布里斯托大学
数据科学硕士 MSc Data Science
+ 查看更多

简介

如果想通过负责任的使用数据来改善世界，数据科学理学硕士将为学生提供实现这一目标的技能。学生将学习如何深入理解现代数据科学的计算和统计原理，并熟练地将这些技术严格且合乎道德地应用到现实世界中。

无论申请人的背景是数学科学、工程学还是计算机科学，该专业都将为学生提供能取得成功的技能。为毕业生提供良好的就业前景，以在行业中担任数据科学家或数据工程师以及研发角色。

该理学硕士旨在：

使学生能够跨学科边界在各种环境中有效应用和部署数据密集型解决方案
为学生提供计算、机器学习和统计原理方面的知识和技能的广度和深度，以及有洞察力的大规模数据分析的能力
让学生很好的理解将当代数据科学技术应用于现实世界挑战的伦理问题，以便学生熟悉有关部署这些技术所产生的风险和潜在利弊的争论
使学生能够独立启动从高层次角度指定的数据科学项目，引导它们从范围界定到完成

数据科学理学硕士是与工业合作伙伴共同设计的，与奖励就业机会高度相关。强烈强调负责任的创新和道德规范，以鼓励学生在工作场所或通过进一步研究利用知识和技能造福社会。该专业与大学的优秀研究密切相关，确保了领先的教学效果。

项目时长：1年制（全日制）

项目授课地点：英格兰 Clifton

2：1学位

须至少持有/获得数学科学、计算机科学或工程学的二等以上荣誉学位

学位证
成绩单

语言成绩

雅思：6.5，单项不低于6.0
托福：88，R22、L21、S23、W22

在英语授课国家完成本科学位可以豁免

1封推荐信

个人陈述PS

Personal statements should highlight the motivation for applying for the course, and any relevant experience and/or skills.

简历 - 可选

>> 必修课程

人工智能概论

将概述最成熟的人工智能和机器学习方法和范例，并为学生提供实施人工智能算法和使用相关软件工具的机会。涵盖的领域将包括监督学习（分类和回归，例如神经网络）、非监督学习（聚类）、概率方法（例如贝叶斯网络和马尔可夫决策过程）、遗传算法和多代理系统。

高级数据分析

本单元涵盖的机器学习主题包括：统计模式识别原理（数据概率模型、维数泛化误差灾难、偏差-方差困境）；线性模型（概率主成分分析；判别分析）；广义相异映射和邻居嵌入技术；高斯过程；潜在变量模型（高斯混合模型、生成地形图和高斯过程潜在变量模型）；贝叶斯模型正则化与组合；特征选择；大数据集的挑战和潜在的解决方案。教授的文本分析方法包括基于规则的方法、传统的机器学习技术，以及当前领先的技术，例如基于深度学习神经网络的技术。

数据分析简介

本单元涵盖的信息可视化主题包括：数据类型及其表示、非矢量数据、可视化分析的人类需求、科学可视化、可视化质量指标、Shneiderman 的口头禅（概述优先、缩放和过滤、按需提供细节）实用可视化工具。

本单元涵盖的文本分析主题包括无监督和监督文本挖掘方法，包括文本预处理、结构化数据提取、文档聚类、文档分类和使用不同技术的情感分析。

技术、创新、商业和社会 (TIBS)

本单元旨在为学生提供更广泛的商业、经济和社会背景以及技术创新影响的广泛基础，重点是数字、以数据为中心和软件密集型技术。该课程将涵盖负责任的创新和开放式创新：结合内部和外部利益相关者的想法以推动新技术的有用发展。本单元的学生还将在技术创新的法律、管理和金融方面打下基础，以实现知识转移和财富创造。它将特别考虑使用个人数据所涉及的法律、伦理和技术问题，并参考通用数据保护条例 (GDPR) 等框架和数据伦理与创新中心等组织。

大规模数据工程

本单元首先讨论推动云计算在各个行业快速发展和采用的经济学；然后探索从基础架构即服务 (IaaS) 到平台即服务 (PaaS)、软件即服务 (SaaS) 和“无服务器”功能的云服务供应——即服务 (FaaS)。介绍了开源的Hadoop“生态系统”云服务项目，考察了各种云数据存储和数据处理技术，评价了它们的优缺点。本单元最后概述了大数据使用和管理的最佳实践。

>> 选修课程