Master of Science in sociale datawetenschap (2 jaar)
Vienna, Oostenrijk
DUUR
2 Years
TALEN
Engels
TEMPO
Full time
DEADLINE VOOR AANMELDING
Aanvraagdeadline
EERSTE STARTDATUM
Vraag de vroegste startdatum aan
COLLEGEGELD
EUR 12.000 / per year *
STUDIE FORMAAT
Op de campus
* betaalbaar in één of twee termijnen, een niet-restitueerbare initiële termijn van het collegegeld (€ 500 EUR) wordt betaald om uw aanvaarding van ons toelatingsaanbod te bevestigen en wordt bijgeschreven op de eerste termijn van het collegegeld in jaar 1
Invoering
Het MSc-programma Social Data Science is een tweejarig voltijds multidisciplinair onderzoeksgericht programma. Het programma biedt geavanceerde training op drie manieren: via methodologische training in Data Science leren studenten de kern en geavanceerde wiskundige, statistische en computationele hulpmiddelen voor het verzamelen, beheren, beheren en analyseren van enorme datasets van menselijke acties en interacties. Tegelijkertijd zullen ze door disciplineoverschrijdend te werken een algemeen beeld krijgen van het toepassingslandschap van deze methoden in verschillende sociaalwetenschappelijke disciplines en diepgaande kennis over disciplinaire vragen die het dichtst bij hun interesse liggen.
Studenten zullen worden geconfronteerd met de modernste kansen en uitdagingen van Big Data-technologieën, die hen zullen helpen reflexief en kritisch denken te ontwikkelen over dergelijke technologieën en hun rol bij het vormgeven van menselijk gedrag en sociale verschijnselen. Aan het einde van de training zullen ze in staat zijn datagestuurde projecten en digitale sociale experimenten te ontwerpen om sociale fenomenen te meten, interpreteren, modelleren en begrijpen, zoals ongelijkheid en segregatie, migratie, corruptie, genderkwesties, populisme en nepnieuws. , milieuproblemen en de sociale gevolgen van kunstmatige intelligentie. Afgestudeerden zullen goed uitgerust zijn om deel te nemen aan interdisciplinaire teams die werken aan sociale problemen met computationele methoden in de academische wereld, de publieke sector, maatschappelijke organisaties en de industrie.
Studenten worden geselecteerd in een proces in twee fasen, met een voorselectie door de organisatoren van het programma, gevolgd door een screening door de toelatingscommissie. Aanvragers moeten slagen voor een BMat-examen en een doelverklaring indienen. In het eerste jaar begint het programma met een gediversifieerde bootcamp om wiskunde- en programmeervaardigheden in het cohort te harmoniseren en mogelijke zwakke punten in sociaal-wetenschappelijke achtergronden te identificeren, zodat studenten zich bewust worden van waar ze zich het hele jaar op moeten concentreren.
De cursussen van het MSc-programma zijn onderverdeeld in drie hoofdmodules: Fundamentele methoden van datawetenschap, geavanceerde methoden en concepten, en specialisatie. Tijdens het programma kunnen studenten het academische of Applied Social Data Science-traject volgen, waardoor ze dienovereenkomstig worden opgeleid voor verschillende carrièrepaden. Hoewel de verplichte kernvakken deze tracks sterk overlappen, biedt de modulaire structuur flexibele keuzes van keuzevakken voor studenten die zich kunnen specialiseren op basis van hun interesses. Elke student krijgt aan het einde van het eerste jaar een onderzoeksstage en voltooit een sluitstukproject om het diploma te behalen. De doelen van deze projecten zijn het toepassen van kennis en onderzoek in een nieuwe omgeving, het opdoen van ervaring en het opbouwen van verbindingen in een academische onderzoeksgroep of een datagericht bedrijf.
Afgestudeerden vertegenwoordigen een nieuwe generatie wetenschappers, ondernemers en beleidsmakers met kennis over de fundamentele vragen en geavanceerde methoden in data science met gelijktijdige gevoeligheid voor maatschappelijk relevante kwesties. Het programma zal hen helpen onafhankelijk en kritisch denken en bruikbare vaardigheden te ontwikkelen om feitelijke sociale problemen zoals ongelijkheid en segregatie, migratie, corruptie, populisme, nepnieuws, milieuproblemen en de sociale gevolgen van kunstmatige intelligentie aan te pakken.
Hoe verandert internet de samenleving? Hoe kan de verspreiding van een pandemie worden gevolgd, voorspeld en gecontroleerd? Hoe kan met behulp van nieuwe technologieën een grotere participatie van mensen in de besluitvormingsprocessen worden bereikt?
