NUS数据科学与机器学习理学硕士

本硕士学位课程

• 培养 数据科学与机器学习 领导者
• 具备跨学科优势
• 提供细分专业方向
• 毕业就业前景可观 01 培养数据科学与机器学习领导者
  在数据科学与机器学习领域，每天都在发生新的进展。一个概念渴望被更新的概念所更迭；在不同的学科交叉点上，各种创新飞跃正马不停蹄地前进；在不同的行业垂直领域，应用所产生的新知识不断反馈为技术升级。
  成为数据科学与 机器学习领域的领导者，需要复合而专精的知识结构和技能，以及对未来的洞见与预判，同时也需要终身学习终身成长的坚韧与热情。
• 
  新加坡国立大学数据科学与机器学习理学硕士学位课程，旨在 ** 赋予学生特定行业/领域的数据科学与机器学习基础原理以及综合数据分析 能力，以满足金* 融、医疗、制造业、电子商务和新能源等关键行业对大数据专业人才日益增长的需求*。
  除了师从学术界和业界名师，你还可以通过参与行业相关的项目模块获得深入体验以及自我指导学习的机会 。
•  简单来说，数据科学 是一门多学科专业，它融合统计学、数学和计算机科学，涵盖了如何收集数据、整合数据、可视化数据、分析数据、解释数据（见解）以及根据见解提出可行建议有关的所有方面；

  机器学习 是一门让计算机像人类一样学习和行动，并以动态和自主的方式随着时间的推移改进学习的科学。机器学习使编程更具可伸缩性，有助于在更短的时间内产生更好的结果；
  而 人工智能专注于开发像人类一样思考和行动的智能设备。这些设备经过训练，可以比人类更有效地解决问题和学习。
  数据科学涉及机器学习和人工智能，广泛地为数字技术发展提供支持。在新加坡国立大学数据科学与机器学习理学硕士学位课程中，以数据科学、机器学习领域内容为主。 

• 
  

• 
  

• 核心模块课程 包括

  • 行业大数据概论

  • 大规模数据驱动型推理的优化

  • 机器学习基础

  • 云计算

  • 行业咨询和应用项目 

  • 选修模块课程 需要在下列2个或2个以上研究生证书类别中至少完成5个选修模块，这里可选择的专业方向有

  • 面向数据科学家的 深度学习

  • 行业 数据挖掘

  • 行业 大数据

  • 计算机视觉 数据科学

  • 定量金融 数据科学

  • 物联网 数据科学

  • 医疗保健 数据科学课程组合

  • 数学 课程组合

  • 统计 课程组合

  • 计算 课程组合

  通过自主组合修读模块，学生可以掌握普适的数据科学与机器学习原理，并深入自身目标专业，获得领域内经验，为进入行业角色做好准备。 

• 入学要求 申请新加坡国立大学数据科学与机器学习理学硕士学位课程，申请人应具有学士（荣誉）学位，或四年制定量科学（数学、应用数学、计算数学、统计学和物理学）学士学位，或工程学士学位。
  对于大学授课语言非英语的申请人，要求通过托福（笔试最低分580分，网络考试最低分85分，写作部分最低分22分）或雅思（最低分6.0分）来证明英语水平。
  学习方式 数据科学与机器学习理学硕士学位课程提供 全日制与非全日制 两种学习方式。全日制预估需要12至24个月完成课程，非全日制预估需要24到48个月完成课程。