Duomenų analizės magistras
Oxford Brookes University
Pagrindinė informacija
Universiteto vieta
Wheatley, Jungtinė Karalystė
Kalbų studijos
Anglų kalba
Studijų formatas
Stovykloje
Trukmė
1 - 5 metai
Tempas
Dieninės, Ištęstinės
Mokestis už mokslą
GBP 16 600 / per year *
Galutinis paraiškų davimo terminas
Susisiekti su mokykla
Anksčiausia pradžios data
Susisiekti su mokykla
* JK studentai visą darbo dieną: 1 080 GBP už vieną modulį | Tarptautiniai / ES studentai dieniniai: 16 600 GBP
Stipendijos
Ištirkite stipendijų galimybes, kurios padės finansuoti savo studijas
Įvadas
Turėdami duomenų analizės magistro laipsnį, išmoksite pagrindinės teorijos ir praktikuojate matematinį ir statistinį modeliavimą. Ypatingas dėmesys skiriamas duomenų analizei ir vizualizacijai.
Naujausiais skaitmeninių technologijų pokyčiais visuomenė įžengė į „didžiųjų duomenų“ erą. JK vyriausybė pripažįsta didelius duomenis viena iš aštuonių puikių technologijų. Ji turi finansavimo ir mokslinių tyrimų prioritetus ir atliks pagrindinį vaidmenį atkuriant ir stiprinant ekonomiką.
Sprogimas ir turimų duomenų gausa įvairiose taikymo srityse sukelia naujų iššūkių ir galimybių visose srityse. Vienas pagrindinių iššūkių – kaip pasinaudoti precedento neturinčiu duomenų mastu. Ir kaip įgyti tolimesnių įžvalgų ir žinių, gerinant siūlomų produktų ir paslaugų kokybę.
Sukūrėme duomenų analizės magistrantūros studijas tiems, kurie šiuo metu dirba. Ir dirbti kartu su duomenų analizės vyriausybės magistrantūra. Jis prieinamas visiems studentams ir nėra išskirtinis jokiam konkrečiam užimtumo sektoriui.
Galerija
Priėmimai
Stipendijos ir finansavimas
Studijų programa
Studijų moduliai
Privalomi moduliai
- Tyrimai ir studijų metodai (10 kreditų)
Šis modulis suteiks jums įgūdžių, reikalingų norint atlikti mokslinius tyrimus, ir panaudoti veiksmingus studijų metodus, kuriais bus grindžiama jūsų disertacija. - Duomenų mokslo pagrindai (10 kreditų)
Šiame modulyje pateikiama pagrindinių duomenų mokslo sąvokų ir įrankių apžvalga, daugiausia dėmesio skiriant realaus gyvenimo duomenų mokslo tyrimų klausimams, praktiškai naudojant R ir (arba) Python programavimą kaip neatskiriamą kurso dalį. - Apklausos pagrindai (10 kreditų)
Šiame modulyje pateikiama atrankos ir įvertinimo pagrindų apžvalga. - Statistinis programavimas (10 kreditų)
Šis modulis supažindina su pagrindiniais R programavimo metodais, kurie yra būtini atliekant tradicinių ir alternatyvių duomenų šaltinių duomenų apdorojimą, duomenų apdorojimą ir duomenų analizę per praktines sesijas. - Įvadas į apklausų tyrimus (10 kreditų)
Šiame modulyje pristatomi etapai, susiję su apklausų planavimu ir atlikimu. Jame bus svarstomi galimi metodologiniai klausimai, įskaitant klaidas, ir aptariamos galimybės sumažinti poveikį atliekant tyrimo planą. - Regresijos modeliavimas (10 kreditų)
Šis modulis supažindins su pagrindiniu regresijos modeliu – likučių analize, modelio kūrimu ir parinkimu bei kategorinių kintamųjų tvarkymu. Taip pat bus pristatyta logistinė regresija (dvejetainės reakcijos regresija), įvertinant modelio tinkamumą ir modelio kūrimą bei pasirinkimą. Galiausiai bus pristatytas daugialypės regresijos ir daugiamatės regresijos modeliavimas. - Išplėstinis statistinis modeliavimas (10 kreditų)