Ons digitale tijdperk in de 21e eeuw vraagt om datagedreven redeneren om deze en andere soortgelijke nieuwe maatschappelijke, organisatorische en ecologische uitdagingen te beantwoorden. Als reactie daarop wil het MS-programma Social Data Science een nieuwe generatie datawetenschapsexperts, ondernemers en beleidsmakers opleiden met een sterke affiniteit met de sociale wetenschappen, die digitale samenlevingen kunnen begrijpen en hun toekomst kunnen vormgeven.
Waarom MS in SDS bij CEU?
- Engelstalig data science programma met een focus op de sociale wetenschappen
- Diploma met een wereldwijde erkenning die is geaccrediteerd in Oostenrijk en de VS
- Specialisaties in vier interdisciplinaire vakgebieden
- Hoogwaardig en toch betaalbaar diploma
- Wij ontwikkelen inzetbare afgestudeerden: CEU is perfect als u uw inzetbaarheidsvaardigheden wilt vergroten en een betekenisvolle carrière met een dieper doel wilt nastreven
Programmaaccreditatie/registratie
- Het programma werd goedgekeurd en geregistreerd door het New York State Education Department
- Programma geaccrediteerd door het Agentschap voor Kwaliteitsborging en Accreditatie Oostenrijk (AQ-Oostenrijk)
toelatingen
Beurzen en financiering
Aan masterkandidaten kennen we financiële steun toe op basis van academische verdiensten. Financiële ondersteuning voor masterstudies kun je aanvragen in het onderdeel Financiering van het online aanvraagformulier.
leerplan
1-jarige en 2-jarige programma's
Afgestemd op de unieke ambities van een student, bieden wij 1- en 2-jarige voltijdprogramma's aan, beide geaccrediteerd in Oostenrijk en de VS. Het 2-jarige programma biedt de volledige masteropleiding (120 ECTS, 60 studiepunten) in Social Data Science met specialisaties op verschillende gebieden van de sociale wetenschappen, en het 1-jarige programma (60 ECTS, 30 studiepunten) bouwt voort op voorafgaande training in data science tijdens een bachelor- of masterprogramma en biedt gerichte training in de specialisatiegebieden.
Jaar 1
Bootcamp
- Concepties van sociale dynamiek (ECTS 0)
- Inleiding tot de informatica (ECTS 0)
- Presessie Wiskunde (ECTS 0)
Fundamentele methoden van datawetenschap
- Toegepaste statistiek (ECTS 4)
- Data-analyse in Python (ECTS 4)
- Machine learning 1 (ECTS 4)
- Sociale datamining (ECTS 4)
specialisatie
- Debatten en tegenstrijdigheden in sociale datawetenschap (ECTS 4)
- Sociale netwerken 1 (ECTS 4)
- Vak uit de lijst met specialisatietracks (ECTS 4)
Geavanceerde methoden en concepten
- Onderwerpen van sociale datawetenschap (ECTS 4)
- Methoden voor digitale gegevensverzameling: (ECTS 4)
- Kansen en risico’s (ECTS 4)
- Datavisualisatie (ECTS 4)
Academisch schrijven
- Academisch schrijven voor MS in Social Data Science (ECTS 4)
Optionele cursussen
- Gratis keuzevak op MS-niveau van alle programma's bij CEU PU (ECTS 4)
Project 1
- Onderzoeksstage (ECTS 4)
Jaar 2
Fundamentele methoden van datawetenschap
- Vak uit de verplichte keuzevakkenlijst van de module (ECTS 4)
specialisatie
- Vak uit de lijst met specialisatietracks (ECTS 4)
- Vak uit de lijst met specialisatietracks (ECTS 4)
Geavanceerde methoden en concepten
- Netwerkwetenschap (ECTS 4)
- Ethiek van Big Data (ECTS 4)
- Vak uit de verplichte keuzevakkenlijst van de module (ECTS 4)
- Vak uit de verplichte keuzevakkenlijst van de module (ECTS 4)
Optionele cursussen
- Gratis keuzevak op MS-niveau van alle programma's bij CEU PU (ECTS 4)
- Gratis keuzevak op MS-niveau van elk programma bij CEU PU (ECTS 4)
congres
- Onderzoeksseminarie (ECTS 4)
- Scriptieseminarie (ECTS 4)
Project 2
- Capstone-project 1 (ECTS 4)
- Capstone-project 2 (ECTS 4)
Programma resultaat
Het SDS MSc-programma biedt twee sporen voor deelnemende studenten: i) academische en ii) toegepaste sociale data science-training met verschillende nadruk op academische en praktische vaardigheden. Het programma biedt de volgende kennis, vaardigheden en competenties.
