MSc Data Science
این MSc Data Science برای فارغالتحصیلان و متخصصان باتجربهای است که میخواهند مهارتهای خود را در تحلیل داده، برنامهنویسی، یادگیری ماشین و هوش مصنوعی توسعه دهند. این دوره ریاضیات برای علم داده را با Python، Big Data، رایانش ابری، مصورسازی و یک پروژه پیشرفته ترکیب میکند. ممکن است برای افرادی مناسب باشد که به دنبال ورود به کارهای فنی یا تحلیلی متمرکز بر داده هستند.
توضیحات فارسی این صفحه به کمک ترجمهٔ ماشینی تهیه شده است. جزئیات مهم — شهریه، شرایط ورود و تاریخ شروع — را پیش از تصمیمگیری با مشاوران پارسه تأیید کنید.
دربارهٔ این دوره
این MSc Data Science مبانی ریاضی، برنامهنویسی و تحلیلی مورد استفاده برای کار با دادههای پیچیده را توسعه میدهد. شما جبر خطی، حساب دیفرانسیل و انتگرال، آمار و احتمال را در کنار برنامهنویسی Python و روشهای کار با داده مطالعه خواهید کرد.
این دوره یادگیری ماشین، هوش مصنوعی، یادگیری عمیق و شبکههای عصبی، از جمله طبقهبندی، خوشهبندی و مدلسازی پیشبینی را بررسی میکند. همچنین بررسی خواهید کرد که دادهها چگونه میتوانند از تصمیمگیری عملیاتی و راهبردی در زمینههای کسبوکار پشتیبانی کنند، در حالی که محدودیتهای اخلاقی و قانونی در علم داده نیز مورد توجه قرار میگیرند.
شما با مفاهیم Big Data و رایانش ابری، از جمله Hadoop، کار خواهید کرد و از ابزارهایی مانند Jupyter Notebooks، Tableau، TensorFlow و کتابخانههای Python برای تحلیل، مصورسازی و یادگیری ماشین استفاده خواهید کرد. پروژه پیشرفته رایانش فرصتی فراهم میکند تا این مهارتها را از طریق کارهای پژوهشی، طراحی و پیادهسازی با هم ترکیب کنید.
تحصیل ترکیبی تماموقت در مدت یک سال ارائه میشود. یک گزینه پارهوقت آنلاین نیز در مدت یک سال یا بیشتر ارائه میشود.
چه چیزهایی میخوانید
واحدهای درسی اصلی شامل موارد زیر هستند:
• Programming for Data Science • Mathematics for Data Science • Big Data and Cloud Computing • Machine Learning • Artificial Intelligence and Neural Networks • Data Visualisation • Advanced Computing Project
شما Python و Jupyter Notebooks را همراه با NumPy، Pandas، Matplotlib، Seaborn، SciPy و Scikit-learn مطالعه خواهید کرد. موضوعات شامل گردآوری، پردازش و تحلیل داده؛ دادههای تاریک؛ مصورسازی مبتنی بر Tableau؛ Hadoop؛ TensorFlow؛ و شبکههای عصبی پایه هستند. کاربردهای عملی شامل طبقهبندی داده، خوشهبندی، مدلسازی پیشبینی و تصمیمگیری خودکار مبتنی بر داده است.
واحدهای درسی
- Programming for Data Science
- Mathematics for Data Science
- Big Data and Cloud Computing
- Machine Learning
- Artificial Intelligence and Neural Networks
- Data Visualisation
- Advanced Computing Project
شیوهٔ ارزیابی
ارزیابی شامل ارائه پورتفولیو و یک پروژه پژوهشی پیشرفته در رایانش است که دربرگیرنده کارهای طراحی و پیادهسازی میشود.
شرایط ورود
متقاضیان معمولاً به مدرک کارشناسی افتخاری 2:2 در رشتهای با محتوای عددی و مطالعه قابلتوجه مبتنی بر ریاضیات نیاز دارند، مانند ریاضیات، امور مالی، رایانش، علوم یا مهندسی.
مدرک کارشناسی افتخاری معادل 2:2 نیز ممکن است با 18 ماه سابقه کاری مرتبط در حوزه رایانش مورد بررسی قرار گیرد.
برای پذیرش غیرمعمول، متقاضیان معمولاً به دستکم سه سال تجربه مرتبط در نقشی مبتنی بر داده نیاز دارند، که شامل تجربه در ریاضیات و/یا تحلیل داده باشد.
شرایط زبان انگلیسی
برای یادگیری آنلاین، متقاضیان به نمره کلی IELTS 6.5 نیاز دارند و نمره هیچ مهارتی نباید کمتر از 6.0 باشد؛ یا TOEFL iBT 90؛ یا مدرک معادل.
برای یادگیری ترکیبی، متقاضیان به نمره کلی IELTS 6.0 نیاز دارند و نمره هیچ مهارتی نباید کمتر از 5.5 باشد؛ یا TOEFL iBT 60–78؛ یا مدرک معادل.
مدرک تحصیل پیشین به زبان انگلیسی ممکن است پذیرفته شود، از جمله نامهای که انگلیسی بودن زبان تدریس را تأیید کند.
متقاضیانی که به ویزا نیاز دارند، باید نمره کلی IELTS 6.0 داشته باشند و نمره هیچ مهارتی نباید کمتر از 5.5 باشد، یا نتیجه معادل Secure English Language Test (SELT) ارائه دهند.
مسیر شغلی
این دوره ممکن است از پیشرفت به سمت نقشهایی مانند تحلیلگر داده، دانشمند داده، مهندس یادگیری ماشین یا متخصص هوش مصنوعی پشتیبانی کند. همچنین ممکن است برای موقعیتهای فنی، مدیریتی و تحلیلگری تخصصی مرتبط با تصمیمگیری مبتنی بر داده نیز مرتبط باشد.
قدم بعدی شما با یک گفتوگو شروع میشود
بگویید الان کجا هستید. صادقانه میگوییم چه گزینههایی دارید — به فارسی یا انگلیسی، بدون هیچ هزینهای برای شما.
