加州大学欧文分校数据科学研究生项目介绍
在大数据时代,数据处理能力是驱动时代发展的核心力量。如何对大数据进行有效的筛选、提炼和挖掘,如何利用大数据进行下一步的开发,都是大数据时代对我们的挑战。正如马云在接受美国财经媒体CNBC采访时说,
“在快速逼近的技术新时代,核心是数据。与数据有关的能力,将变得非常有价值。”
无论是国外还是国内,数据分析的就业前景都是非常好的,而且涉及的领域非常广,例如:市场分析、消费者行为、社会网络和情绪分析、软件系统、欺诈和犯罪检测、卫生保健、基因工程、供应链、金融、图书馆和网络安全等。
目前在该领域的现状:人才缺口非常大。因此,全球高校都在加大力度开设数据相关专业,重点培养数据科学领域的人才。数据科学从来就不仅仅是数据,它牵扯了无数个不同的领域,是一个典型的交叉学科,涉及到数学、统计学、计算机三大主要学科,同时还涉及到经济学、金融学、社会学等学科,所以开设大数据相关专业对于学校的整体学科实力有比较高的要求,要求学校具有多学科的教育资源,还需要学校有自己的数据中心和实践场景,并不是每一所高校都具备开设数据专业的实力。
加州大学欧文分校(UCI)是世界著名的加州大学系统的十大分校之一,在2021 U.S.News&World Report评为全美公立大学第8位,综合排名全美第33位,UCI是一所世界级一流水平的综合性大学。
其计算机研究生院全美排名30位。计算机学院是整个加州大学系统中唯一以计算机学科为重点的独立学院,该学院有三个优势专业:计算机科学(Computer Science)、信息学 (Informatics)和统计学 (Statistics)。学院专注于计算机和信息科学,对信息技术科学有着独特的见解。
加州欧文的唐纳德布伦信息与计算机科学学院开设了数据分析硕士学位课程Data Science(MDS)。UCI MDS以统计学和计算机科学作为双重框架,以数据处理、数据模型分析和数据可视化作为专业的三大核心板块,培养学生对现代数据科学从浅到深的理解。课程包括应用概率和数理统计、统计建模和计算、机器学习、数据管理和可视化以及人工智力。UCI MDS的独特之处在于提供实际处理问题的项目课程,帮助学生获得数据科学的第一手经验,为迎接大数据世界的挑战做好充分准备。
该项目15个月的课程包括12门课程——9门必修核心课程和3门选修课——至少48个单元。
具体课程设置如下:
核心课程:
Required Courses
COMPSCI 220P: Databases and Data Management
COMPSCI 260P: Fundamentals of Algorithms with Applications
COMPSCI 273P: Machine Learning & Data Mining
STATS 200AP: Intermediate Probability and Statistical Theory I
STATS 200BP: Intermediate Probability and Statistical Theory II
STATS 210P: Statistical Methods I
STATS 211P: Statistical Methods II
DS 296P: Capstone I: Professional Writing and Communication for Data Science Careers
DS 297P: Capstone II: Design Project for Data Science
COMPSCI 220P:数据库与数据管理数据挖掘
STATS 200AP:中级概率和统计理论I
STATS 200BP:中级概率和统计理论II
STATS 210P:统计方法I
STATS 211P:统计方法II
DS 296P: Capstone I:数据科学职业的专业写作和沟通
DS 297P: Capstone II:数据科学设计项目
选修课程:
Elective Courses
COMPSCI 222P: Principles of Data Management
COMPSCI 223P: Transaction Processing and Distributed Data Management
COMPSCI 224P: Big Data Management
COMPSCI 261P: Data Structures with Applications
COMPSCI 271P: Introduction to Artificial Intelligence
COMPSCI 274P: Neural Networks and Deep Learning
COMPSCI 275P: Graphical Models and Statistical Learning
STATS 205P: Bayesian Data Analysis
STATS 240P: Multivariate Statistical Methods
STATS 245P: Time series Analysis
STATS 262P: Theory and Practice of Sample Survey
STATS 270P: Stochastic Processes
COMPSCI 222P:数据管理原理
COMPSCI 223P:事务处理和分布式数据管理
COMPSCI 224P:大数据管理
COMPSCI 261P:数据结构与应用
COMPSCI 271P:人工智能导论
COMPSCI 274P:神经网络与深度学习
COMPSCI 275P:图形模型和统计学习
STATS 205P:贝叶斯数据分析
STATS 240P:多变量统计方法
STATS 245P:时间序列分析
STATS 262P:抽样调查理论与实践
STATS 270P:随机过程