纽约大学阿布扎比分校跨学科数据科学与人工智能理学硕士 MSc in Interdisciplinary Data Science and Artificial Intelligence
一、项目概览
本项目为两年制全日制硕士项目,学生需完成 36 个学分。项目强调数据科学与人工智能的跨学科融合,结合系统课程训练与研究型硕士论文,帮助学生在学术研究或行业应用方向建立扎实基础。
二、学分与课程结构
学分构成(共 36 学分)
-
数据科学入门训练营(Bootcamp)
-
1 门必修课|0 学分
-
-
核心必修课程
-
5 门|共 15 学分
-
-
选修课程(高级选修)
-
5 门|共 15 学分
-
-
硕士论文(Master’s Thesis)
-
2 门|共 6 学分
-
-
冬季学校课程(Winter School)
-
2 门|0 学分
-
-
数据科学与人工智能研讨课(Seminar)
-
多学期要求|0 学分
-
三、核心必修课程(示例)
-
数据科学导论(Introduction to Data Science)
-
概率与统计(Probability and Statistics)
-
机器学习(Machine Learning)
-
人工智能导论(Introduction to Artificial Intelligence)
-
数据科学中的伦理与法律问题
(Ethics and Legal Considerations for Data Science)
四、研究与论文要求
-
学生需完成 两阶段硕士论文(Master’s Thesis 1 & 2)
-
研究可在校内完成,也可与行业合作伙伴联合开展
-
项目鼓励将课程学习与实际研究问题相结合
五、方向选择(非正式研究侧重)
由于数据科学与人工智能领域覆盖面较广,学生可在导师与项目负责人指导下,制定个性化选课方案,形成特定研究或应用侧重方向,例如:
-
健康信息学
数据科学与机器学习在医疗与生物医学研究中的应用 -
城市交通与物流
面向城市出行、供应链与交通系统的数据驱动分析(含阿拉伯语语境) -
自然语言处理
重点关注阿拉伯语及多语言环境下的 AI 语言模型 -
人机交互
以用户体验为导向的 AI 系统设计 -
计算社会科学
运用 AI 分析社会行为、公共政策与社会结构 -
AI 数学基础与理论
算法、优化方法与人工智能理论研究 -
数据科学与经济学
金融建模、经济决策与定量分析中的 AI 应用
所有方向最终均以研究型硕士论文作为学习成果的集中体现。
六、示例课程进度安排
一学年
-
秋季:
-
数据科学导论
-
概率与统计
-
数据科学伦理与法律
-
数据科学研讨课
-
-
春季:
-
机器学习
-
人工智能导论
-
选修课
-
-
冬季学期(J-Term):
-
数据科学冬季学校课程
-
二学年
-
秋季 + 春季:
-
高级选修课程
-
硕士论文 1 & 2
-
数据科学研讨课
-
-
夏季:
-
硕士论文研究 / 实习(如适用)
-









