Наука о данных

Большие данные порождают фундаментальную революцию во многих научных и интеллектуальных начинаниях. Крупномасштабные наборы данных поступают из оцифрованного аналогового контента, созданного на протяжении веков, а также из новых данных из большого числа источников, таких как дистанционное зондирование, мобильные устройства, исследования генома, изображения мозга, массивные административные базы данных, прогоны моделирования, розничные транзакции и камеры. Эти новые наборы данных, в сочетании с алгоритмическими и статистическими методами для расширенного анализа, позволяют улучшить благосостояние людей, ускорить научные открытия, повысить уровень образования и создать новую социальную и коммерческую ценность. Извлечение значения и ценности из все более сложных и объемных данных требует особого набора навыков, методов и инструментов, которые были сплетены вместе, чтобы сформировать новую дисциплину под названием «Наука данных». Эта новая дисциплина объединяет основополагающие элементы информатики, математики и статистики и сочетает их с глубокими знаниями предметной области.

Инициатива Data Science в Брауне предлагает новую магистерскую программу, которая подготовит студентов из широкого круга дисциплинарных профессий к отличной карьере в Data Science. Магистерская программа, основанная на сотрудничестве между четырьмя очень сильными академическими отделами, предлагает строгое, своеобразное и привлекательное образование для людей, строящих карьеру в науке о данных и / или в управлении большими данными. Основная цель программы - дать фундаментальное понимание методов и алгоритмов науки о данных. Такое понимание будет достигнуто путем изучения соответствующих тем в математике, статистике и информатике, включая машинное обучение, интеллектуальный анализ данных, безопасность и конфиденциальность, визуализацию и управление данными. Программа также предоставит опыт в решении важных передовых проблем науки о данных в различных областях и познакомит студентов с этическими и социальными соображениями, связанными с наукой о данных и ее применениями.

Программа будет проводиться в течение одного учебного года плюс одно лето, с возможностью дополнительного дополнительного лета перед студентами, которым не хватает одного или нескольких основных условий. Обычная программа включает два семестра курсовых работ и одноуровневый (5–10 неделя) замкнутый проект, сфокусированный на анализе данных в конкретной области применения.

Для прохождения программы требуется девять кредитов: четыре в каждом семестре учебного года и одна (опыт Капстоуна) летом. Девять кредитных единиц делятся следующим образом:

• 3 кредита в математических и статистических основах,
• 3 кредита в области данных и вычислительной техники,
• 1 кредит на социальные последствия и возможности,
• 1 выборный кредит, который можно взять из широкого спектра целевых приложений или более глубокого теоретического исследования, и
• 1 кредитный опыт.

1 семестр

Первый семестр будет состоять из двух курсов с двойным кредитом, каждый из которых будет считаться двумя единицами (шесть часов занятий в неделю на курс).

1. Введение в темы вероятности, статистики и машинного обучения. Этот курс будет включать такие темы, как оценка максимального правдоподобия (MLE); энтропия; расхождение; случайные числа и их приложения; введение в многомерные данные; графические модели и экспоненциальные семейства; регрессия и оценка плотности.
2. Введение в данные и вычислительную науку. Курс будет охватывать основные вычислительные модели и алгоритмы; управление данными и визуализация; базовое веб-программирование; поиск информации; интеграция и очистка; аппаратные средства; распределенные системы; безопасность и конфиденциальность; мультимедийная аналитика.
 

Эти два курса будут тесно скоординированы и соберутся в последние недели в рамках проектов в малых группах, основанных на методах, изученных в обоих. Проектные группы, сформированные к концу семестра, будут работать над анализом данных из одной из нескольких возможных областей применения, используя методы и инструменты, изученные на курсах первого семестра. Семестр завершится тем, что каждая группа выступит с устной презентацией или организует стендовую сессию.

