Data Science Methodology-programma
De digitale revolutie brengt een explosie van gegevens met zich mee die een aanzienlijke potentiële waarde heeft voor bedrijven, de wetenschap en de samenleving. Naarmate gegevens gemakkelijker beschikbaar worden als nooit tevoren, groeit ook het volume ervan en wordt het verkrijgen van bruikbare kwantitatieve inzichten steeds uitdagender.
Het Barcelona School of Economics -masterprogramma in Data Science Methodology bereidt zijn afgestudeerden voor op het ontwerpen en bouwen van datagestuurde systemen voor besluitvorming in de private of publieke sector, en biedt een grondige training in voorspellende, beschrijvende en prescriptieve analyses. Het curriculum begeleidt studenten van modellering en theorie tot computationele praktijk en geavanceerde tools, onderwijsvaardigheden waar wereldwijd een groeiende vraag naar is.
Data Science Methodology-studenten zullen gewapend zijn met een gedegen kennis van statistische en machine learning-methoden, optimalisatie en computing, en het vermogen om de mogelijkheid van datagestuurde waardecreatie te herkennen, beoordelen en grijpen. Ze zullen leren hoe ze klassikale voorbeelden kunnen toepassen met behulp van echte gegevens en concrete zakelijke vragen kunnen beantwoorden vanuit het perspectief van verschillende industrieën. Door middel van een onafhankelijk masterproject en de mogelijkheid voor industrieel practicumwerk met lokale bedrijven, kunnen studenten de kans krijgen om feitelijke analyseproblemen hands-on op te lossen.
Onze cursussen worden gegeven door vooraanstaande academici en onderzoekers op het gebied van economie, bedrijfsvoering en statistiek, evenals ervaren professionals uit de analyse-industrie.
Het programma nodigt ook gastsprekers en ondernemers uit die aan de grenzen van Data Science werken.
Programma schema
Het programma Data Science Methodology is georganiseerd rond vier pijlers:
Statistieken en machine learning
Optimalisatie en operationeel onderzoek
Datawarehousing, Business Intelligence en Big Data Analytics
Economie, financiën en beleidsvorming
In september moeten de studenten drie opfriscursussen volgen. Studenten die het bewijs kunnen leveren van voldoende eerdere cursussen kunnen worden vrijgesteld:
Inleiding tot computergebruik
Inleiding tot economie
Inleiding tot wiskunde
Het cursusaanbod is onder voorbehoud.
Welke vaardigheden en kennis zal ik verwerven in dit programma?
Expertise in moderne computationele, hoogdimensionale en simulatiegebaseerde statistieken en machine learning
Solide evaluatie van de kansen van datagedreven waardecreatie binnen bedrijven en organisaties
Mogelijkheid om geschikte statistische methoden en optimalisatietechnieken toe te passen bij het oplossen van complexe problemen
Innovatie met databasebeheersystemen en gedistribueerde verwerking in een cloud computing-omgeving
Ervaring met het analyseren van Big Data uit het Internet of Things (industriële sensorgegevens), het Internet of People (sociale en locatiegegevens) en zakelijke transactiegegevens
Effectieve communicatie van gegevensanalyseresultaten door middel van presentatie- en esthetische grafiekvaardigheden
Wie heeft er baat bij dit programma?
Studenten Data Science Methodology hebben meestal een achtergrond in economie, bedrijfskunde en andere kwantitatieve vakken. Ze hebben doorgaans een solide economische basis, een grote interesse in kwantitatieve methoden en de ambitie om te werken aan problemen en gegevens uit de echte wereld. Programmeerprofessionals en aspirant Ph.D. studenten die analytische en kwantitatieve tools willen verwerven, zullen ook profiteren van het Barcelona GSE Data Science-programma.
Wie neemt afgestudeerden in Data Science Methodology aan?
Consultancy bedrijven
Financiële diensten
Overheid en autoriteiten
Internationale organisaties/non-profitorganisaties
Technologie
Onderzoeks- en academische instellingen
Andere industrieën
Voorbeelden van recente professionele plaatsingen:
Accenture − Analist − Barcelona, Spanje
Barcelona Supercomputing Center − Data Scientist (postdoctoraal) − Barcelona, Spanje
Blackrock − Data Science Intern − Londen, Verenigd Koninkrijk
Caixa Business Intelligence − Data Scientist − Barcelona, Spanje
Centrum voor Onderzoek in Gezondheid & Economie en UPF (CRES-UPF) − Data Scientist − Barcelona, Spanje
CoinFi − Data Scientist − Hong Kong, China
Criteo − Local Analyst − Stockholm, Zweden
Europese Investeringsbank (EIB) − Stage in de statistiek − Luxemburg, Luxemburg
Fresenius Medical Care − Junior Data Scientist − Berlijn, Duitsland
Internationale Arbeidsorganisatie (ILO) − Data Scientist − Genève, Zwitserland
International Telecommunication Union − Marktanalist − Genève, Zwitserland
Luchthaven München − Data Scientist − München, Duitsland
Novartis − Advanced Analytics Specialist − Barcelona, Spanje
OESO-directoraat voor openbaar bestuur en territoriale ontwikkeling − Data Science Stagiair − Parijs, Frankrijk
Sanofi − Statistische Voorspeller − Barcelona, Spanje
Sociaal punt − Game Data Scientist − Barcelona, Spanje
Telefónica − Research Data Scientist − Barcelona, Spanje
The Washington Post − Digital Analyst − Washington DC, Verenigde Staten
Wereldbank − Data Scientist/ Research Analyst − Washington DC, Verenigde Staten
Voorbeelden van recente Data Science Ph.D. plaatsingen:
Universitat Pompeu Fabra (UPF)
Universiteits Hogeschool Londen
Universiteit van Californië, San Diego
Programma voor datawetenschap voor besluitvorming
De vraag naar Data Scientists explodeert, gedreven door de toenemende beschikbaarheid van data en de opmars van machine learning. Gegevensverzameling en -analyse zijn cruciale componenten geworden van de besluitvorming in de hedendaagse particuliere en openbare organisaties en velen zijn begonnen met het ontwikkelen van gespecialiseerde afdelingen voor dit doel.
