入學時間 | 項目時長 | 項目學費 |
秋季 | 全日制1年 | 297,000港幣 |
類型 | 總分要求 | 小分要求 |
雅思 | 6.5 | / |
托福 | 79 | / |
英語六級 | 450 | / |
獲得相關理工學科的學士學位,或具有同等教育資歷。
該項目旨在培養數據分析畢業生,以滿足對高級數據科學技能日益增長的需求,并讓畢業生做好準備,將數據科學技術應用于組織決策中的知識發現和傳播。它還旨在幫助數據分析專業人員提升他們的技術管理和開發技能,并為相關定量領域的學生提供一條快速過渡到數據科學職業的堅實道路。成功完成本課程后,學生將能夠:應用適合數據科學學科的科學和工程知識;了解當代技術的理論基礎,并將其應用于跨多個學科的數據管理、挖掘和分析;理解計算工具并使用數據驅動的思維來發現新知識并解決具有復雜結構的現實問題;認識到對新興和創新數據科學技術和思想的持續學習的必要性并參與其中;以書面、口頭和視覺形式交流想法和發現,并在多元化的團隊環境中工作。
序號 | 課程介紹 | Curriculum |
1 | Exploratory Data Analysis and Visualization | 探索性數據分析與可視化 |
2 | Research Projects for Data Science | 數據科學研究項目 |
3 | Statistical Machine Learning I | 機器學習統計 I |
4 | Statistical Machine Learning II | 機器學習統計 I |
5 | Storing and Retrieving Data | 存儲和檢索數據 |
序號 | 課程介紹 | Curriculum |
1 | 貝葉斯數據分析 | Bayesian Data Analysis |
2 | 智慧城市數據分析 | Data Analytics for Smart Cities |
3 | 數據挖掘與知識發現 | Data Mining and Knowledge Discovery |
4 | 數據驅動的運籌學 | Data-driven Operations Research |
5 | 深度學習 | Deep Learning |
6 | 論文 | Dissertation |
7 | 動態規劃與強化學習 | Dynamic Programming and Reinforcement Learning |
8 | 實驗設計與回歸 | Experimental Design and Regression |
9 | 電子商務信息安全 | Information Security for eCommerce |
10 | 機器學習:原理與實踐 | Machine Learning: Principles and Practice |
11 | 大規模機器學習 | Machine Learning at Scale |
12 | 自然語言處理 | Natural Language Processing |
13 | 網絡生命與數據科學 | Networked Life and Data Science |
14 | 在線學習與優化 | Online Learning and Optimization |
15 | 數據科學優化 | Optimization for Data Science |
16 | 預測分析與金融應用 | Predictive Analytics and Financial Applications |
17 | 隱私增強技術 | Privacy-enhancing Technologies |
18 | 數據科學的社會基礎 | Social Foundations of Data Science |
19 | 分類數據分析的統計方法 | Statistical Methods for Categorical Data Analysis |
20 | 機器學習的隨機優化 | Stochastic Optimization for Machine Learning |
21 | 時間序列和循環神經網絡 | Time Series and Recurrent Neural Networks |
22 | 金融工程與技術主題 | Topics in Financial Engineering and Technology |
幾何留學APP
2403個學校
10299個專業
3116個錄取案例
8697份錄取報告