更新時間：2024-10-06 12:45:15作者：留學之路
這三個支柱不對稱：前兩個支柱共同代表了核心方法論和數據科學中使用的技術，而第三個支柱則是該方法論所應用的應用領域。在該計劃中，核心數據科學培訓側重于前兩個支柱，以及在應用其技能來解決應用程序領域問題方面的實踐。
該學校將所需的數據科學技能分為兩類：統計技能(例如統計和生物統計學部門教授的技能)和計算技能(例如計算機科學與工程部門和信息學院的技能)。該計劃的設計是要求每個學生在這兩個領域接受均衡的培訓。
從每個能力中選擇1。學生不得對多個類別的課程進行重復計算。選修課必須包括至少兩個高級研究生課程。
MATH 403：離散數學簡介
EECS 402：科學家和工程師編程
EECS 403：科學家和工程師的數據結構
選擇1個
BIOSTATS 601：概率和分布
425號公報：概率概論
STATS 510：概率和分布
選擇一門
BIOSTATS 602：生物統計推斷
STATS 426：理論統計導論
STATS 511：統計推斷
所有學生必須參加以下核心課程：
EECS 409：數據科學討論會
選擇一門
EECS 484：數據庫管理系統
EECS 584：高級數據庫系統
選擇一門
EECS 485：Web系統
EECS 486：信息檢索和Web搜索
EECS 549 / SI 650：信息檢索
SI 618：數據處理分析
STATS 507：使用Python進行數據科學分析
數據科學技術專長
選擇一門：
BIOSTAT 650：應用統計I：線性回歸
STATS 500：統計學習I：線性回歸
STATS 513：回歸和數據分析
選擇一門：
STATS 415：數據挖掘和統計學習
STATS 503：統計學習II：多元分析
EECS 545：機器學習
EECS 476：數據挖掘
EECS 576：高級數據挖掘
SI 670：應用機器學習
SI 671：數據挖掘：方法和應用
BIOSTAT 626：健康科學的機器學習
1.數據科學原理
BIOSTAT 601(概率和分布理論)| BIOSTAT 602(生物統計推斷)| BIOSTAT 617(示例設計)| BIOSTAT 626(健康科學機器學習)| BIOSTAT 680(隨機過程)| BIOSTAT 682(貝葉斯分析)| EECS 501(概率和隨機過程)| EECS 502(隨機過程)EECS 505(計算數據科學和機器學習)| EECS 551(用于信號處理，數據分析和機器學習的矩陣方法)| EECS 553(數據壓縮的理論和實踐)| EECS 564(評估，過濾和檢測)| SI 670(應用機器學習)| STATS 451(貝葉斯數據分析簡介)| STATS 470(實驗設計簡介)| STATS 510(概率和分布理論)| STATS 511(統計推斷)| STATS 551(貝葉斯建模和計算)
2.數據分析
BIOSTAT 645(時間序列)| BIOSTAT 651(廣義線性模型)| BIOSTAT 653(縱向分析)| BIOSTAT 665(人口遺傳學)| BIOSTAT 666(人類遺傳學中的統計模型和數值方法)| BIOSTAT 675(生存分析)| BIOSTAT 685(非參數統計)| BIOSTAT 695(分類數據)| BIOSTAT 696(空間統計)| EECS 556(圖像處理)| EECS 559(高級信號處理)| EECS 659(自適應信號處理)| STATS 414(應用數據分析的主題| STATS 501(相關數據的統計分析)| STATS 503(統計學習II：多變量分析)| STATS 509(財務數據統計)| STATS 531(時間序列分析)| STATS 600(線性型號)| STATS 601(多元和分類數據分析)| STATS 605(建模和數據分析的高級主題)| STATS 700(應用統計主題)
3.計算方式
BIOSTAT 607(數據分析中的基本計算)| BIOSTAT 615(統計計算)| BIOSTATS 625(使用大數據計算)| EECS 481(軟件工程)| EECS 485(網絡系統)| EECS 486(信息檢索和網絡搜索)| EECS 490(編程語言)| EECS 493(用戶界面開發)| EECS 504(計算機視覺)| EECS 542(計算機視覺高級主題)| EECS 549 / SI 650(信息檢索)| EECS 548 / SI 649(信息可視化)| EECS 586(算法設計和分析)| EECS 587(并行計算)| EECS 592(人工智能)| EECS 595 / SI 561(自然語言處理)| SI 608(網絡)| SI 618(數據處理和分析| SI 630(自然語言處理(算法和人員))| SI 671(數據挖掘：方法和應用)STATS 406(統計和數據科學中的計算方法)| STATS 507(使用Python的數據科學分析)| STATS 506(統計中的計算方法和工具)| STATS 606(統計計算)| STATS 608(統計中的蒙特卡洛方法和優化方法)