The George Washington University - Columbian College of Arts & Sciences
MS in Data Science
- Washington, Yhdysvallat
- Online USA
Tieteen tai tekniikan alan maisteri
KESTO
3 lukukautta
KIELET
Englanti
TAHTI
Täysaikainen, Osa-aikainen
HAKEMUKSEN MÄÄRÄAIKA
AIKAISIN ALOITUSPÄIVÄ
LUKUKAUSIMAKSUT
USD 1 885 / per credit
OPISKELUMUOTO
Kampuksella
Tilastoihin, tietojenkäsittelytieteeseen ja matematiikkaan perustuva datatieteen maisteri keskittyy luonnon- ja yhteiskuntatieteistä saadun laajan tiedon tehokkaaseen käyttöön. Opetussuunnitelman monitieteisen luonteen ja ainutlaatuisen pääsyn ulkopuolisiin virastoihin ja organisaatioihin ansiosta ohjelma tarjoaa runsaan, käytännönläheisen kokemuksen.
Opiskelijat ovat varustettu uusimmilla työkaluilla analysointia ja tietojen visualisointia varten, ja he ovat uppoutuneita monimutkaisiin aiheisiin, kuten kuvioiden tunnistamiseen suurista datajoukoista. Kurssit kattavat myös koneoppimisen sekä Python-, JavaScript- ja R-ohjelmointikielet.
Tietojenkäsittelytieteen laitoksen kurssit
- DATS 6101 Johdatus tietojenkäsittelyyn
- DATS 6102 tietovarastointi ja analyysi
- DATS 6103 Johdanto tiedon louhintaan
- DATS 6201 Numeerinen lineaarialgebra ja optimointi
- DATS 6202 Koneoppiminen I
- DATS 6203 koneoppiminen II
- DATS 6401 Kompleksitietojen visualisointi
- DATS 6402 - Suorituskykyinen ja rinnakkaislaskenta
- DATS 6450 tietotekniikan aiheet
Esimerkkejä kursseista, jotka valitaan neuvonantajan kanssa
- MATH 6522 Johdatus numeeriseen analyysiin
- STAT 6207 - Tilastollisen laskennan menetelmät
- STAT 6214 sovelletut lineaarimallit
- STAT 6242-regressiografiikka / ei-parametrinen regressio
- ECON 8375 ekonometria I
- ECON 8376 ekonometria II
- ECON 8377 ekonometria III
- ECON 8378 Talousennuste
- GEOG 6304 Maantieteelliset tietojärjestelmät I
- GEOG 6306 Maantieteelliset tietojärjestelmät II
- GEOG 6307 digitaalinen kuvankäsittely
- PSC 8120 epälineaariset mallit
- PSC 8132 -verkon analyysi
- PSC 8185 Empiirisen ja muodollisen poliittisen analyysin aiheet
Capstone-projekti
Maisteriohjelman huipentumana opiskelijat ilmoittautuvat kolmen opintopisteen kurssille ja viettävät viimeisen lukukauden soveltamalla tietojen analysoinnissa oppimiaan taitoja ja tietoja. Huippukiven osalta opiskelijat työskentelevät ryhmissä tietotieteen periaatteiden käytännön soveltamisesta. Capstone -tiimihankkeet valitaan yhteistyössä kurssin ohjaajan kanssa.
Oppimistavoitteet
Datatieteen MS-tutkinnon suorittaneet opiskelijat ovat valmiita soveltamaan datatieteen tekniikoita todellisten ongelmien ratkaisemiseen, kommunikoimaan havainnoistaan ja esittelemään havaintoja tehokkaasti datan visualisointityökalujen avulla.
Erityisesti opiskelijat valmistuvat:
- Tilastollisten tietojen analysointitekniikoiden perusteellinen tuntemus
- Kokemusta tiedon louhintatyökaluista
- Kokemus huippuluokan työkaluista ja teknologioista ison datan analysointiin
- Käytännön taidot datan visualisointiin ja muuntamiseen
- Kommunikointitaitoja ja tehokasta tiimityöskentelyä
Painopistealueet
Sekä maisteri- että jatkotutkinto-ohjelma yhdistävät kursseja neljältä alueelta:
- Menetelmät: Tiedonhallinnan ja data-analytiikan perusteet; syvällinen asiantuntemus datatieteen kannalta välttämättömistä ohjelmointikielistä, mukaan lukien Python, JavaScript ja R
- Sovellukset: valinnaiset datatieteen kurssit, joita sovelletaan tiettyyn tietoalueeseen, kuten astrofysiikkaan, valtiotieteeseen ja maantieteeseen
- Taidot: Ryhmätyöskentely, projektinhallinta ja viestintätaidot
- Tekniikka: Käytännön altistuminen datalle ja visualisointiohjelmistoille ja kielille