De studenten verwerven kennis
- Van een arsenaal aan instrumenten voor kwantitatieve en datagestuurde benaderingen om sociale fenomenen te bestuderen;
- Over de eerlijkheid en vooroordelen van sociale datawetenschapsmethoden;
- Van het juridische en ethische raamwerk voor gegevensverzameling en -analyse in de sociale wetenschappen, inclusief de specifieke kenmerken van big data;
- Over de belangrijkste concepten, ideeën en uitdagingen op ten minste één gebied van de sociale wetenschappen, evenals de belangrijke speciale kwantitatieve en kwalitatieve methoden;
- Over de nieuwe mogelijkheden die sociaal gerelateerde big data-typen mogelijk maken voor het bestuderen van hedendaagse problemen in zakelijk en academisch onderzoek;
- Het identificeren van het maatschappelijke potentieel van en de uitdagingen bij het werken met big data.
De studenten zullen worden uitgerust met vaardigheden in hoe
- Complexe, genetwerkte, dynamische, sociale, economische, politieke, technologische en ecologische systemen begrijpen en modelleren;
- Pas een kritische en reflexieve kijk toe op de voordelen en gevaren van datagestuurde methodologieën in real-world toepassingen die menselijk gedrag observeren en voorspellen.
- Beheers de ultramoderne programmeertaal voor het verzamelen, beheren, verwerken, voorbereiden en analyseren van gegevens;
- Maak gebruik van de modernste datawetenschapstools, waaronder methoden van machinaal leren onder toezicht en zonder toezicht, webmining, netwerkanalyse, visualisatie, ruimtelijke analyse, natuurlijke taalverwerking, enz. tot de analyse van maatschappelijke en organisatorische problemen;
- Verzamel gegevens op verschillende manieren met behulp van tracking-, monitoring-, crawl- of transactionele gegevensverzamelingsmethoden of sociale experimenten;
- Analyseer verschillende soorten gegevens, waarbij temporele, ruimtelijke, relationele, kenmerkende, enz. informatie wordt vastgelegd
- Ontwerp online of digitale sociale experimenten, voer de resultaten uit, meet en interpreteer ze
- Identificeer correlatiepatronen en causale relaties in sociale gegevens en bouw voorspellende modellen met behulp van datasets over menselijk gedrag;
- Combineer kwantitatieve en kwalitatieve empirische methoden uit de sociale wetenschappen, waaronder statistische analyse, digitale methoden en experimentele methoden met Data Science-tools om maatschappelijke en organisatorische problemen te analyseren;
- Communiceren met onderzoekers in zowel de sociale wetenschappen als de datawetenschap;
- Communiceer op onderzoek gebaseerde kennis schriftelijk, visualisatie en mondelinge presentatie.
Aan het einde van het programma zullen de studenten bekwaam zijn in
- Plannen en voltooien van sociale datawetenschappelijke studies/onderzoek/onderzoek naar sociale fenomenen op verschillende gebieden van de sociale wetenschappen;
- Het beheren van de ethische aspecten van het verzamelen en verwerken van persoonlijke gegevens en het nemen van beslissingen op basis van de gegevens;
- Deelnemen aan en coördineren van de samenwerking in interdisciplinaire teams met mensen uit andere wetenschapsgebieden en tradities om te werken aan onderzoeksproblemen van sociale datawetenschap;
- Zelfstandig verantwoordelijkheid nemen voor verdere persoonlijke wetenschappelijke ontwikkeling en specialisatie in de academische en private sector of bestuur en NGO's.
Hoewel al deze vaardigheden belangrijk zijn voor een succesvolle carrière in de academische wereld of de data-industrie, zullen de leerresultaten tussen de twee sporen onderscheid maken. Er zal meer nadruk worden gelegd op de fundamentele vragen en sociaal-wetenschappelijke toepassingen voor studenten in de academische richting, terwijl de opleiding van studenten in de toegepaste sociale data science-track zich meer zal richten op de methodologische hulpmiddelen en toepassingen in de praktijk.
Carrièremogelijkheden
Ontwikkel de beste vaardigheden om uw carrière te versnellen
In het tweejarige programma beheers je de modernste computervaardigheden voor het verzamelen, beheren, verwerken, voorbereiden en analyseren van gegevens. Je ontwikkelt een hoog niveau van vaardigheid in methoden uit toegepaste statistiek, machinaal leren, webmining, netwerkanalyse, visualisatie, ruimtelijke analyse, natuurlijke taalverwerking en nog veel meer. Zowel 1- als 2-jarige programma's zullen je vaardigheden ontwikkelen via specialisaties om complexe, genetwerkte, dynamische, sociale, economische, politieke, technologische of ecologische systemen te begrijpen en te modelleren met een kritische reflectie op de voordelen en gevaren van datagestuurde methodologieën.