Šis modulis pristato plačią linijinių ir netiesinių statistinių modelių klasę ir tikimybių išvedimo į įvairias dažniausiai sutinkamas duomenų analizės problemas įvairiose disciplinose principus. - Laiko eilučių analizė (10 kreditų)
Šis modulis supažindina jus su laiko eilutėmis ir prognozavimo metodais. - Įvadas į mašininį mokymąsi (10 kreditų)
Šiame modulyje pateikiami mokymosi kompiuteriu principai ir jo pritaikymai. Ji apima mašininio mokymosi metodikų pagrindus, diegimus ir analizės metodus, tinkamus mašininio mokymosi programoms. - Išplėstinis mašininis mokymasis (10 kreditų)
Šis modulis yra pagrįstas moduliu Įvadas į mašininį mokymąsi. Jame pagrindinis dėmesys skiriamas pažangiems programavimo įgūdžiams ir neuroniniam skaičiavimui kaip mašininio mokymosi, natūralios kalbos apdorojimo ir daugialypės terpės pratęsimui. Jame atsižvelgiama į prižiūrimus ir neprižiūrimus mašininio mokymosi algoritmus (atsitiktinius miškus, neuroninius tinklus, grupavimą, žurnalo regresiją ir palaikančius vektorinius įrenginius) kartu su pažangesniu vaizdų gavimu ir daugialypės terpės duomenų apdorojimu. - Įvadas į paskirstytas sistemas (10 kreditų)
Šiame modulyje pateikiama didelio masto ir lygiagretaus duomenų apdorojimo apžvalga. Jame pristatomi „Hadoop“ ir „Spark“ bei lygiagrečių apdorojimo paradigmų naudojimas. - Duomenų vizualizacija (10 kreditų)
Šis modulis pagrįstas pagrindinėmis duomenų vizualizacijomis, pateiktomis privalomuose moduliuose. Ji apims informacijos kūrimą, sąveikos dizainą ir vartotojų įtraukimą; moderniausi įrankiai, skirti sukurti naudingas vizualizacijas įvairių tipų duomenų rinkiniams ir taikomųjų programų scenarijams.
Baigiamasis projektas
- Duomenų analizės disertacija (60 kreditų)
Magistrantūros studentai taip pat privalo baigti disertaciją duomenų mokslo tema, susijusia su jų studijų programa.
Tikslus kiekvienos disertacijos turinys skirsis priklausomai nuo pavadinimo, bet reikės baigti literatūros apžvalgą ir aukštesnio lygio temos tyrimą, parengti projekto pasiūlymą, taikyti analizės metodus ir akademinius metodus kuriant disertaciją. sudėtingos problemos alternatyvūs sprendimai ir sprendimo sintezė, kartu su sprendimo pristatymu žodžiu ir raštu.
Mokymasis ir mokymas
Mūsų kursas turi palankią mokymo ir mokymosi strategiją, pagrįstą aktyviu studentų įsitraukimu.
Mes naudojame įvairius mokymo ir vertinimo metodus, tokius kaip:
- kritinės vertinimo ataskaitos
- duomenų analizės ataskaitos
- duomenų analizė naudojant programines programas
- pristatymai ir atvejų analizė.
Mokymosi metodai apima:
- mišrus mokymasis
- oficialios paskaitos
- problemų sprendimo praktikos
- vadovaujamas savarankiškas mokymasis
- kompiuterinės virtualios mokymosi aplinkos „Moodle“ naudojimas
- nepriklausomi tyrimai
- programinės įrangos duomenų analizė
- eksperimentai.
Programos mokestis už mokslą
KARJEROS GALIMYBĖS
Ši programa leidžia absolventams atlikti įvairius duomenų mokslo vaidmenis. Įprastos karjeros šioje srityje yra šios:
- duomenų inžinieriai
- verslo analitikai
- duomenų valdytojai
- mašininio mokymosi praktikai
- duomenų mokslininkai.
Apie Mokyklą
Klausimai
Panašūs kursai
Verslo analitikos magistras
- Monterrey, Meksika
Socialinių duomenų analizės ir tyrimų magistras
- Richardson, Jungtinės Amerikos Valstijos
Finansų ir duomenų analizės magistras (MFDA)
- Prague, Čekija