MS in gegevenswetenschap University of San Francisco - College of Arts & Sciences

USF's eenjarige Master of Science in Data Science (MSDS) -programma levert een rigoureus curriculum gericht op wiskundige en computationele technieken in het opkomende gebied van datawetenschap. Het curriculum legt de nadruk op het zorgvuldig formuleren van zakelijke problemen, het selecteren van effectieve analytische technieken om die problemen aan te pakken en het communiceren van oplossingen op een duidelijke en creatieve manier.

Meer dan 90 procent van alle afgestudeerden sinds de start van het programma in 2012 kreeg binnen drie maanden na afstuderen een baan aangeboden bij bedrijven als Amazon, Apple, Facebook, LinkedIn, Lyft, Zillow, Twitch, Tesla, Microsoft, Pinterest en Visa.

Een technisch uitdagend leerplan

Het uitdagende curriculum van het programma bevat cursussen van zeven weken die speciaal zijn ontworpen voor onze studenten - ze worden niet aangeboden in andere programma's of afdelingen. Studenten beheersen vakken uit de informatica, statistiek en management, zoals regressie, webscraping, SQL- en NoSQL-databasebeheer, natuurlijke taalverwerking, zakelijke communicatie, machine learning, clusteranalyse, applicatie-ontwikkeling en interviewvaardigheden. Studenten gebruiken voornamelijk de programmeertaal Python in hun lessen en leren hoe ze gedistribueerde computertechnologie zoals MapReduce, Hadoop en Spark effectief kunnen gebruiken en raken vertrouwd met cloudtechnologie zoals Amazon Web Services. Studenten hebben toegang tot het GPU-computercluster van het Data Institute.

Faculteit

Onze faculteit vertegenwoordigt de fundamentele multidisciplinaire aard van de big data-industrie. Het zijn traditionele academici en datawetenschappers die actief in het veld werken en echte branche-ervaring gebruiken om hun instructies te inspireren. Hun expertisegebieden omvatten deep learning, natuurlijke taalverwerking, databases, statistische modellering, netwerkanalyse, algoritmen, leren zonder toezicht, machine learning, optimalisatie, gezondheidsanalyses en signaalverwerking.

Programma overzicht

De Master of Science in Data Science (MSDS) is een voltijds eenjarig programma op de campus van USF in het centrum van San Francisco. Het 35-eenheidsprogramma begint elk jaar begin juli en biedt een modern, open-sourcegericht curriculum voor studenten die op zoek zijn naar de technische expertise die nodig is om datawetenschappers en analisten te worden, en de zakelijke vaardigheden om deze kennis effectief en strategisch toe te passen.

Cursussen omvatten:

• Applicatie ontwikkeling
• Machinaal leren
• Statistische modellering
• Natuurlijke taalverwerking
• Bedrijfsstrategie
• Ontwerp van proeven
• Gedistribueerde computergebruik
• Diep leren
• Data visualisatie
• Zakelijke communicatie

Data Science Bootcamp

Het programma begint met onze bootcamp, een intensieve evaluatie van de fundamentele kennis en vaardigheden die nodig zijn voor succes in het MSDS-programma. Studenten voltooien versnelde beoordelingscursussen in waarschijnlijkheid en statistiek en berekening voor analyse en moeten ook slagen voor een competentie-examen voor lineaire algebra om vooruit te komen in het programma. Daarnaast volgen alle studenten een cursus verkennende data-analyse en visualisatie voor in totaal drie cursussen en één lineaire algebra-examen in het inleidende zomersemester.

Negen maanden stage (practicum)

Met stageprojecten kunnen studenten gedurende negen maanden 15 uur per week werken aan het oplossen van datawetenschapsproblemen bij organisaties in de San Francisco Bay Area en daarbuiten. Alle studenten hebben een gegarandeerde stageplaats.

Amazon Web Services-partnerschap

De Master of Science in Data Science is er trots op dat onze studenten software ontwikkelen en analyses uitvoeren op Amazon Web Services. Door een nieuwe samenwerking met AWS Educate en USF's Data Institute, krijgt elke student aanzienlijke ondersteuning in de vorm van studiepunten om cruciale vertrouwdheid en ervaring op te doen met hun reeks technologieën, waaronder RedShift en EC2.

Lesrooster

De lessen worden overdag gegeven van maandag tot en met vrijdag, met vier lessen die tegelijkertijd plaatsvinden per module (een half semester). Twee dagen per week worden besteed aan stagewerk, dat half oktober begint. Studenten volgen samen lessen als een cohort en de meeste klassen zijn opgesplitst in twee secties om de klassen klein te houden.

De missie van ons programma is om afgestudeerden te produceren die een theoretisch en praktisch begrip hebben van veel klassieke en moderne statistische modellering en machine learning-technieken; die hedendaagse programmeertalen gebruiken om grote hoeveelheden en variëteiten aan gegevens te schrapen, opschonen, ordenen, opvragen, samenvatten, visualiseren en modelleren; en die hun kennis en vaardigheden gebruiken om met succes real-world datagestuurde bedrijfsproblemen op te lossen en deze oplossingen effectief te communiceren.

Programma leerresultaten

Studenten zullen:

• Beschikken over een theoretisch begrip van klassieke statistische modellen (bijv. Gegeneraliseerde lineaire modellen, lineaire tijdreeksmodellen, enz.), evenals het vermogen om deze modellen effectief toe te passen
• Beschikken over een theoretisch begrip van machine learning-technieken (bijv. Willekeurige bossen, neutrale netwerken, naïeve Bayes, k-means, enz.), evenals het vermogen om deze technieken effectief toe te passen
• Effectief moderne programmeertalen (bijv. R, Python, SQL, enz.) en technologieën (AWS, Hive, Spark, Hadoop, enz.) gebruiken om grote volumes en variëteiten te schrapen, op te schonen, te ordenen, te doorzoeken, samen te vatten, te visualiseren en te modelleren Van de gegevens
• Bereid je voor op een loopbaan als datawetenschappers door real-world, datagestuurde, zakelijke problemen met andere datawetenschappers op te lossen, en inzicht te krijgen in de sociale, ethische, juridische en beleidskwesties die datawetenschappers in toenemende mate uitdagen en confronteren
• Ontwikkel professionele communicatieve vaardigheden (bijv. Presentaties, interviews, e-mailetiquette, enz.) En begin te integreren met de datawetenschapsgemeenschap van Bay Area