滑铁卢大学数据科学数学硕士专业 项目网站

Master of Mathematics (MMath) in Data Science

加拿大 公立

项目背景

`

更新时间:2020-01-13

专业排名24

大学滑铁卢大学

开学时间9月

课程学制1.5,2年

学费21126.00/CAD

专业介绍

数据科学数学硕士(MMath)是一个以研究为基础的论文硕士课程。学生们需要在四到六个学期内完成这项课程。主要学位要求是四门课程和一篇论文。
 
数据科学数学硕士的首要目标是:
 
整合计算机科学、统计学和最优化领域的知识,发展数据科学领域的专业知识
使学生不仅了解如何应用某些方法,而且了解何时和为什么它们是合适的,这样他们就可以了解如何使它们适合于创建新的和改进的方法
深入了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
在数据科学领域达到一定的专业水平,从而能够在数据科学的一个分支领域做出原始的研究贡献
学会在专家的监督下进行数据科学领域的研究
 

推荐顾问

世界排名

2020年

24

2019年

22

2018年

31

2017年

31

语言要求

类型
雅思
托福
PTE
Listen
--
--
--
Speak
--
--
--
Read
--
--
--
Write
--
--
--
总分
7
90
--

学术要求

均分要求:GPA最低:78%;高等教育机构的数据科学/计算机科学/统计学/数学或相关学科学士学位;
背景专业要求:数据科学/计算机科学/统计学/数学或相关学科学士学位
工作经验要求:有计算机科学或统计学方面的高级工作经验。

课程设置

学生必须完成至少4门课程。
 : 
缺乏足够计算机科学背景的学生需要修读课程 - CS 600 Fundamentals of Computer Science for Data Science (数据科学计算机科学基础),缺乏足够统计学背景的学生需要修读课程 - STAT 845 Statistical Concepts for Data Science(数据科学的统计概念)。这两门课程不能算在4门课程的要求之内。
 : 
4门课程包括:
1. STAT 847 Exploratory Data Analysis 勘探数据分析
2. 以下两门课程中的一门:
    CS 631 Data-Intensive Distributed Analytics, or  数据密集型分布式分析,或
    CS 651 Data-Intensive Distributed Computing  数据密集型分布式计算
3. 以下课程中的至少一门:
    CS 680 Introduction to Machine Learning  计算机学习介绍
    CS 685 Machine Learning: Statistical and Computational Foundations  计算机学习:统计和计算基础
    CS 686 Introduction to Artificial Intelligence  人工智能导论
    CS 795 / CO 602 Fundamentals of Optimization  优化基础
    CS 794 / CO 673 Optimization for Data Science  数据科学优化
    CO 650 Combinatorial Optimization  组合优化
    CO 663 Convex Optimization and Analysis  凸优化与分析
    CS 786 Probabilistic Inference and Machine Learning  概率推理与机器学习
    CS 886 Advanced Topics in Artificial intelligence  人工智能高级课题
    STAT 840 Computational Inference  计算推断
    STAT 841 Statistical Learning - Classification  统计学习-分类
    STAT 844 Statistical Learning - Function Estimation  统计学习-函数估计
    STAT 946 Topics in Probability and Statistics(*)  概率统计主题
4. 第四门课是从以下选择:
Machine learning / statistical learning / optimization     机器学习/统计学习/优化
    CS 680 Introduction to Machine Learning  计算机学习介绍
    CS 685 Machine Learning: Statistical and Computational Foundations  计算机学习:统计和计算基础
    CS 686 Introduction to Artificial Intelligence  人工智能导论
    CS 795/CO 602 Fundamentals of Optimization  优化基础
    CS 794/CO 673 Optimization for Data Science  数据科学优化
    CO 650 Combinatorial Optimization  组合优化
    CO 663 Convex Optimization and Analysis  凸优化与分析
    CO 769 Topics in Continuous Optimization(*)  连续优化主题
    CS 786 Probabilistic Inference and Machine Learning  概率推理与机器学习
    CS 885 Advanced Topics in Computational Statistics(*)  计算统计高级主题
    CS 886 Advanced Topics in Artificial intelligence  人工智能高级课题
    STAT 840 Computational Inference  计算推断
    STAT 841 Statistical Learning - Classification  统计学习-分类
    STAT 844 Statistical Learning - Function Estimation  统计学习-函数估计
    STAT 946 Topics in Probability and Statistics(*)  概率统计主题
Computer systems and databases    计算机系统和数据库
    CS 638 Principles of Database Management and Use  数据库管理和使用原则
    CS 648 Database Systems Implementation  数据库系统的实现
    CS 656 Computer Networks  计算机网络
    CS 657 System Performance evaluation  系统性能评估
    CS 658 Computer Security and Privacy  计算机安全与隐私
    CS 740 Database Engineering  数据库工程
    CS 741 Non-Traditional Databases  非传统数据库
    CS 742 Parallel and Distributed Database Systems  并行分布式数据库系统
    CS 743 Principles of Database Management and Use  数据库管理与使用原理
    CS 755 Systems and Network Architectures and Implementation  系统和网络体系结构及实现
    CS 848 Advanced Topics in Databases(*)  数据库中的高级主题
Distributed computing      分布式计算
    CS 654 Distributed Systems  分布式系统
    CS 856 Advanced Topics in Distributed Computing(*)  分布式计算高级主题
Data exploration     数据勘探
    STAT 842 Data Visualization  数据可视化
Other  其他     
    CS 798 Advanced Research Topics(*)  高级研究课题

相关专业