哥伦比亚大学数据科学硕士专业介绍！

　　哥伦比亚大学数据科学硕士专业介绍！该项目由文理研究生院统计学系（Graduate School of Arts and Sciences’ Department of Statistics）、哥伦比亚大学富的基金会工程与应用科学计算机科学系（The Fu Foundation School of Engineering and Applied Science’s Department of 00d100 Computer Science）、工业工程与运筹学系（Department of Industrial Engineering and Operations Research）联合开办。

　　项目培养学生应用数据科学技术的能力，学生将有机会进行创新性研究，与工业界的合作伙伴以及教授进行互动。

　　网站链接为：https://datascience.columbia.edu/education/programs/m-s-in-data-science/

　　专业要求：

　　学生必须至少完成30个学分，包括21个学分的必修和9个学分的选修课。大多数学生可以用三个学期（一年半）完成课程（秋季：12学分；春季：12学分；夏季：可选实习或选修；秋季：最后3或6学分）。也可以选择用两年时间学习课程。

　　具体课程为：

　　统计学和计算机科学

　　课程代码<<课程名称

　　STCS GR5705<<​Introduction to Data Science 数据科学导论

图片来源网络

　　计算机科学

　　课程代码<<课程名称

　　COMS W4121<<Computer Systems for Data Science 数据科学计算机系统

　　COMS W4721<<Machine Learning for Data Science 数据科学相关的机器学习

　　CSOR W4246<<Algorithms for Data Science 数据科学算法

　　统计学

　　课程代码<<课程名称

　　STAT GR5701<<Probability and Statistics for Data Scienc 数据科学的概率与统计

　　STAT GR5702<<Exploratory Data Analysis and Visualization 探索性数据分析和可视化

　　STAT GR5703<<Statistical Inference and Modeling 统计学推断与建模

　　选修课程

　　课程代码<<课程名称

　　COMS W4995<<Topics in Computer Science: Applied Machine Learning 机器学习应用

　　COMS W4995<<Topics in Computer Science: Applied Deep Learning 深度学习应用

　　COMS W4995<<Topics in Computer Science: Causal Inference for Data Science 数据科学中的统计推断

　　COMS W4995<<Topics in Computer Science: Data Analytics Pipeline 数据分析

　　COMS W4995<<Topics in Computer Science: Elements of Data Science 数据科学因素

　　COMS E6998<<Topics in Computer Science: Machine Learning with Probabilistic Programming 概率编程与机器学习

　　COMS E6998<<Natural Language Processing: Computational Models of Social Meaning 社会生活与机器学习

　　EECS E6894<<Topics in Information Processing: Deep Learning for Computer Vision, Speech, and Language 计算机视觉、语音和语言与深度学习

　　IEOR E4571<<Topics in Operations Research: Personalization Theory & Application 个性化理论与应用

　　IEOR E4721<<Topics in Quantitative Finance: Big Data in Finance 定量金融主题：金融大数据

　　STATS GR5293<<Topics in Modern Statistics: Applied Machine Learning for Financial Modeling and Forecasting 金融建模和预测与机器学习

　　STATS GR5293<<Topics in Modern Statistics: Applied Machine Learning for Image Analysis 图像分析与机器学习

　　ENGI E480<<0Data Science Capstone and Ethics 数据科学实践

　　课程选择建议：

　　该项目要求先修定量课程(微积分、线性代数等)、计算机编程入门课程

　　课程偏重算法学习，如Machine Learning（机器学习），重视算法在现实生活的应用

　　项目的学生将有机会从事包括毕业项目在内的独创研究，并与行业合作伙伴以及教学人员沟通互动；毕业生可以选择金融等服务领域工作，也可以选择偏向技术的IT企业