Het vermogen om grote hoeveelheden gegevens te extraheren, te verwerken en te analyseren is daarom een belangrijke vaardigheid op de huidige arbeidsmarkt.
Het verzamelen en samenvatten van gegevens is echter niet voldoende. Datawetenschap kan de besluitvorming alleen verbeteren als we begrijpen hoe keuzes de resultaten beïnvloeden. Data Scientists moeten daarom steeds vaker standaardtools in machine learning combineren met inzicht in de causale relaties achter de data.
Het Barcelona School of Economics -masterprogramma Data Science for Decision Making integreert belangrijke elementen uit Data Science en Economics om afgestudeerden de mogelijkheid te bieden om met alle soorten gegevens om te gaan en er de juiste conclusies uit te trekken.
Studenten worden getraind in het gebruik van geavanceerde machine learning-methoden en statistische modellen die hen zullen helpen om effectieve gegevensondersteuning te bieden in het besluitvormingsproces van elke organisatie. Studenten zullen bijvoorbeeld in staat zijn om informatie te extraheren uit de structuur van sociale netwerken, satellietbeelden, grote bibliotheken met gedigitaliseerde tekst, gegevens in kaarten te lezen en te visualiseren en gelokaliseerde informatie en tijdreeksgegevens te begrijpen. Ze zullen deze gegevens ook kunnen gebruiken voor het voorspellen en evalueren van verschillende beleidsopties of bedrijfsstrategieën door middel van modellen die zijn gebaseerd op inzicht in causale verbanden.
Programma schema
Het programma Data Science for Decision Making is georganiseerd rond vier pijlers:
Statistieken en machine learning
Econometrie en causale identificatie
Datawarehousing, Business Intelligence en Text Mining
Economische modellen en optimalisatie voor besluitvorming
Welke vaardigheden en kennis zal ik verwerven in dit programma?
Mogelijkheid om adequate gegevensanalyse te bieden voor besluitvormingsproblemen in onderzoek, overheden, bedrijven, internationale organisaties en NGO's.
Mogelijkheid om het besluitvormingsprobleem te analyseren door de combinatie van toegepaste datawetenschap en economische kaders.
Programmeervaardigheden die nodig zijn om gegevens uit elke bron te extraheren, inclusief tekst, afbeeldingen, sociale netwerken, geocodering en kaarten.
Gebruik en programmeer geavanceerde machine learning en econometrische tools om de resulterende gegevens te analyseren.
Expertise opdoen in databasebeheer en gedistribueerde verwerking in een cloud computing-omgeving.
Ontwikkel een diep begrip van de verschillen tussen correlatie en causaliteit en waarom dit cruciaal is voor optimale besluitvorming.
Communiceer resultaten van gegevensanalyse effectief door middel van presentatie- en esthetische grafiekvaardigheden.
Vermogen om problemen vanuit verschillende invalshoeken te benaderen en zich bewust te zijn van complementariteit in kennis over interdisciplinaire teams.
Wie heeft er baat bij dit programma?
Het doel van dit masterprogramma is om twee profielen te dienen:
Het toegepaste karakter van de cursus is bedoeld om toegankelijk te zijn voor studenten die werkervaring hebben in ondernemingen, de overheid of internationale organisaties en binnen deze organisaties met data hebben gewerkt.
Het programma geeft pas afgestudeerden met sterke analytische vaardigheden de mogelijkheid om zich te specialiseren in toegepast datawerk.
Gezien de diverse achtergrond van onze studenten, zijn er geen vereisten in Data Science of Economics. Studenten zullen echter alleen in staat zijn om de rijkdom aan methoden die worden onderwezen te absorberen met enige ervaring in het werken met gegevens, zeer sterke kwantitatieve vaardigheden en enige voorkennis in statistiek.
Studenten leren tijdens de master STATA en programmeren in Python te gebruiken, maar enige ervaring met deze twee softwarepakketten stelt studenten in staat zich op de applicaties te concentreren.
