數(shù)據(jù)科學碩士課程將為您提供理解和應(yīng)用適當分析方法的知識和技能，從而幫助組織轉(zhuǎn)變實現(xiàn)目標的方式;有效處理大型數(shù)據(jù)管理任務(wù);掌握數(shù)據(jù)分析的基礎(chǔ) – 統(tǒng)計學和機器學習;以及評估和傳達新技術(shù)的有效性。

由于數(shù)據(jù)科學的興起是一項全球性現(xiàn)象，本課程將為您做好國際職業(yè)生涯的準備。您將獲得有關(guān)當代數(shù)據(jù)管理和分析技術(shù)的詳細知識，包括數(shù)據(jù)收集和存儲、可視化、基于互聯(lián)網(wǎng)的應(yīng)用程序以及軟件項目管理等方面。您還將獲得高性能計算方面的重要技能。除了學習計算機和統(tǒng)計學的進階單元之外，您還可以從不同領(lǐng)域的眾多單元中進行選擇，并了解如何在跨學科領(lǐng)域應(yīng)用您的數(shù)據(jù)科學知識和技能。

一、輔導(dǎo)成果

利用現(xiàn)有的數(shù)據(jù)科學技術(shù)來管理和分析大型或復(fù)雜的數(shù)據(jù)集。

評估新興數(shù)據(jù)科學技術(shù)和技巧及其對各種問題的潛在應(yīng)用。

應(yīng)用適當?shù)募夹g(shù)進行數(shù)據(jù)管理、表示、分析和呈現(xiàn)。

使用新組件和現(xiàn)有組件的組合來確定規(guī)劃新數(shù)據(jù)管理項目時要考慮的權(quán)衡。

二、輔導(dǎo)內(nèi)容

1.計算數(shù)據(jù)分析[CITS4009]

該裝置響應(yīng)了一項緊急呼吁，即利用我們?nèi)粘Ｉ罡鱾€方面所產(chǎn)生的前所未有的數(shù)據(jù)量通過將數(shù)據(jù)科學作為一門處理收集、表示、操作和可視化數(shù)據(jù)的學科來介紹生活。

參加該單元的學生學習編寫計算機程序來提取、轉(zhuǎn)換和集成數(shù)據(jù)。包括傳統(tǒng)關(guān)系數(shù)據(jù)庫和基于 Web 的資源。數(shù)據(jù)不同表示格式(例如 XML、JSON 和 HDF5)以及存儲選項(包括 SQL 和 NOSQL 類型)，數(shù)據(jù)庫進行了介紹和比較。另一個核心目標是發(fā)展編程技能，以實現(xiàn)有效且有意義的數(shù)據(jù)可視化。學生有機會運用所學知識通過項目將數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)表示和探索性可視化付諸實踐與現(xiàn)實世界的數(shù)據(jù)分析高度相關(guān)。

2.自然語言處理 [CITS4012]

在本單元中，我們從使用正則表達式的傳統(tǒng)文本處理技術(shù)開始，討論文本處理和規(guī)范化的需求。然后，我們介紹自然語言處理(NLP)的基本流程，包括詞性標記和各種句子解析方式，旨在為情感或文檔分類等更高級別的任務(wù)引入傳統(tǒng)的文本特征收集技術(shù)。基于對基于特征的 NLP 管道方法的優(yōu)缺點的理解，該單元轉(zhuǎn)向 NLP 深度學習的現(xiàn)代方法，重點關(guān)注 NLP 的詞向量表示、神經(jīng)語言模型和循環(huán)神經(jīng)網(wǎng)絡(luò)。該單元圍繞主要 NLP 任務(wù)定位技術(shù)，包括信息提取、情感檢測、對話系統(tǒng)和機器翻譯。

3.開源工具和腳本 [CITS4407]

本單元向?qū)W生介紹支持和促進開源軟件成功的理念、設(shè)計、工具和實踐，開源軟件運行著世界上大部分的計算機基礎(chǔ)設(shè)施。涵蓋的重要主題包括使用 shell 作為編程語言、使用文件系統(tǒng)和管道來支持進程間通信、基本軟件組件、支持軟件開發(fā)和維護過程的工具以及支持軟件集成的一致接口的重要性。

4.數(shù)據(jù)倉庫 [CITS5504]

本單元介紹數(shù)據(jù)倉庫和 OLAP 的關(guān)鍵機制。它討論了數(shù)據(jù)倉庫的邏輯和物理設(shè)計，包括星型模式、雪花模式、數(shù)據(jù)集市、分區(qū)和物化視圖。學生通過學習 OLAP 技術(shù)來學習數(shù)據(jù)倉庫的使用，包括多維 OLAP (MOLAP) 和關(guān)系 OLAP (ROLAP) 架構(gòu)、OLAP 操作以及對 OLAP 的結(jié)構(gòu)化查詢語言 (SQL) 支持。

5.機器學習 [CITS5508]

在本單元中，學生將了解適用于科學和商業(yè)數(shù)據(jù)的機器學習技術(shù)。從大量數(shù)據(jù)中提取有意義的知識已成為商業(yè)和科學領(lǐng)域的首要任務(wù)。機器學習為數(shù)據(jù)分析提供了核心基礎(chǔ)理論和技術(shù)，其中算法迭代地從數(shù)據(jù)中學習以發(fā)現(xiàn)隱藏的見解。本單元涵蓋經(jīng)典監(jiān)督和無監(jiān)督機器學習技術(shù)。

6.應(yīng)用預(yù)測建模 [STAT4064]

本單元涵蓋了一組用于對復(fù)雜數(shù)據(jù)集進行建模、理解和預(yù)測的工具。這些工具選自統(tǒng)計和機器學習自然融合的主題，并通過應(yīng)用示例進行激勵和演示。以學生容易理解的水平討論基本的一般概念和基本理論。使用統(tǒng)計包 R 分析數(shù)據(jù)集，并且該單元提供了該軟件的介紹。主題選自統(tǒng)計推斷、線性回歸、模型選擇、分類、重采樣方法、基于樹的方法、支持向量機和機器學習。

7.貝葉斯計算和統(tǒng)計 [STAT4066]

本單元介紹貝葉斯統(tǒng)計的概念，并說明如何將其應(yīng)用到科學研究的各個領(lǐng)域。介紹了自行實現(xiàn)的算法和概率編程語言(WinBugs、JAGS 和/或 Stan)，并討論了后者與統(tǒng)計計算和圖形環(huán)境 R 的接口。討論了這些概率編程語言背后的一些計算方面，以證明這些算法框架的合理性。這些算法可以直接使用，也可以通過 R 接口，將貝葉斯框架內(nèi)的統(tǒng)計模型與工程、科學(例如農(nóng)業(yè)、生物、環(huán)境、醫(yī)學和物理)、社會科學、經(jīng)濟、金融和天文學。

海馬課堂專業(yè)課程輔導(dǎo)

1.擁有4000+嚴選碩博學霸師資。針對學生的薄弱科目和學校教學進度，匹配背景相符的導(dǎo)師。

2.根據(jù)學生情況進行1V1專屬備課，上課時間靈活安排。

3.中英雙語詳細講解課程中的考點、難點問題，并提供多方位的課后輔導(dǎo)，輔助學生掌握全部課程知識，補足短板。