隨著移動互聯網和智能終端的普及，引發(fā)了數據迅速增長，而海量的數據蘊含著巨大的生產力和商機，而國內的數據分析人才的供給指數最低，僅僅為0.05，屬于高度稀缺，而美國很多大學都開設了數據科學專業(yè)，其中最出色的就是賓夕法尼亞大學，下面，小編就帶大家深入了解賓夕法尼亞大學數據科學碩士專業(yè)，希望對大家有所幫助：

　　MSE IN DATA SCIENCE

　　數據科學理學碩士(MSE)為學生準備了廣泛的以數據為中心的職業(yè)，無論是在技術和工程、咨詢、科學、決策，或理解文學、藝術或傳播的模式。

　　課程設置：

　　基礎課程

　　Programming Languages & Techniques (PL): Programming Languages & Techniques (CIT 590) or Introduction to Software Development (CIT 591)

　　Linear Algebra (CIS 515) OR Computational Linear Algebra (Math 513)

　　核心課程

　　Statistics for Data Science (ESE 542)

　　Big Data Analytics: Big Data Analytics (CIS 545)

　　Mining and Learning: Intro to Machine Learning (CIS 519) or Machine Learning (CIS 520) or Modern Data Mining (STAT 571) or Data-driven Modeling and Probabilistic Scientific Computing (ENM 531) or Data Mining: Learning from Massive Datasets (ESE 545)

　　技術和深度領域選修課

　　Applications

　　A. TitleThesis/Practicum

　　B. Biomedicine

　　Brain-Computer Interfaces (BE 521)

　　Network Neuroscience (BE 566)

　　Introduction to Computational Biology and Biological Modeling (CIS 536)

　　Biomedical Image Analysis (CIS 537)

　　Theoretical and Computational Neuroscience (PHYS 585)

　　C. Social/Network Science

　　Econometrics I- Fundamentals (ECON 705)

　　Econometrics III: Advanced Techniques of Cross-Section Econometrics (ECON 721)

　　Econometrics IV: Advanced Techniques of Time-Series Econometrics (ECON 722)

　　Applied Probability Models in Marketing (MKTG 776)

　　Methods

　　D. Data-centric Programming

　　Software Systems (CIS 505)

　　Databases (CIS 550)

　　Advanced Programming (CIS 552)

　　Internet and Web Systems (CIS 555)

　　Programming and Problem Solving (CIS 559)

　　Software Engineering (CIS 573)

　　Computer Systems Programming (CIT 595)

　　E. Surveys and Statistical Methods

　　Forecasting Methods for Management (STAT 535)

　　Accelerated Regression Analysis (STAT 621)

　　Predictive Analytics for Business (STAT 722)

　　Sample Survey Methods (STAT 920)

　　Observational Studies (STAT 921)

　　Modern Regression for the Social, Behavioral and Biological Science (STAT 974)

　　F . Data Analysis, Artificial Intelligence

　　Artificial Intelligence (CIS 521)

　　Deep Learning for Data Science (CIS 522)

　　Computational Linguistics (CIS 530)

　　Machine Perception (CIS 580)

　　Computer Vision (CIS 581)

　　Advanced Topics in ML (CIS 620)

　　Advanced Topics in Computer Vision (CIS 680)

　　Principles of Deep Learning (ESE 546)

　　Learning in Robotics (ESE 650)

　　Modern Data Mining (STAT 571)

　　G. Simulation Methods for Natural Science/Engineering

　　Molecular Modeling and Simulations (CBE 525)

　　Computational Science of Energy and Chemical Transformations (CBE 544)

　　Multi Modeling of Biological Systems (CBE 559)

　　Finite Element Analysis (MEAM 527)

　　Computational Mechanics (MEAM 646)

　　Atomic Modeling in Materials Science (MSE 561)

　　H. Mathematical and Algorithmic Foundations

　　Advanced Linear Algebra (AMCS 514)

　　Algorithms (CIS 502)

　　Computational Learning Theory (CIS 625)

　　Randomized Algorithms (CIS 677)

　　Algorithms & Computation (CIT 596)

　　Numerical Methods (ENM 502)

　　Data-driven Modeling and Probabilistic Scientific Computing (ENM531)

　　Introduction to Optimization Theory (ESE 504)

　　Data Mining: Learning from Massive Datasets (ESE 545)

　　Simulation Modeling and Analysis (ESE 503)

　　Convex Optimization (ESE 605)

　　Information Theory (ESE 674)

　　Bayesian Statistical Theory and Methods (STAT 927)

　　申請條件：

　　在賓夕法尼亞大學本科或研究生階段通過以下課程完成兩門課程(概率論和編程)并取得a或更好的成績:

　　1.概率論(概率論與統(tǒng)計ENM 503或概率論STAT 510或高級概率論數學546)。

　　2. 編程(編程語言與技術CIT 590或軟件開發(fā)導論CIT 591)。

　　3.完成大數據分析CIS 545或機器學習導論CIS 519且成績至少a。招生委員會也會考慮申請人在數學(如線性代數、數學建模、優(yōu)化)和編程方面的任何額外背景。在申請人原碩士課程第一學期所修課程的成績公布后，轉學申請將不被考慮。對于直接申請數據科學項目的候選人，申請的評估標準與此相同，即候選人應該有相同的課程背景、學術證書、考試成績等。

　　個人陳述必須清楚地解釋候選人為什么希望轉入數據科學專業(yè)，以及他們的背景如何幫助他們做好準備。

　　綜上所述，以上講的就是關于賓夕法尼亞大學數據科學碩士專業(yè)的相關問題介紹，希望能給各位赴美留學的學子們指點迷津。近年來，赴美留學一直是廣大學生最熱門的話題，同時，很多學生對于簽證的辦理、院校的選擇、就業(yè)的前景、學習的費用等諸多問題困擾不斷，別擔心，IDP留學專家可以為你排憂解難，同時，更多關于赴美留學的相關資訊在等著你，絕對讓你“瀏覽”忘返。在此，衷心祝愿各位學子們能夠順利奔赴自己心目中理想的學校并且學業(yè)有成!