University of St Andrews - Online

ThS / PGDip / PGCert trong Khoa học dữ liệu - Trực tuyến

Những người học chương trình Thạc sĩ sẽ phải học các học phần bắt buộc và một học phần tùy chọn.

Những người học để lấy bằng PGCert phải học bốn học phần, trong khi những người học để lấy bằng PGDip phải học tám học phần.

Thạc sĩ

Mô-đun bắt buộc

Mô hình hóa và mô phỏng hệ thống phức tạp

Giới thiệu một loạt các kỹ thuật và ứng dụng của chúng cho các loại vấn đề khác nhau, tập trung thực tế vào các mô hình và mô phỏng dựa trên mạng hiện đại.

Hình ảnh hóa dữ liệu và thông tin

Tập trung vào câu hỏi làm thế nào để sử dụng các hình ảnh trực quan để giúp thông tin có thể tiếp cận được để khám phá và phân tích.

Hệ thống dựa trên dữ liệu

Đây là mô-đun nghiên cứu nâng cao, trình bày nền tảng của các hệ thống phân tán và kỹ thuật xử lý dữ liệu.

Tối ưu hóa rời rạc

Bao gồm lý thuyết, công cụ và công nghệ được phát triển và sử dụng để giải quyết các vấn đề trong Lập trình số nguyên và Tối ưu hóa tổ hợp.

Học máy từ đầu đến cuối

Tập trung vào việc sử dụng các gói Python để thực hiện phân tích dữ liệu toàn diện.

Thuật toán học máy

Bao gồm lý thuyết và thuật toán thiết yếu, bao gồm nền tảng toán học và phương pháp tiếp cận, sử dụng nhiều phương pháp hồi quy, phân loại và không giám sát.

Lập trình bằng Python

Giới thiệu và sửa đổi mô hình hóa, thiết kế và triển khai trong Python.

Các module tùy chọn

Tối ưu hóa số

Lấy đại số tuyến tính và tối ưu hóa làm chủ đề quan tâm chính và giải pháp cho các vấn đề học máy là ứng dụng của các công cụ, kỹ thuật và thuật toán thu được.

Phương pháp nghiên cứu trong khoa học dữ liệu

Giới thiệu các kỹ năng cần thiết cho các giai đoạn lập kế hoạch, thu thập dữ liệu, phân tích dữ liệu và phổ biến nghiên cứu Khoa học Dữ liệu.

Dự án luận văn

Ngoài ra, sinh viên sẽ nộp luận văn về Khoa học dữ liệu, bao gồm một hiện vật phần mềm chi tiết triển khai và đánh giá quy trình làm việc và mô tả chi tiết về hiện vật và bối cảnh của nó trong lĩnh vực nghiên cứu. Mô-đun này bao gồm liên hệ trực tiếp thường xuyên với Giám sát viên học thuật.

PGCert, PGDip

Mô hình hóa và mô phỏng hệ thống phức tạp

Giới thiệu một loạt các kỹ thuật và ứng dụng của chúng cho các loại vấn đề khác nhau, tập trung thực tế vào các mô hình và mô phỏng dựa trên mạng hiện đại.

Hình ảnh hóa dữ liệu và thông tin

Tập trung vào câu hỏi làm thế nào để sử dụng các hình ảnh trực quan để giúp thông tin có thể tiếp cận được để khám phá và phân tích.

Hệ thống dựa trên dữ liệu

Đây là mô-đun nghiên cứu nâng cao, trình bày nền tảng của các hệ thống phân tán và kỹ thuật xử lý dữ liệu.

Tối ưu hóa rời rạc

Bao gồm lý thuyết, công cụ và công nghệ được phát triển và sử dụng để giải quyết các vấn đề trong Lập trình số nguyên và Tối ưu hóa tổ hợp.

Học máy từ đầu đến cuối

Tập trung vào việc sử dụng các gói Python để thực hiện phân tích dữ liệu toàn diện.

Thuật toán học máy

Bao gồm lý thuyết và thuật toán thiết yếu, bao gồm nền tảng toán học và phương pháp tiếp cận, sử dụng nhiều phương pháp hồi quy, phân loại và không giám sát.

Tối ưu hóa số

Lấy đại số tuyến tính và tối ưu hóa làm chủ đề quan tâm chính và giải pháp cho các vấn đề học máy là ứng dụng của các công cụ, kỹ thuật và thuật toán thu được.

Lập trình bằng Python

Giới thiệu và sửa đổi mô hình hóa, thiết kế và triển khai trong Python.

Phương pháp nghiên cứu trong khoa học dữ liệu

Giới thiệu các kỹ năng cần thiết cho các giai đoạn lập kế hoạch, thu thập dữ liệu, phân tích dữ liệu và phổ biến nghiên cứu Khoa học Dữ liệu.

Khoa học dữ liệu là một trong những loại công việc phát triển nhanh nhất thế giới. Các nhà khoa học dữ liệu có trình độ được săn đón trong nhiều lĩnh vực, bao gồm kinh doanh và tài chính, dịch vụ tình báo, an ninh mạng, chăm sóc sức khỏe, bảo tồn, nghệ thuật, v.v.

Dù bạn ở đâu, bạn cũng có thể mang St Andrews theo mình. Chương trình Thạc sĩ trực tuyến tại Đại học St Andrews kết hợp mọi lợi ích của việc học tại một trong những trường đại học lâu đời và tốt nhất thế giới với mọi lợi thế của việc học linh hoạt, được cá nhân hóa.

Giảng bài

Bài giảng, hội thảo, hướng dẫn và thực hành.

Lịch trình

Bạn sẽ được tiếp cận các mô-đun và thành phần theo tốc độ và thời gian biểu phù hợp với môi trường làm việc và học tập của mình.