你是否对分析消费者交易感兴趣, 微博, 通话数据记录, 或者创造令人惊叹的视觉效果, 你会发现,我们的数据科学课程涵盖的概念和技术将在劳动力中就业或为研究生学习奠定基础.
关于数据科学的集中领域
数据科学是由计算机科学融合而成的跨学科领域, 统计学和数学,旨在通过揭示隐藏在被称为大数据的大型数据集中的信息来解决复杂问题. 随着当今的业务和IT系统不断产生大量和不断增长的数字数据, 对数据科学家的需求比以往任何时候都要大.
集中的领域开始与课程,形成基础知识和技能的数学, 统计数据, 计算机编程, 数据库和数据修改, 然后是更高级的统计模型课程, 算法, 分布式计算, 软件工程和机器学习. 然后,学生将在他们感兴趣的任何领域完成数据科学的高级论文. 他们也可以在一个或多个教师的指导下从事跨学科领域的研究.
特色课程
应用机器学习
DST 4007
监督学习和非监督学习的基本原理,重点是处理真实数据. 介绍贝叶斯分析. 具体学习范例的实施包括, 回归, 聚类, 随机森林, 支持向量机, 核方法和神经网络.
数据科学课程
最近的课程
- 数据科学算法
- 应用机器学习
- 数据科学中的分布式计算
- 数据科学的分布式系统
职业生涯路径
- 研究员
- 数据科学家
- 机器学习工程师
- 应用程序架构师
- 数据架构师
- 商业智能开发人员
- 统计学家
- 数据分析师
新博网页
位置
办公室
Heiser自然科学大楼172C
数据科学学院
-
梅丽莎·克劳 统计学讲师
-
大卫·吉尔曼 计算机科学副教授
-
帕特里克·麦克唐纳 数学教授
-
Dr. 蒂亚戈·佩雷斯 数据科学助理教授
-
艾利尼·Poimenidou 数学教授
-
Dr. 塔尼亚罗伊 以人为中心计算助理教授
-
安德烈Skripnikov 应用统计学助理教授