MS Data Science
The George Washington University - Columbian College of Arts & Sciences
Klucz informacyjny
Wybierz lokalizację
Lokalizacja kampusu
Washington, Stany Zjednoczone
Języki
Język angielski
Forma badania
W kampusie
Czas trwania
3 semesters
Tempo
Pełny etat, Niepełny etat
Czesne
USD 1885 / per credit *
Termin składania wniosków
Poproś o informacje
Najwcześniejsza data rozpoczęcia
Poproś o informacje
* za kredyt. Mogą obowiązywać dodatkowe opłaty
Wstęp
Opierając się na statystykach, informatyce i matematyce, Master of Science in Data Science koncentruje się na efektywnym wykorzystaniu szerokiej gamy informacji zaczerpniętych z nauk przyrodniczych i społecznych. Ze względu na interdyscyplinarny charakter programu nauczania i wyjątkowy dostęp do współpracujących agencji i organizacji zewnętrznych, program oferuje bogate, praktyczne doświadczenie.
Studenci są wyposażeni w najnowsze narzędzia do analizy i wizualizacji danych i są zanurzeni w złożonych tematach, takich jak identyfikowanie wzorców z dużych obszarów danych. Kursy obejmują również uczenie maszynowe oraz języki programowania Python, JavaScript i R.
Rekrutacja
Program
Kursy działu danych
- DATS 6101 Wprowadzenie do Data Science
- DATS 6102 Hurtownie danych i analityka
- DATS 6103 Wprowadzenie do eksploracji danych
- DATS 6201 Numeryczna algebra liniowa i optymalizacja
- DATS 6202 Uczenie maszynowe I
- DATS 6203 Machine Learning II
- DATS 6401 Wizualizacja złożonych danych
- DATS 6402 Obliczenia o wysokiej wydajności i obliczenia równoległe
- DATS 6450 Tematy w Data Science
Przykłady kursów do wyboru w porozumieniu z doradcą
- MATH 6522 Wprowadzenie do analizy numerycznej
- STAT 6207 Metody obliczeń statystycznych
- Zastosowane modele liniowe STAT 6214
- STAT 6242 Grafika regresji / regresja nieparametryczna
- ECON 8375 Ekonometria I
- ECON 8376 Ekonometria II
- ECON 8377 Ekonometria III
- ECON 8378 Prognozy ekonomiczne
- GEOG 6304 Systemy informacji geograficznej I
- GEOG 6306 Systemy informacji geograficznej II
- GEOG 6307 Cyfrowe przetwarzanie obrazu
- Modele nieliniowe PSC 8120
- Analiza sieci PSC 8132
- PSC 8185 Tematy w empirycznej i formalnej analizie politycznej
Projekt Capstone
Jako zwieńczenie programu magisterskiego studenci zapisują się na trzypunktowy kurs zwieńczenia i spędzają ostatni semestr na stosowaniu umiejętności i wiedzy, których nauczyli się podczas analizy danych. Zwieńczeniem jest praca w grupach nad praktycznym zastosowaniem zasad nauki o danych. Projekty zespołu Capstone wybierane są w porozumieniu z instruktorem kursu.
Wynik programu
Cele kształcenia
Studenci, którzy ukończyli studia magisterskie w zakresie nauki o danych, są przygotowani do stosowania technik analizy danych do rozwiązywania rzeczywistych problemów, przekazywania wyników i skutecznego prezentowania tych wyników za pomocą narzędzi do wizualizacji danych.
W szczególności studenci kończą studia z:
- Gruntowna praktyczna znajomość technik analizy danych statystycznych
- Doświadczenie z narzędziami do eksploracji danych
- Doświadczenie z najnowocześniejszymi narzędziami i technologiami do analizy dużych zbiorów danych
- Praktyczne umiejętności wizualizacji i przekształcania danych
- Komunikatywność i efektywna praca w zespołach
Obszary skupienia
Zarówno tytuł magistra, jak i program świadectw dla absolwentów łączą kursy z czterech obszarów:
- Metody: Podstawy zarządzania danymi i analityki danych; głęboka wiedza specjalistyczna w językach programowania niezbędnych do nauki o danych, w tym Python, JavaScript i R
- Zastosowania: zajęcia do wyboru z nauki o danych stosowane w określonej dziedzinie wiedzy, takiej jak astrofizyka, politologia i geografia
- Umiejętności: Umiejętność pracy w zespole, zarządzania projektami, komunikatywność
- Technologia: praktyczna ekspozycja na dane i oprogramowanie do wizualizacji oraz języki