Georgetown的Analytics全稱是Georgetown University的Master of Science in Analytics,即喬治城大學(xué)分析學(xué)理學(xué)碩士,下面將詳細(xì)介紹Georgetown的Analytics的項(xiàng)目特點(diǎn)/院系介紹、Georgetown的Analytics的研究領(lǐng)域、Georgetown的Analytics的研究生申請要求。
喬治城大學(xué)
喬治城大學(xué)分析學(xué)理學(xué)碩士項(xiàng)目-數(shù)據(jù)科學(xué)方向(Master of Science in Analytics with concentration in Data Sciences)為期16個(gè)月(可延至2年),共3個(gè)學(xué)期(含一個(gè)夏季學(xué)期),屬于專業(yè)碩士項(xiàng)目,包含有0.25個(gè)學(xué)分的實(shí)習(xí),可以在夏季學(xué)期使用CPT。喬治城大學(xué)分析學(xué)理學(xué)碩士項(xiàng)目要求申請者本科畢業(yè),不限專業(yè),但要求學(xué)生擁有相當(dāng)?shù)臄?shù)學(xué)及統(tǒng)計(jì)學(xué)基礎(chǔ)(學(xué)習(xí)過多元微積分、線性代數(shù)、統(tǒng)計(jì)學(xué)等課程),并掌握C++或Python等編程語言。喬治城大學(xué)分析學(xué)理學(xué)碩士項(xiàng)目所有學(xué)生均會考慮給予優(yōu)秀獎(jiǎng)學(xué)金,而且被錄取的學(xué)生還有可以獲得RA/TA的機(jī)會,但具體幾率不詳。所有學(xué)生均須在錄取后的暑期,參加一個(gè)3學(xué)分的在線課程,學(xué)習(xí)R、Python或其它相關(guān)課程。喬治城大學(xué)分析學(xué)理學(xué)碩士項(xiàng)目屬于STEM項(xiàng)目。喬治城大學(xué)分析學(xué)理學(xué)碩士項(xiàng)目(數(shù)據(jù)科學(xué)方向)能夠幫助學(xué)生夯實(shí)數(shù)據(jù)分析基礎(chǔ)領(lǐng)域的知識體系,并提升學(xué)生在可視化、大數(shù)據(jù)計(jì)算與機(jī)器學(xué)習(xí)方面的技能。喬治城大學(xué)分析學(xué)理學(xué)碩士項(xiàng)目(數(shù)據(jù)科學(xué)方向)的教學(xué)始終貫穿培養(yǎng)學(xué)生的交際、團(tuán)隊(duì)合作與問題解決技巧等重要軟實(shí)力。喬治城大學(xué)分析學(xué)理學(xué)碩士項(xiàng)目的畢業(yè)生能夠任職于商業(yè)智能、精準(zhǔn)醫(yī)療、政策分析、金融、市場營銷、網(wǎng)上銀行、大數(shù)據(jù)基礎(chǔ)設(shè)施以及教育等領(lǐng)域。此外,喬治城大學(xué)分析學(xué)理學(xué)碩士項(xiàng)目(數(shù)據(jù)科學(xué)方向)還將有助于學(xué)生進(jìn)一步攻讀應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)或計(jì)算科學(xué)、經(jīng)濟(jì)學(xué)專業(yè)的博士學(xué)位。
1、Advanced Programming Topics
2、Introduction to Data Analytics
3、Massive Data Fundamentals
4、Scientific and Analytical Visualization
5、Probabilistic Modeling and Statistical Computing
6、Statistical Learning
7、Effective Presentation for Technology & Science
8、Structures and Algorithms for Analytics
9、Optimization
10、Natural Language Processing for Data Analytics
11、Neural Networks and Deep Learning
12、Advanced Pattern Recognition
13、Internship
14、Statistical Machine Learning
15、Advanced Data Bases
1、高級編程專題
2、數(shù)據(jù)分析學(xué)導(dǎo)論
3、大數(shù)據(jù)基礎(chǔ)
4、科學(xué)與分析可視化
5、概率建模與統(tǒng)計(jì)計(jì)算
6、統(tǒng)計(jì)學(xué)習(xí)
7、科學(xué)與技術(shù)的有效展示
8、分析學(xué)結(jié)構(gòu)與算法
9、最優(yōu)化
10、數(shù)據(jù)分析學(xué)中的自然語言處理
11、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
12、高級模式識別
13、實(shí)習(xí)
14、統(tǒng)計(jì)機(jī)器學(xué)習(xí)
15、高級數(shù)據(jù)庫