南加州大学Dornsife文理学院新开设的数理数据科学理学硕士项目旨在培养学生在大数据时代解决问题、赢得竞争优势并预测未来趋势的能力。与其他数据科学课程不同，该项目强调数学和统计方法，训练学生创建和操作算法，而不仅仅是应用现成的算法库。以下是该项目的详细介绍：
为什么要学习数理数据科学？
“数学是数据科学不可或缺的一部分。任何有兴趣在数据科学领域发展事业的数据科学家都必须具备特定数学领域的深厚背景。”
——Mayur Ingole，Wipro 高级人工智能工程师
课程亮点
1. **高等数学的优势**：
- 课程强调数学和统计方法，训练学生创建和操作算法，而不是简单地从库中组装算法。
- 大多数项目侧重于后者，因此这种高等学习内容非常少见且具有优势。
2. **数据科学和机器学习创新基础**：
- 该硕士学位课程强调统计方法，培养创建定制算法和机器学习技术的强大技能。
- 与主要学习组装和应用标准库代码的人不同，学生可以帮助组织获得解决复杂问题所需的具体见解。
获得的不仅仅是学位
- **优秀且屡获殊荣的数学教授**
- **BEST研究型学术环境——创新生态系统**
- **地理位置优越，位于洛杉矶，科研和工业蓬勃发展**
- **体验式学习和现实问题解决**
- **Trojan终身校友网络**
在南加州大学接受具创新精神的专家指导，毕业后学生将获得研究型大学的学位证书和突破界限的思维方式。洛杉矶作为数据热潮的引领城市，为数据科学家提供了解决复杂问题的无与伦比的机会，这些机会得到了庞大的校友网络的支持。
申请要求
该专业面向希望掌握引领数据驱动世界所需的数学基础和实践技能的学生。申请者应拥有数学为主导的理学学士学位背景。申请该专业的先决条件包括：
**必须修读课程**：
- 多元微积分（相当于USC MATH 226或MATH 229课程）
- 线性代数（相当于USC MATH 225或MATH 235课程）
- 概率论（本科水平，相当于USC MATH 407课程）
**建议修读课程**：
- 统计学（本科水平，相当于USC MATH 307或MATH 408课程）
- 基础优化知识（例如：凸性、梯度、Hessian矩阵）
- Python/R编程
课程设置
完成本专业共需32学分。
**必修课程（19学分）**：
- MATH 447 机器学习：数学 4学分
- MATH 546 数据科学：数理统计 4学分
- MATH 549 数理数据科学基础 4学分
- MATH 550 统计咨询与数据分析 3学分
- PHYS 515 Python在数据科学与科学计算中的应用 4学分
**选修课程（12学分）**：
- MATH 446 Python数据科学 4学分
- MATH 505a 应用概率论 3学分
- MATH 542 方差分析与设计 3学分
- MATH 545 时间序列导论 3学分
- MATH 547 统计学理论：数学基础 3学分
- MATH 548 量化金融：机器学习 3学分
- ISE 530 分析优化方法 4学分
- DSO 528 高效决策中的混合数据商业分析 3学分
- DSO 545 统计计算与数据可视化 3学分
- DSO 530 现代统计学方法应用 3学分
- EE 553 优化问题计算解法 3学分
- ISE 520 优化：理论与算法 3学分
- CSCI 570 算法分析 4学分
- QBIO 578a 分子生物计算 3学分
*学生需要至少选修1个学分的MATH 590定向研究课程，并在学期末完成一份报告。注意：选修MATH 590通常与MATH 550同时进行。
小结
攻读数理数据科学理学硕士学位不仅能让学生掌握需求量激增的技能，还能在洛杉矶这个引领全球数据革命的城市中学习，加入由导师和企业合作者组成的紧密社区，最终找到一份满意的全职工作。
