巴斯大学 University of Bath
数据科学与统计硕士 Data Science and Statistics MSc
+ 查看更多

简介

本专业专为统计经验有限但希望在该领域发展知识的毕业生而设计。

第一学期将为学生提供通用编程和机器学习开发技能。第二学期侧重于统计，将为学生提供使用更高级的分析技术挑战现实世界数据的技能和知识。

与一支由计算机科学家和数学家组成的敬业团队合作，他们拥有丰富的专业背景经验
学习具有普遍相关性的强大统计基础，并获得统计和概率建模方面的专业知识，包括数据的设计、收集、分析和呈现
研究将这些知识付诸实践的核心机器学习技术和软件技术，应对小型和大型数据集的挑战

毕业后，学生将有能力从事数据科学领域的各种职业，从大型老牌商业企业到创新技术初创企业。还将获得在相关领域内进一步进行研究生学习和研究的必要基础。最近的毕业生职位包括数据科学家、机器学习开发人员、Python 开发人员和软件工程师。

项目时长

1年全日制

地理位置

英格兰埃文郡小城巴斯-伦敦的西边

2:1或以上本科学位

四年制学士学位，最终总分至少为 80%

本科学位结合了数学和计算的课程，例如数学、统计学、计算机科学、物理学、化学、工程学或经济学

雅思 / 托福

雅思：6.5+，单项不低于6.0
托福：90+，单项不低于21
关于豁免：在英语系国家完成学位

成绩单

1封学术推荐信

简历

应用数据科学

提供实用的数据驱动分析科学的广泛实践经验，从基本数据处理、管理、清理和预处理，到分析、低级和高级软件使用，再到结果的评估和报告。

数据科学统计

涵盖的主题包括：概率法则。离散和连续随机变量。贝叶斯定理。期望、方差和相关性。条件分布和边际分布。常见分布包括正态分布、二项分布和泊松分布。包括最大似然在内的统计估计。假设检验和置信区间。

机器学习 1

涵盖的主题通常包括：参数估计的数值优化；算法无监督学习（例如 k 均值聚类和主成分分析）；分类和回归的判别方法；基本参数线性模型（例如广义线性模型）、参数非线性模型（例如决策树）、非参数模型（例如 k-最近邻）和集成方法。

Software technologies for data science

第一部分将介绍数据科学的相关编程语言（例如 Python）：通用计算、数据科学基本库的使用（例如 Python 环境下的 Numpy、Scipy、Matplotlib、Scikit-learn）以及底层的数值和性能因素。
第二部分将从存储和计算的角度介绍数据结构、数据库系统和软件技术在可扩展性方面的应用。