明尼苏达大学双城分校数据科学硕士专业 带你挖掘数据背后的商业价值!

　　大数据时代来临，各行各业对于数据的依赖度越来越高，从而对于一些具有大数据思维、运用大数据思维分析应用技术的高层次数据科学人才的需求量不断上涨，可国内目前鲜少有大学开设此专业，而美国很多大学都开设了数据科学专业，明尼苏达大学双城分校就是其中之一，下面，小编就带大家深入了解明尼苏达大学双城分校数据科学硕士专业，希望对大家有所帮助：

　　Master's of Science in Data Science

　　数据科学硕士项目是一个常规的，两年制(31学分)的硕士项目，整合了大数据和分析的坚实基础。

　　学生将学习最先进的大数据处理方法，接触形成下一代大数据技术基础的前沿方法和理论，并将完成一个项目，展示他们对数据科学基本概念的使用。

　　课程设置：

　　Statistics

　　Tier I courses

　　STAT 5101 - Theory of Statistics I / MATH 5651 - Basic Theory of Probability and Statistics (STAT 5101 and MATH 5651 are equivalencies)

　　STAT 5102 - Theory of Statistics II

　　STAT 5302 - Applied Regression Analysis

　　STAT 5401 - Applied Multivariate Methods

　　STAT 5511 - Time Series Analysis

　　STAT 8051 - Applied Statistical Methods 1: Computing and Generalized Linear Models

　　STAT 8101 - Theory of Statistics I

　　STAT 8102 - Theory of Statistics II

　　PUBH 7401 - Fundamentals of Biostatistical Inference

　　PUBH 7402 - Biostatistics Modeling and Methods

　　PUBH 7440 - Introduction to Bayesian Analysis

　　Tier II courses

　　AST/STAT 5731 - Bayesian Astrostatistics

　　PUBH 7405 - Biostatistics Regression

　　PUBH 7406 - Advanced Regression and Design

　　PUBH 7407 - Analysis of Categorical Data

　　PUBH 7430 - Statistical Methods for Correlated Data

　　PUBH 7460 - Advanced Statistical Computing

　　PUBH 7485 - Methods for Causal Inference

　　PUBH 8401 - Linear Models

　　PUBH 8432 - Probability Models for Biostatistics

　　PUBH 8442 - Bayesian Decision Theory

　　STAT 5052 - Statistical and Machine Learning

　　STAT 5201 - Sampling Methodology in Finite Populations

　　STAT 5303 - Designing Experiments

　　STAT 5421 - Analysis of Categorical Data

　　STAT 5601 - Nonparametric Methods

　　STAT 5701 - Statistical Computing

　　STAT 8112 - Mathematical Statistics II

　　EE 5531 Probability and Stochastic Processes

　　EE 8581 - Detection and Estimation Theory

　　Algorithmics

　　Tier I courses

　　CSCI 5521 - Introduction to Machine Learning (formerly Pattern Recognition)

　　CSCI 5523 - Introduction to Data Mining

　　CSCI 5525 - Machine Learning

　　EE 8591 - Predictive Learning from Data

　　PUBH 7475 - Statistical Learning and Data Mining

　　PUBH 8475 - Statistical Learning and Data Mining

　　Tier II courses

　　CSCI 5302 - Analysis of Numerical Algorithms

　　CSCI 5304 - Computational Aspects of Matrix Theory

　　CSCI 5511 - Artificial Intelligence I

　　CSCI 5512 - Artificial Intelligence II

　　CSCI 5609 - Visualization (renumbered from CSCI 5109)

　　CSCI 8314 - Sparse Matrix Computations

　　CSCI 8581 - Big Data in Astrophysics

　　EE 5239 - Introduction to Nonlinear Optimization

　　EE 5251 - Optimal Filtering and Estimation

　　EE 5389 - Introduction to Predictive Learning

　　EE 5391 - Computing With Neural Networks

　　EE 5542 - Adaptive Digital Signal Processing

　　EE 5551 - Multiscale and Multirate Signal Processing

　　EE 5561 - Image Processing and Applications

　　EE 5581 - Information Theory and Coding

　　EE 5585 - Data Compression

　　EE 8231 - Optimization Theory

　　IE 5531 - Engineering Optimization I

　　IE 8521 - Optimization

　　IE 8531 - Discrete Optimization

　　Infrastructure and Large Scale Computing

　　Tier I courses

　　CSCI 5105 - Introduction to Distributed Systems

　　CSCI 5451 - Introduction to Parallel Computing: Architectures, Algorithms, and Programming

