滑铁卢大学数据科学硕士专业 用大数据技术来挖掘商业财富!

　　随着互联网技术的普及，各行各业都产生了大量的数据，数据分析已成为各个行业商业决策的重要参考，我国也在鼓励大数据产业的发展，为推动大数据行业的高质量成长，激发大数据市场的活跃，出台了一系列的政策文件，这也意味着我国需要更多数据科学人才来加入，为此滑铁卢大学就开设了数据科学硕士专业，下面，就随小编来看看吧，希望对大家有所帮助：

　　Master's of Mathematics in Data Science

　　该研究生课程包含统计学、计算机科学和优化的元素。所有行业都强烈地感觉到，需要对这些学科进行综合的研究生培训。作为加拿大最具创新性的大学之一，我们的目标是在这三个领域提供广度和深度，因为它们与新兴的和世界公认的数据科学学科有关。具有这一学科知识的个人需求量很大。

　　数据科学数学硕士的主要目标是:

　　整合来自计算机科学、统计和优化领域的知识，以发展数据科学领域的专业知识

　　使学生不仅能理解如何应用某些方法，而且能理解何时和为什么它们是合适的，这样他们就能洞察如何将它们应用于创造新的和改进的方法

　　全面理解数据科学中用于从数据中提取相关和重要信息的方法和技术

　　达到数据科学领域的专业知识水平，从而能够在数据科学的子领域中发展原创的研究贡献

　　学会在专家的监督下进行数据科学领域的研究

　　课程设置：

　　1. STAT 847 Exploratory Data Analysis

　　2. Exactly 1 of:

　　CS 631 Data-Intensive Distributed Analytics, or

　　CS 651 Data-Intensive Distributed Computing

　　3. At least 1 of:

　　CS 680 Introduction to Machine Learning

　　CS 685 Machine Learning: Statistical and Computational Foundations

　　CS 686 Introduction to Artificial Intelligence

　　CS 795 / CO 602 / CM 740 Fundamentals of Optimization

　　CS 794 / CO 673 Optimization for Data Science

　　CO 650 Combinatorial Optimization

　　CO 663 Convex Optimization and Analysis

　　CS 786 Probabilistic Inference and Machine Learning

　　CS 886 Advanced Topics in Artificial intelligence

　　STAT 840 / CM 761 Computational Inference

　　STAT 841 / CM 763 Statistical Learning - Classification

　　STAT 844 / CM 764 Statistical Learning - Advanced Regression

　　STAT 946 Topics in Probability and Statistics(*)

　　4. The fourth course is normally chosen from the following list:

　　Machine learning / statistical learning / optimization

　　CS 680 Introduction to Machine Learning

　　CS 685 Machine Learning: Statistical and Computational Foundations

　　CS 686 Introduction to Artificial Intelligence

　　CS 795 / CO 602 / CM 740 Fundamentals of Optimization

　　CS 794 / CO 673 Optimization for Data Science

　　CO 650 Combinatorial Optimization

　　CO 663 Convex Optimization and Analysis

　　CO 769 Topics in Continuous Optimization(*)

　　CS 786 Probabilistic Inference and Machine Learning

　　CS 885 Advanced Topics in Computational Statistics(*)

　　CS 886 Advanced Topics in Artificial intelligence

　　STAT 840 / CM 761 Computational Inference

　　STAT 841 / CM 763 Statistical Learning - Classification

　　STAT 844 / CM 764 Statistical Learning - Advanced Regression

　　STAT 946 Topics in Probability and Statistics(*)

　　Computer systems and databases

　　CS 638 Principles of Database Management and Use

　　CS 648 Database Systems Implementation

　　CS 656 Computer Networks

　　CS 657 System Performance Evaluation

　　CS 658 Computer Security and Privacy

　　CS 740 Database Engineering

　　CS 741 Non-Traditional Databases

　　CS 742 Parallel and Distributed Database Systems

　　CS 743 Principles of Database Management and Use

　　CS 755 Systems and Network Architectures and Implementation

　　CS 848 Advanced Topics in Databases(*)

　　Distributed computing

　　CS 654 Distributed Systems

　　CS 856 Advanced Topics in Distributed Computing(*)

　　Data exploration

　　STAT 842 / CM 762 Data Visualization

　　Other

　　CS 798 Advanced Research Topics(*)

　　申请条件：

　　申请我们的数据科学项目通常有一个荣誉学士学位或同等学历计算机科学或统计数据,最低总体平均为78%(尽管这是一年中最低切断在一个典型的实际招生切断更高数据科学项目竞争入学)。成功的申请者必须在以下方面表现出良好的基础:

　　计算机科学导论，例如:cs115和cs116

　　概率，例如STAT 230

　　统计学，例如STAT 231

　　线性代数，例如，数学136

　　微积分，例如数学137，数学138

　　也可以申请我们的数据科学项目的学士学位以外的学科计算机科学或统计学。在这种情况下，申请人必须在计算机科学、统计和/或数学方面有较强的背景，这可以通过本科高级课程的成绩来证明。具体来说，申请人需要在CS、优化和/或统计方面展示与以下华盛顿大学课程子集相当的知识。在申请时，我们会要求你在我们的补充资料表格中提供你的背景资料。

　　组合和优化:

　　优化介绍，例如，co250

　　计算机科学:

　　算法，例如cs341

　　数据库管理概论，如cs348

　　统计:

　　应用线性模型，如STAT 331

　　应用概率，例如STAT 333

　　数学统计，例如STAT 330

　　抽样和实验设计，如STAT 332

　　*学生需要三份推荐信，至少两份学术推荐信。学生不需要有工作经验。

　　成绩单

　　简历

　　语言要求：

　　托福100(写作26，口语26)，雅思7.5(写作7.0，口语7.0)

　　综上所述，以上讲的就是关于滑铁卢大学数据科学硕士专业的相关问题介绍，希望能给各位赴加拿大留学的学子们指点迷津。近年来，赴加拿大留学一直是广大学生最热门的话题，同时，很多学生对于签证的办理、院校的选择、就业的前景、学习的费用等诸多问题困扰不断，别担心，IDP留学专家可以为你排忧解难，同时，更多关于赴加拿大留学的相关资讯在等着你，绝对让你“浏览”忘返。在此，衷心祝愿各位学子们能够顺利奔赴自己心目中理想的学校并且学业有成!