爱丁堡大学数据分析硕士

爱丁堡大学

MSc Data Science 数据科学

托福要求：总分92各单项不低于20

入学要求：A UK 2:1 honours egree, or its international equivalent, in informatics, artificial intelligence, cognitive science, computer science, electrical engineering, linguistics, mathematics, philosophy, physics, psychology or another quantitative isciplin

本科要求：信息学，人工智能，认知可行，计算机科学，电子电气工程学，语言学，数学，哲学，物理，心理学或计算类本科相关专业。GPA要求3.5及以上

课程介绍：

Data science is the stuy of the computational principles, methos, an systems for extracting an structuring knowlege from ata; an the application an use of those principles. Large ata sets are now generate by almost every activity in science, society, an commerce - ranging from molecular biology to social meia, from sustainable energy to health care.

数据科学是研究从数据中提取和构造知识的计算原理、方法和系统，以及这些原理的应用和使用。从分子生物学到社交媒体，从可持续能源到医疗保健，几乎所有科学、社会和商业活动都会产生大量的数据集。

As an MSc Data Science stuent you will explore how to efficiently fin patterns in these vast streams of ata. Many research areas have tackle parts of this problem. Machine learning focuses on fining patterns an making preictions from ata; ieas from algorithms an atabases are require to buil systems that scale to big ata streams; an separate research areas have grown aroun ifferent types of unstructure ata such as text, images, sensor ata, vieo, an speech.

作为一名数据科学硕士的学生，你将探索如何有效地在这些海量数据流中找到模式。研究领域已经解决了这个问题的一部分。机器学习的重点是从数据中发现模式和做出预测；需要算法和数据库的思想来构建可扩展到大数据流的系统；围绕不同类型的非结构化数据（如文本、图像、传感器数据、视频和语音）已经形成了独立的研究领域。 

KCL伦敦大学国王学院

MSc Data Science 数据科学

托福要求：总分92，写作不低于23，其余不低于20

入学要求：A Bachelor’s egree with 2:1 (Upper Secon Class) honours is require in one of the following subject areas：Computer Science, or Computing，Mathematics, Pure Mathematics, Mathematical Statistics or Statistics

本科要求：计算机科学，计量学，数学，纯数学，数学统计或统计学，GPA要求3.5及以上

课程设置：

Computer Programming for Data Scientists (15 creits) or Big Data Technologies (15 creits)

数据科学家计算机编程(15学分)或大数据技术(15学分)

Databases, Data Warehousing & Information Retrieval (15 creits)

数据库、数据仓库与信息检索(15学分)

Statistics for Data Analysis (15 creits) or Elements of Statistical Learning (15 creits) or Statistics in Finance (15 creits)

数据分析统计学(15学分)或统计学习要素统计学(15学分)或金融学统计学(15学分)

Data Mining (15 creits)数据挖掘(15学分)

Iniviual Project (60 creits)个人项目(60学分)

Optional Moules选修课

You are require to take 60 creits from a range of optional moules, which may typically inclue:从如下专业选择60学分

Elements of Statistical Learning (15 creits)统计学基础（15学分）

Statistics in Finance (15 creits)金融统计学（15学分）

Agents & Multi-Agent Systems (15 creits) *智能与多智能系统（15学分）

Nature-Inspire Learning Algorithms (15 creits) *学习方法（15学分）

Pattern Recognition, Neural Networks & Deep Learning (15 creits) *模式识别、神经网络与深度学习（15学分）

Network Theory (15 creits)网络原理（15学分）

Big Data Technologies (15 creits)大数据科技（15学分）

Simulation & Data Visualisation (15 creits)模拟和数据可视化（15学分）

Computer Vision (15 creits)计算机图像（15学分）

Telling Stories with Data (15 creits)数据可视化（15学分）

更多留学咨询，欢迎电话联系洪老师。