目录:数据科学课程

数据科学课程仅限于招收学生 中音学位课程 只要。

基础

这个快节奏的课程为学生提供必要的数据科学先进的工作基础知识蟒。学生获得实践频繁编写代码,构建以先进的技术专注于数据科学中的应用。我们引入一个范围Python对象和控制结构的,那么建立在这些与面向对象的编程类。一个主要的编程项目加强了这些概念,让学生深入了解一个大的软件构建和经验管理全周期开发项目。最后一节涵盖了数据分析,numpy的和熊猫两种流行的Python包,以及包括探索性数据分析。

介绍数据科学的景观,尤其侧重于学习数据的科学技术来发现和回答学生将在行业遇到的问题。讲座,阅读,讨论和作业会教如何运用纪律,创造性的方法提出更好的问题,收集数据,解释结果,并转达调查结果不同的听众。重点始终是在做真正决策机构将并应作出实际的贡献。

介绍了许多不同类型的定量研究方法和分析数据的统计技术。我们开始侧重于测量,统计推断和使用开源统计语言河的因果推论。在定量技术主题包括:描述和统计推断,取样,实验设计,差异的测试,普通最小二乘回归,广义线性模型。

数据科学依赖于数据,并通过这种依赖数据授权的核心竞争力是知道管理,搜索和计算过的数据有效和高效的方式。本课程的重点是数据如何存储,管理和检索的需要在分析或操作使用。本课程的目的是为学生提供既有理论知识和实践经验,领先的数据管理,存储和检索的掌握非常大规模的数据集。

机器学习是计算机科学与关心在数据中寻找模式统计的路口快速增长的领域。它负责在技术,语音识别在手机的巨大进步,从个性化的产品推荐。本课程提供了一个广阔地介绍了机器学习的主要观点。重点将是直觉和实际的例子,而不是理论成果,但与概率,统计和线性代数的一些经验,将是重要的。

可视化增强了探索性分析以及数据结果的高效的通信。本课程的重点是数据的可视化表示的设计,以发现规律,回答问题,传达调查结果,作出决策,并提供有说服力的证据。我们的目标是给你你需要创建两个研究和解释数据的有效工具的实用知识。整个演习过程中使用相关编程库和软件工具,应用研究和设计理念学提供了实践经验。

顶点

数据科学W210。顶点 (3个单元)

在顶级课程将巩固整个中频方案学到的技能 - 无论是核心数据的科学技能和“软技能”之类的问题解决,沟通,影响和管理 - 学生准备在该领域取得成功。核心是一个学期的团体项目中,学生团队提出并选择项目的想法,行为和沟通工作,接受和提供反馈(在非正式小组讨论和正式演讲类),并用Web的一起提供极具吸引力的演示根据最终的交付。包括相关的阅读材料,案例讨论,和真实世界的例子和观点从领先的数据科学专家及业内人士的小组讨论。

高级

介绍到的法律,政策和数据的伦理问题,包括隐私,监控,安防,分类,识别,决策,自主性和职责警告或行为。审查法律,政策和道德问题在整个完整的数据,科学的生命周期的收集,存储,处理,分析,并与刑事司法的个案研究,国家安全,卫生,市场营销,政治,教育,就业,体育,开发利用。包括法律和政策限制和特定的域和数据类型,收集方法和体制方面的考虑;技术,法律和市场的办法,以减轻和管理的担忧;而优势和竞争和互补的方法的好处。

本课程向学生介绍实验在社会科学领域。这个话题自1995年以来的重要性大大增加,研究人员已经学会创造性地思考如何产生更多的科学数据的方式思考和信息技术的发展促进了更好的数据采集的发展。关键就在这方面的调查是相关性并不一定意味着因果关系的见解。在这个过程中,我们学会了如何使用实验建立因果影响,以及如何进行适当的怀疑从观测数据发现。

本动手课程介绍了数据科学家与建设和运营上直播在网络的边缘更小,功耗更低的设备在云上功能强大的服务器上运行,以及高吞吐量深学习应用技术。类的材料是一组了解到切实可行的办法,代码菜谱和教训。它是基于行业和行业使用情况的最新进展,而不是纯理论。它是由专业人士传授几十年的行业经验。

该课程教授在PB级别的开发结构化和非结构化数据的可扩展的机器学习管道所需的基本原则。学生将获得在Apache的Hadoop和Apache的火花实践经验。

理解语言是人际交往的基础。我们的大脑已经进化特定语言的电路,可以帮助我们很快学会它;然而,这也意味着我们有很大的难度解释的含义究竟是如何产生的声音和符号。这当然是一个广泛的介绍语言现象和我们试图分析它们与机器学习。我们将涵盖广泛的概念,重点放在实际应用,如信息提取,机器翻译,情绪分析,并总结。

数据科学W203(探索和分析数据)的延续,这当然列车数据理科学生申请从回归分析和时间序列模型更先进的方法。中心议题包括线性回归,因果推理,识别策略,以及经常使用的由业内专业人士的时间序列模型宽范围。在整个过程中,我们强调选择,应用和实施统计技术来捕获键模式和生成数据的洞察力。谁的学生顺利完成本课程将能够给所考虑的问题,现有的数据适当和不适当的技术,和给定的时间内进行区分。