Stanford的Data Science全稱(chēng)是Stanford University的Master of Science in Computational and Mathematical Engineering–Data Science Track,即斯坦福大學(xué)計(jì)算與數(shù)學(xué)工程理學(xué)碩士(數(shù)據(jù)科學(xué)方向),下面將詳細(xì)介紹Stanford的Data Science的項(xiàng)目特點(diǎn)/院系介紹、Stanford的Data Science的研究領(lǐng)域、Stanford的Data Science的研究生申請(qǐng)要求。
斯坦福大學(xué)
斯坦福大學(xué)計(jì)算與數(shù)學(xué)工程理學(xué)碩士項(xiàng)目的學(xué)生需修滿45個(gè)學(xué)分,并且要求申請(qǐng)者本科畢業(yè),學(xué)習(xí)過(guò)數(shù)學(xué)與計(jì)算、線性代數(shù)、概率、隨機(jī)指數(shù)、數(shù)值理論和計(jì)算機(jī)編程等課程。其中,斯坦福大學(xué)計(jì)算與數(shù)學(xué)工程理學(xué)碩士項(xiàng)目(數(shù)據(jù)科學(xué)方向)由計(jì)算與數(shù)學(xué)工程所與統(tǒng)計(jì)系聯(lián)合開(kāi)設(shè),注重于統(tǒng)計(jì)學(xué)知識(shí)在計(jì)算機(jī)數(shù)據(jù)庫(kù)及數(shù)據(jù)分析上的應(yīng)用。斯坦福大學(xué)計(jì)算與數(shù)學(xué)工程理學(xué)碩士項(xiàng)目基于基礎(chǔ)的編程要求,致力于培養(yǎng)學(xué)生的數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算與編程能力。此外,斯坦福大學(xué)計(jì)算與數(shù)學(xué)工程理學(xué)碩士項(xiàng)目(數(shù)據(jù)科學(xué)方向)擁有一套基礎(chǔ)的數(shù)據(jù)科學(xué)教育體系,學(xué)生可以選修數(shù)據(jù)科學(xué)與相關(guān)領(lǐng)域內(nèi)的普通與重點(diǎn)課程。但同時(shí),斯坦福大學(xué)計(jì)算與數(shù)學(xué)工程理學(xué)碩士項(xiàng)目(數(shù)據(jù)科學(xué)方向)學(xué)生的課程選擇僅限于數(shù)據(jù)科學(xué)與相關(guān)課程組的預(yù)定課程。斯坦福大學(xué)計(jì)算與數(shù)學(xué)工程理學(xué)碩士項(xiàng)目(數(shù)據(jù)科學(xué)方向)的編程要求包含6個(gè)部分,囊括了高級(jí)科學(xué)編程與高性能計(jì)算在內(nèi)的課程任務(wù)。斯坦福大學(xué)計(jì)算與數(shù)學(xué)工程理學(xué)碩士項(xiàng)目(數(shù)據(jù)科學(xué)方向)項(xiàng)目的學(xué)生最終需要完成由6個(gè)實(shí)踐單元組成的,包含畢業(yè)項(xiàng)目、數(shù)據(jù)科學(xué)診斷或諸如統(tǒng)計(jì)咨詢(xún)之類(lèi)要求較強(qiáng)動(dòng)手或?qū)嵺`項(xiàng)目的課程。
1、Numerical Linear Algebra
2、Discrete Mathematics and Algorithms
3、Optimization
4、Stochastic Methods in Engineering
5、Randomized Algorithms and Probabilistic Analysis
6、Software Development for Scientists and Engineers
7、Advanced Software Development for Scientists and Engineers
8、Distributed Algorithms and Optimization
9、Parallel Computer Architecture and Programming
10、Introduction to Statistical Inference
11、Introduction to Regression Models and Analysis of Variance
12、Modern Applied Statistics: Data Mining
13、Machine Learning
14、Business Intelligence from Big Data
15、Computing for Data Science
1、數(shù)值線性代數(shù)
2、離散數(shù)學(xué)與算法
3、最優(yōu)化
4、工程隨機(jī)方法
5、隨機(jī)算法與概率分析
6、科學(xué)家與工程師的軟件開(kāi)發(fā)
7、科學(xué)家與工程師的高級(jí)軟件開(kāi)發(fā)
8、分布式算法與優(yōu)化
9、并行計(jì)算機(jī)架構(gòu)與編程
10、統(tǒng)計(jì)推斷概論
11、回歸模型與方差分析概論
12、現(xiàn)代應(yīng)用統(tǒng)計(jì)學(xué):數(shù)據(jù)挖掘
13、機(jī)器學(xué)習(xí)
14、大數(shù)據(jù)中的商業(yè)智能
15、數(shù)據(jù)科學(xué)計(jì)算
托福:113以上;不接受雅思;要求GRE
m.walkingbarcodes.com/majr_60887