Datenwissenschaft - MS
Kent State University
Schlüsselinformation
Campus-Standort
Kent, Vereinigte Staaten von Amerika
Sprachen
Infos anfordern
Studienformat
Auf dem Campus
Dauer
Infos anfordern
Tempo
Vollzeit
Studiengebühren
Infos anfordern
Bewerbungsschluss
Infos anfordern
frühestes Startdatum
Infos anfordern
Einführung
Data Science - MS
Der Master of Science in Data Science konzentriert sich auf die Entwicklung von Wissenschaftlern, die die Theorien, Methoden und Werkzeuge der Data Science verstehen und Data Science zur Lösung von Forschungs- und Arbeitsplatzfragen in den Natur-, Gesundheits- und Sozialwissenschaften für Unternehmen und Branchen anwenden.
Die Datenwissenschaft ist eine aufstrebende MINT-Disziplin, die auf den Prinzipien der Mathematik und der Naturwissenschaften basiert und durch eine Synthese aus Mathematik und Informatik entwickelt wurde. Man kann sich Data Science als eine Mischung aus Methoden und Ideen aus Analyse, Statistik, Datenbanken, Big Data, künstlicher Intelligenz, numerischer Analyse, Graphentheorie und Visualisierung vorstellen, um Informationen in Daten zu finden und diese Informationen zur Lösung realer Probleme anzuwenden. Weltprobleme.
Admissions
Stipendien und Finanzierung
Es stehen mehrere Stipendienoptionen zur Verfügung. Bitte besuchen Sie die Website der Universität für weitere Informationen.
Lehrplan
Hauptanforderungen
- Erweitertes Design von Datenbanksystemen
- Data Mining-Techniken
- Big Data Analytics
- Angewendete Statistiken
- Computerstatistik
- Statistisches Lernen
Wählen Sie aus den folgenden Anforderungen:
- Capstone-Projekt
- Capstone Project und Graduate Internship
- These I.
- These I.
Wählen Sie aus den folgenden Wahlfächern:
- Biologische Statistik
- Künstliche Intelligenz
- Datensicherheit und Datenschutz
- Big Data Management
- Probabilistisches Datenmanagement
- Computational Health Informatics
- Fortgeschrittene künstliche Intelligenz
- Multimedia-Systeme und Biometrie
- Informationsvisualisierung
- Forschung oder
- Forschung
- Ökonometrie I.
- Ökonometrie Ii
- Zeitreihenanalyse
- Umweltgesundheitskonzepte in der öffentlichen Gesundheit
- Grundlagen der Epidemiologie der öffentlichen Gesundheit
- Prinzipien der epidemiologischen Forschung
- Beobachtungsdesigns für die klinische Forschung
- Versuchspläne für die klinische Forschung
- Geografische Informationswissenschaft
- Fortgeschrittene Geoinformationswissenschaft
- Gesundheitsinformatik-Management
- Klinische Analytik
- Human Factors und Usability in der Gesundheitsinformatik
- Klinische Analytik II
- Grundprinzipien des Wissensmanagements
- Die Informationslandschaft
- Informationsorganisation
- Wahrscheinlichkeitstheorie und Anwendungen
- Themen der Wahrscheinlichkeitstheorie und stochastischer Prozesse
- Stochastische versicherungsmathematische Modelle
- Quantitative statistische Analyse I.
- Quantitative statistische Analyse II
Programmergebnis
Absolventen dieses Programms können:
- Stellen Sie die Fragen, damit Probleme in einer bestimmten geschäftlichen oder industriellen Situation klar werden.
- Stellen Sie fest, ob das Problem mit datenwissenschaftlichen Methoden und Werkzeugen behoben werden kann, und schlagen Sie, falls ja, mögliche Methoden zur Lösung der Probleme vor.
- Machen Sie Vorschläge, wie Data Science verwendet werden kann, um die Qualität und den Wert derzeit vorhandener Produkte zu verbessern (unabhängig davon, ob es sich um physikalische oder methodische Produkte handelt) und wie Data Science bei der Entwicklung neuer Produkte eingesetzt werden kann.