曼彻斯特大学MSc Data Science (Business and Management) + 查看更多
曼彻斯特大学
MSc Data Science (Business and Management)
+ 查看更多
该专业具备跨学科性质,欢迎具有一系列学科背景的学生申请,包括:
业务及管理
健康科学
社会科学
地理
规划
计算机科学
数学
曼大提供核心数据科学技能的学习,嵌入到该专业提供的学科背景中,学生将发展:
- 计算能力
- 数据分析能力
- 数据管理技能和知识
- 项目设计技能
这个创新的数据科学理学硕士专业为来自广泛学科的毕业生提供了发展数据科学技能的机会,目标是帮助学生发展成为敏捷、熟练的数据科学家,擅长在各种环境中工作,并能够迎接跨学科团队合作的挑战和回报。
其他相关专业:
MSc Data Science (Computer Science Data Informatics) 数据科学(计算机科学数据信息学)
MSc Data Science (Mathematics) 数据分析(数学)
MSc Data Science (Social Analytics) 数据科学(社会分析)
项目时长:1年制(全日制)
地理位置:英国 曼彻斯特
- 本科学位
2:1 荣誉学位
持有定量或计算学科的学位,例如数学、统计学、管理科学或经济学、物理学、工程学或计算机科学
- 语言成绩
雅思:7.0+,单项不低于6.5
托福:100+,单项不低于22,机构代码 0757
托福:100+,单项不低于22,机构代码 0757
- 成绩单
- 2封推荐信
推荐人认识您的时间长度以及以什么身份
推荐人对您的表现水平,成绩或预期成绩的评估
在申请的硕士课程中取得成功的潜力,以及动力和智力
长处和短处
推荐人对您的表现水平,成绩或预期成绩的评估
在申请的硕士课程中取得成功的潜力,以及动力和智力
长处和短处
- 简历
>> 必修课程
统计学和机器学习 1:统计学基础
该模块包括旨在交流统计和机器学习关键思想的讲座和实践课程,学生将在实践课程中应用并在简单的情况下开发 Python 工具,并在适当的情况下使用其他行业标准语言。有五个主要部分:
• 从概率角度思考:数据的随机变量、分布和模型
• 探索性数据分析:数据种类、描述性统计和可视化工具
• 统计估计:点估计、偏差、最大似然估计、差异检验、置信区间和假设检验、贝叶斯估计、先验和后验分布、共轭先验。
• 模型的比较和选择:线性回归、广义线性回归、拟合优度和预测能力的测量、模型比较、半参数和非参数方法的概括以及层次和空间模型、过度拟合和正则化。
• 专题:专题:根据教学人员的不同,将选择一个专题来更深入地展示一般概念。一个可能的例子是社交网络:网络和它们的统计模型,包括随机图和指数随机图模型;网络统计,包括度分布、同质性和传递性。
了解数据及其环境
该模块是技术和非技术主题的组合,所有主题都与数据分析过程的关键外部性相关。该模块的主要目的是证明数据科学不能在真空中进行,所有外部因素都会影响我们进行我们希望进行的研究的能力。然而,对这些外部性的适当管理可以带来更高质量和更负责任的研究。该课程将包含 4 个组成部分:
1. 道德与法律:数据保护、匿名化、统计披露、理解同意
2. 关于数据的信息:元数据和paradata。出处和数据生成过程;关于数据质量的问题和对推理的影响;访问和查找数据
3. 预处理:了解数据质量和分歧以及对推理的影响;清理数据;编辑和插补模型
4. 合并和增强数据:数据链接/集成的基础知识
应用数据科学
学生应该能够:
• 描述与组织合作解决涉及数据分析的问题的关键问题
• 当数据是关键项目组成部分时,描述和应用项目管理的方法和过程
• 开发数据驱动报告的通信方法
• 发展多学科团队合作能力
• 使用科学知识、主动性和技能管理解决问题和提供解决方案的任务
• 报告和培养演讲技巧
• 与合作伙伴沟通并制定项目规范
• 在团队工作和跨学科工作中进行协作
了解数据库
该单元旨在解决数据库在组织中的理论和作用,并帮助学生获得以下方面的实践经验:
- 根据关系原则设计和实现数据库以解决实际问题
- 设计和实施非关系格式的数据库
- 使用现代数据库管理系统、MySQL、Python 和 PHP 进行数据库编程
- 为数据密集型系统设计和实现分布式数据库
统计与机器学习 2:人工智能、复杂数据、计算密集型统计
该模块以讲座和实践课程的混合形式提供,有五个主要部分:
降维与特征提取:主成分分析、特征选择、信息论
分类器和聚类:监督和非监督学习、k 均值和 k 近邻、凝聚聚类和树状图、支持向量机、线性和二次判别式、高斯过程分类、基于模型的聚类、混合模型和 EM 算法
神经网络和深度学习:感知器、反向传播和多层网络
马尔可夫链蒙特卡罗 (MCMC) 方法:马尔可夫链及其平稳分布、使用 Metropolis-Hastings 算法的基于似然的推理、使用近似贝叶斯计算的无似然推理、收敛测试、贝叶斯推理的应用
专题:根据教学人员的不同,选择一个专题进入近研究深度,例如随机森林;社交网络; 先进的蒙特卡洛方法
>> 选修课程
数学规划与优化
知识管理和数字战略
使用 Python 进行业务分析编程
模拟与风险分析
财务数据分析和人工智能
知识管理和数字战略
使用 Python 进行业务分析编程
模拟与风险分析
财务数据分析和人工智能
分享到:
相关专业申请 - 数据科学DS
相关专业申请 - 数据科学DS
相关专业申请 - 商业分析BA
相关专业申请 - 商业分析BA