Harbour Space UTCC

MSc Data Science

1 Pillér

A hallgatók a programozás és a matematika alapismereteivel kezdik a programot, beleértve az adatstruktúrákat és algoritmusokat, a statisztikákat és a gépi tanulást. A program első pillérén belül a matematikai, programozási és adatelemzési ismereteik jelentősen bővülnek. A program lehetőséget kínál a szakmai világ számára kulcsfontosságú soft készségek megszerzésére is, beleértve a műszaki projektmenedzsmentet, az írást és a prezentációt.

Témakörök

• Kombinatorika és grafikonok
• Objektum-orientált programozás (C++)
• Adatstruktúrák és algoritmusok
• adatbázisok
• Valószínűségelmélet és statisztika
• Gyakorlati Unix
• Bevezetés a kölcsönhatás tervezésébe
• Diszkrét optimalizálás
• Master's Machine Learning
• Piton
• Networks
• Java programozás
• Big Data Analysis/Gépi tanulás – 2
• R
• Konvex optimalizálás
• Vezetés és csoportdinamika
• Műszaki írás és bemutató
• Komplexitáselmélet
• Műszaki projektmenedzsment
• Nemlineáris optimalizálás
• Statisztikai adatok elemzése
• Capstone projekt – 1
• Szemináriumok és workshopok - 1

2 Pillér

A program második pillérében a hallgatók elsősorban az adattudomány kulcsfontosságú alkalmazásaira, valamint a matematikai és adatelemzési módszerekre összpontosítanak. A tanulmány jelentős részét a Capstone projekt befejezésére fordítják. A program elvégzése során a hallgatók megtanulják, hogy bármilyen léptékű adatelemzést végezzenek, kidolgozzák az elemzéshez szükséges szoftvereket, és professzionálisan és hatékonyan mutassák be az eredményeket.

Témakörök

• Párhuzamos és elosztott számítástechnika
• Statisztikai adatelemzés - 2
• Szoftvertervezés
• Sztochasztikus és hatalmas léptékű optimalizálás
• A kriptográfia alapjai
• Térkép csökkentése
• Elosztott adatbázisok
• Szövegbányászat
• Játékelmélet
• Neurális hálózatok és mély tanulás
• Közösségi hálózati elemzés
• Idősorok
• Robusztus optimalizálás
• Kép- és videóelemzés – 1
• Információszerzés
• Aukciók
• Statisztikai adatelemzés - 3
• Információelmélet
• Kép- és videóelemzés – 2
• Gépi fordítás
• Adatmegjelenítés
• A bioinformatikai algoritmusok
• Spektrális gráfelemzés és adattudományi alkalmazások
• Webes grafikonok
• Capstone projekt – 2
• Szemináriumok és workshopok - 2

• Junior Data Scientist: Ez egy tipikus kezdő szerep az adattudományi BSc-t végzettek számára. A pozíció megköveteli a matematikai alapos ismereteket, különös tekintettel a statisztikákra és a gépi tanulásra, valamint a programozáshoz és adatbázisokhoz kapcsolódó fogalmakra. Egy csapat tagjaként a fiatal adattudósok első kézből szereznek tapasztalatokat az ipari adatok elemzésével kapcsolatban, miközben idősebb kollégáktól tanulnak.
• Data Scientist: Az adattudósok matematikai hátterüket és gyakorlati tapasztalataikat egyesítik a területi szakértelemmel, amely lehetővé teszi számukra, hogy fejlett adatelemzéseket végezzenek, amelyek a jó üzleti döntéseket elősegítő előrejelzések készítéséhez szükségesek. A munka megköveteli a matematika és az üzleti célok megértését. Az adattudósoknak műszaki szakértőknek kell lenniük a nagy mennyiségű, változatos adat kezeléséhez szükséges kompetenciákkal, valamint erős programozási készségekkel.
• Senior Data Scientist: A vezető adattudós kapocs lesz az üzletvezetés magja és a teljes elemzőcsapat között. A szerepkör megköveteli a hatékony kommunikáció képességét az üzleti célok megragadásához és az elemzők által hozzájuk juttatott meglátások közléséhez. Vezető adattudósok irányítják a releváns programozási és alkalmazásépítési projekteket, valamint a kísérlettervezés megfogalmazását, és vezető szerepet töltenek be egy adattudományi csapatban.
• Vezető adattudós: A vezető adattudós egy adatlátnok, aki a vállalaton belül és az interneten elérhető adatok elemzésével keresi meg az üzleti kérdések megválaszolását. A munka gyakran megköveteli új elemzési módszerek kidolgozását és az ipar és a tudományos élet metszéspontjában történő munkavégzést.
• Chief Data Officer: A Chief Data Officer olyan üzleti vezető, aki az adatelemzés, az információtechnológia és az üzleti stratégia metszéspontjában látja el a felelősségeket. A CDO meghatározza a kockázatok ellenőrzésének hosszú távú irányát és az információirányításból, valamint az adatkezelésből és elemzésből származó értékteremtést. A legfontosabb az, hogy a CDO a változás egyik eszköze, amely a hatékonyság új szintjeit tárja fel azáltal, hogy az adatokból gyűjtött tudáson alapuló mélyreható betekintést nyújt be.

Jelentkezzen most, hogy akár 50% kedvezményt kapjon tandíjából és kedvezményes jelentkezési díjból.