　　CSCI 5707 - Principles of Database Systems

　　CSCI 5708 - Architecture and Implementation of Database Management Systems

　　EE 5351 - Applied Parallel Programming

　　EE 8367/CSCI 8205 - Parallel Computer Organization

　　Tier II courses

　　CSCI 5103 - Operating Systems

　　CSCI 5211 - Data Communications and Computer Networks

　　CSCI 5231 - Wireless and Sensor Networks

　　CSCI 5271 - Introduction to Computer Security

　　CSCI 5715 - From GPS and Virtual Globes to Spatial Computing

　　CSCI 5751 - Big Data Engineering and Architecture

　　CSCI 5801 - Software Engineering I

　　CSCI 5802 - Software Engineering II

　　CSCI 8102 - Foundations of Distributed Computing

　　CSCI 8701 - Overview of Database Research

　　CSCI 8715 - Spatial Databases and Applications

　　CSCI 8725 - Databases for Bioinformatics

　　CSCI 8735 - Advanced Database Systems

　　CSCI 8801 - Advanced Software Engineering

　　EE 5355 - Algorithmic Techniques for Scalable Many-core Computing

　　EE 5371 - Computer Systems Performance Measurement and Evaluation

　　EE 5381 - Telecommunications Networks

　　EE 5501 - Digital Communication

　　选修课

　　CSCI 5106 - Programming Languages

　　CSCI 5123 - Recommender Systems

　　CSCI 5421 - Advanced Algorithms and Data Structures

　　CSCI 5461 - Functional Genomics, Systems Biology, and Bioinformatics

　　CSCI 5561 - Computer Vision

　　CSCI 5980 - Special Topics in Computer Science

　　CSCI 8271 - Security and Privacy in Computing

　　CSCI 8363 - Numerical Linear Algebra in Data Exploration

　　CSCI 8980 - Special Advanced Topics in Computer Science

　　EE 5393 - Circuits, Computation and Biology

　　GEOG 8920 - Urban Mobility & Accessibility

　　IE 8534 - Advanced Topics in Operations Research

　　IE 8535 - Introduction to Network Science

　　MATH 5467 - Introduction to the Mathematics of Image and Data Analysis

　　PUBH 7445 - Statistics for Human Genetics and Molecular Biology

　　PUBH 7461 - Exploring and Visualizing Data in R

　　PUBH 8445 - Statistics for Human Genetics and Molecular Biology

　　PUBH 8446 - Advanced Statistical Genetics and Genomics

　　PUBH 8472 - Spatial Biostatistics

　　申请条件：

　　平均绩点

　　学生应该使用学校的原始量表自行报告自己计算的GPA。一般情况下，本科课程平均成绩达到3.5(或与其他评分标准相当)的学生将被考虑入学。

　　先决条件要求

　　希望申请者在至少一个与数学、统计学或计算机科学相关的领域，通过他们的课程或工作经验显著超过这些最低要求。

　　数学:

　　微积分(2学期)相当于明尼苏达大学的MATH 1271和MATH 1272

　　多变量微积分(1学期)相当于明尼苏达大学的数学2263

　　等同于明尼苏达大学的MATH 2142, MATH 4242或CSCI 2033

　　统计学(1学期)等同于明尼苏达大学的STAT 3021或更高水平

　　计算机编程(2个学期)或具有同等的通用编程语言(如C, c++， Java, Python)的经验，包括基本算法和数据结构，相当于计算机科学本科学位的前两个学期的计算机科学入门课程。等价于CSCI 1103 (java)， CSCI 1113 (C/ c++)， CSCI 1133 (python)， CSCI 1913或1933 (cs2带算法和数据结构)

　　具有数学软件环境(如Matlab、R或其他类似环境)的经验绝对是加分项，但不能完全替代通用编程语言的经验。高级数据结构的课程也是加分项

　　个人陈述/目的陈述

　　你必须写一份目的陈述，概述你在数据科学方面的近期教育和长期职业目标，以及你申请明尼苏达大学数据科学项目的原因。讨论对特定研究课题或教师项目的任何兴趣。在陈述目的的单独部分中，简要地讨论您的相关教育、研究或与数据科学或数据分析相关的行业背景，以及特定的先决条件领域(微积分和相关数学课程、统计学、计算机编程和相关系统)。如果你在计算机或其他先决条件领域有专业知识，但在成绩单中没有反映出来，请附上描述。包括任何与你所做的研究相关的独特经历，特别是任何数据驱动的项目。举一个你解决过或执行过的最复杂的计算机驱动问题的例子。这条语句有4000个字符的限制(强烈建议;不包括空格;不严格执行)。数据科学课程不需要其他陈述。

　　简历(简历)

　　推荐信

　　提交三个个人的名字，他们能说明你在数据科学方面的研究生水平的工作能力，最好熟悉你的目标声明中描述的背景经验。三封推荐信中有一封必须是最近的(最近两年)，如果你离开学校不到5年，建议三封推荐信中有一封来自教职员工。

　　成绩单

　　多样性声明(强烈鼓励)

　　多元化陈述应包括你的背景、经历和成就将如何有助于大学及本系透过多元化和包容促进卓越的目标。如果可以的话，你应该提到你完成本科教育所克服的困难或障碍。明尼苏达大学的一些研究生申请者将被考虑获得资助机会，如DOVE奖学金，基于他们的多样性声明。

　　可能需要解决的领域包括:

　　你曾经面对并克服的困难

　　家庭背景

　　第一代大学生

　　计算机科学/数据科学的非传统属性

　　你的多元身份(例如:民族、种族、经济或教育背景和经历、性别认同、性取向)

　　您致力于在计算机、STEM领域或您的社区内实现公平和增强多样性

　　地理多样性

　　社区参与

　　多语言技能

　　国际旅行改变了你的观点

　　特殊的天赋

　　任何你能对这个项目做出贡献的独特之处

　　语言要求：

　　托福口语成绩达到23分或以上，雅思口语成绩达到7分或以上。

　　综上所述，以上讲的就是关于明尼苏达大学双城分校数据科学硕士专业的相关问题介绍，希望能给各位赴美留学的学子们指点迷津。近年来，赴美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，更多关于赴美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!