伦敦大学学院 UCL
数据科学硕士 Data Science MSc
+ 查看更多

简介

UCL 的数据科学和机器学习理学硕士专业将计算和统计技能与机器学习结合起来，以解决数据驱动的问题。这个迅速扩展的领域包括深度学习、大规模数据分析，并在电子商务、搜索/信息检索、自然语言建模、金融、生物信息学和人工智能相关领域都有应用。

学生将了解核心机器学习方法和统计科学，并结合一组涵盖计算和统计建模的更专业和更高级的主题。

该专业为那些从事研究或开发职业或在当前应用或将来应用机器学习的行业中担任职位的人提供了良好的基础，例如金融，银行和保险，零售和网络商务，制药、计算机安全和网络搜索。

该机器学习专业的毕业生曾受雇于主要的科技和金融公司，包括谷歌 Deepmind、微软研究院、Dunnhumby、Index Ventures、思科、德意志银行、IBM 和摩根士丹利。其他人则继续深造或在高校就职。

项目时长：1年制（全日制）

项目授课地点：英国伦敦

学历水平

在计算机科学、数学、工程、物理或统计学等高度定量学科中至少获得二等英国学士学位（或同等标准的国际资格）

中国学生：

A Bachelor's degree with a minimum weighted average mark of 85% from an institution reviewed by UCL. Exceptions apply to the degrees listed below, for which the minimum weighted average mark is 87%.

A Bachelor's degree with a minimum weighted average mark of 90% is required from all other universities recognised by the Chinese Ministry of Education. Exceptions apply to the degrees listed below, for which the minimum weighted average mark is 93%.

需具备大学水平的数学方法知识，包括线性代数、微积分、概率和统计

英语成绩

雅思：7.0+，单项不低于6.5
托福：96+，阅读和写作为24/30，口语和听力为22/30

You should consider the following questions when writing your personal statement：

Why do you want to undertake the programme or research?

What are your academic interests?

Why do you wish to study at UCL?

What educational experience do you have?

Do you have any relevant work experience?

Have you completed any extracurricular or voluntary activities relevant to the programme?

What are your career aspirations?

简历
1封推荐信
成绩单

>> 必修模块

统计数据科学导论

探索性数据分析：数据准备和建模策略的基本可视化。在模块中讨论的不同统计方法的背景下回顾概率模型。假设检验和置信区间：评估分析中不确定性的方法。回归：解释结果的线性和非线性方法。点估计、最大似然和基本优化：拟合通用统计模型。降维：使用更少的维度解释数据集中的可变性。

Applied Machine Learning

求解大规模线性系统的方法，包括共轭梯度

回归和分类的经典方法包括线性和逻辑回归

无监督学习的聚类方法

快速最近邻

矩阵和张量分解

可视化方法，包括 tSNE

集成，梯度提升机

数据伦理；机器学习中的公平性

>> 可选模块

监督学习
机器学习简介
算法交易
情感计算和人机交互
图形模型
生物信息学
信息检索与数据挖掘
统计自然语言处理
强化学习
生物医学成像的计算模型
复杂网络和 Web
多主体人工智能
机器视觉
数字金融
贝叶斯深度学习
用于生物医学和医疗保健的 AI
人工智能促进可持续发展
概率建模
负责、透明和负责任的人工智能