数据科学理学硕士 Saint Peter's University

随着过去几年大数据呈指数级增长，对数据科学家的需求变得越来越明显和紧迫。

圣彼得大学数据科学研究所正在培训下一代数据科学专业的学生，提供尖端的学术 STEM 计划以满足此类需求并培养下一代数据科学家。该研究所与行业思想领袖密切合作，将创新理念推向市场。

数据科学计划整合了来自统计学、计算机科学和基于数据的业务管理的科学方法，以从数据中提取知识并推动决策制定。我们的课程为学生提供了严格的大数据技术、应用和实践学习课程， Pathway适合学生实习和全职工作。毕业生准备迎接大数据、商业分析和其他新兴领域交叉点的挑战。

除了硕士课程，我们还提供分析领域的定制证书和培训课程。一学期的预科课程是为研究生设计的，是为国际学习量身定制的。

乍看上去

• 授予学位：数据科学理学硕士
• 课程地点：泽西市校区
• 课程时长：36 学分：全日制学生每年修读 24 学分应在 1.5 年内完成。
• 日历：三个月
• 课程形式：周一至周五白天或晚上亲自上课。

数据科学计划中的 BS 到 MS 加速

通过我们的加速课程，您可以在五年内获得本科学位和数据科学硕士学位。

数据科学是一门综合了统计学、计算机科学和商业管理的科学方法，从数据中提取知识以推动决策的学科。该课程专为具有计算机科学、应用科学、商业或经济学背景的学生设计。为了做好准备，学生目前需要参加 BS 课程。

程序可用性

数据科学课程将按学期提供，专为全日制和非全日制学习而设计。

学位要求

该学位需要 36 个学期学分。顶点课程是必需的，将在课程作业的最后一个学期进行。

研究生实习

自2016年1月1日起，除具有3年以上专业工作经验的学生外，所有学生都需要完成数据科学相关的实习；在课程期间有全职工作的人；以及参加交流计划的人。研究生实习可以在课程的第一学期开始。请咨询您的计划顾问以确定是否可以获得豁免。

建议

圣彼得大学为每位候选人指派一名学术顾问。

时间限制

学生应不断注册，直到他们的课程完成。学生必须通过保持所需的平均绩点并在规定的五年时间内积累足够的学分来保持令人满意的学业进步。

数据科学理学硕士是一个 36 学分的学位课程，面向已完成科学、数学、计算机科学或工程学本科学位并且有兴趣从事特定行业分析领域的职业的学生（例如技术、制药、研究、政府、公共卫生、创业、金融、商业等）。

数据科学学位课程使用现实世界的问题和情况来培养毕业生担任战略思想领袖的角色，他们利用预测模型来推动决策制定。学生将深入了解数据科学和商业分析中的关键技术：数据挖掘、机器学习、可视化技术、预测建模和统计。学生将练习问题分析和决策。学生将通过课程作业和应用研究经验获得统计编程语言和大数据工具的实践经验。

计划可用性

数据科学课程将按学期安排提供，专为全日制和非全日制学习而设计。

学位要求

该学位需要 36 个学期的学分。顶点课程是必需的，将在课程作业的最后一个学期进行。

研究生实习

自 2016 年 1 月 1 日起，所有学生都必须完成与数据科学相关的实习，除了： 具有 3 年以上专业工作经验的学生；在课程期间有全职工作的人；以及那些正在参加交流计划的人。研究生实习可以在课程的第一学期开始。请咨询您的计划顾问以确定是否有可能获得豁免。

周密

圣彼得大学为每位候选人指派一名学术顾问。

时间限制

学生应不断注册，直到他们的课程完成。学生必须在规定的五年时间内保持所需的平均绩点并积累足够的学分，以保持令人满意的学业进步。

培训班

一级

• 数据科学导论
• 数据分析与决策建模
• 数据库和数据仓库
• 统计规划

二级

• 数据挖掘
• 大数据分析
• 数据可视化
• 机器学习
• 预测分析和实验设计
• 数据法、道德和隐私
• 商业分析
• 顶点：业务分析

学分总数：36

数据科学研究生实习

所有学生都需要完成与数据科学相关的研究生实习，除了： 具有 3 年以上专业工作经验的学生；在课程期间有全职工作的人；和那些正在参加交流计划的人。研究生实习可以在课程的第一学期开始。请咨询您的计划顾问以确定是否有可能获得豁免。

计划目标

• 深入了解数据科学和业务分析中的关键技术：数据挖掘、机器学习、可视化技术、预测建模和统计。
• 练习问题分析和决策。
• 通过课程作业和应用研究经验，获得统计编程语言和大数据工具的实践经验。

学习目标

完成数据科学和商业分析硕士课程的学生将能够：

• 将定量建模和数据分析技术应用于解决现实世界的业务问题、交流发现并使用数据可视化技术有效地呈现结果。
• 识别和分析与知识产权、数据安全、完整性和隐私相关的业务中的道德问题。
• 在日常业务活动中应用道德实践，并做出合理的道德业务和数据管理决策。
• 展示业务决策中使用的统计数据分析技术的知识。
• 将数据科学原理应用于业务问题分析。
• 使用数据挖掘软件解决现实世界的问题。
• 使用尖端工具和技术来分析大数据。
• 应用算法构建机器智能。
• 展示团队合作、领导技能、决策制定和组织理论的运用。