάθημα που προσφέρεται από άλλο πρόγραμμα μπορούν να ζητήσουν να το κάνουν στον σύμβουλό τους παρέχοντας αιτιολόγηση για τη συνάφεια της προσθήκης ως μέρος της επαγγελματικής τους πορείας, του σχεδίου συμβουλευτικής που επιδιώκουν ή/και του προσωπικού τους ενδιαφέροντος. Μπορούν να εφαρμοστούν έως 2 μαθήματα από άλλο πρόγραμμα.