2 семестр

Второй семестр охватывает четыре курса с одним кредитом:

1. Вероятность, статистика и машинное обучение: расширенные методы. Включает такие темы, как оценка и аппроксимация в экспоненциальных семействах; непараметрическая регрессия и оценка плотности; классификация; методы ансамбля;
2. Данные и вычислительная наука: расширенные методы. Включает такие темы, как анализ данных; вычислительная статистика; машинное обучение и прогнозное моделирование; алгоритмы анализа больших данных;
3. Данные и общество: уникальный курс Брауна, включающий тематические исследования, которые будут охватывать такие темы, как более широкие последствия для политики и этики; предвзятость публикации и ее влияние на общество; безопасность против конфиденциальности; и национальная безопасность, АНБ и надежда на автоматизированную сортировку. Этот курс будет использовать имеющиеся преподавательские и учебные ресурсы, в том числе Институт Ватсона и факультеты социальных и гуманитарных наук;
4. Факультативный. Факультативный курс будет предложен студентом и утвержден директором программы. Обратите внимание, что ряд как существующих, так и новых курсов, которые будут подходящими для факультативного обучения, не входят в четыре основных отдела. Студенты могут выбрать на этих факультативных курсах и в своих основных проектах применять навыки, приобретенные на остальных курсах, к темам и областям, представляющим особый интеллектуальный интерес.
 

Summer Capstone

Для своего опыта capstone студенты будут работать над проектом с реальными данными, потенциально в любой из областей, охватываемых факультативным курсом. Преподаватель одного из четырех факультетов будет курировать курс Capstone, хотя каждый студент может сотрудничать с дополнительным преподавателем, постдоком или отраслевым партнером в рамках своего проекта. Каждый студент подготовит доклад и / или устную презентацию своей работы. Летний замковый камень должен включать не менее 180 часов работы (для получения одного курса) и, как таковой, может быть завершен через 5-10 недель. Проект может начинаться и заканчиваться в любое время в течение лета. На летнем замковом курсе будет присуждена почтовая оценка.
После завершения летнего замкового экзамена студенты получат сертификат о прохождении требований курса для степени ScM, хотя фактическая степень не будет официально присуждена до следующего мая.

Лето перед программой (в зависимости от обстоятельств) )

Чтобы покрыть недостающие предварительные условия, мы предложим курсы во время летней сессии Брауна. Студенты, нуждающиеся в этой предварительной подготовке, будут записываться по обычным каналам. Мы отмечаем, что эти летние курсы являются предварительными условиями и не будут учитываться при получении степени магистра. Студенты, проходящие курсы Брауна летом, будут нести дополнительные расходы на обучение. Студенты, допущенные к магистерской программе, также могут завершить предварительную курсовую работу в другом учебном заведении с соответствующего разрешения директора программы.

Требования

• GRE General: рекомендуется
• GRE Тема: не требуется
• Запись оценок или других успеваемости
• Рекомендательные письма (вы можете предложить авторам писем взглянуть на этот сайт)
• TOEFL (для заявителей, чей родной язык не английский)

Процедура подачи заявления

Мы принимаем заявки до 15 марта на осенний прием. Мы принимаем студентов по мере поступления, но не можем принимать заявки после истечения крайнего срока. После закрытия системы приложений она не откроется до середины сентября для новых приложений. Аспирантура уведомит вас о вашем поступлении.

Пожалуйста, перейдите сюда, чтобы подать заявку. Мы настоятельно призываем вас предоставить неофициальные (отсканированные) копии ваших стенограмм в составе электронной заявки. Вам будет предложено отправить по почте официальную копию вашего стенограммы, если вы приняты в программу.

Заявления для аспирантов обрабатываются комбинацией Инициативы по науке о данных и Высшей школы. Ваша заявка официально обрабатывается в аспирантуре. Затем его содержание читают члены Data Science Initiative, которые затем направляют свои рекомендации в аспирантуру. Аспирантура официально принимает вас в программу. Поэтому вы можете получать корреспонденцию от любого из этих лиц.

Требования к поступающим

Новая магистерская программа в Брауне направлена ​​на прием студентов из самых разных областей для отличной карьеры в области наук о данных.

Учащиеся, поступающие на программу, должны пройти не менее года исчисления (на уровне MATH 0090 и 0100), семестра линейной алгебры (на уровне MATH 0520), семестра исчисления. основанная на вероятности и статистике (на уровне APMA 1650) и введение в программирование (на уровне CSCI 0150 или 0170).

Мы также принимаем исключительных студентов, которым не хватает одного или нескольких минимальных требований в линейной алгебре, вероятности и статистике и информатике. Четыре факультета (математика, прикладная математика, компьютерные науки и биостатистика) предложат подходящий курс по каждой из этих трех тем во время летней сессии Брауна до первого семестра.

Хотите улучшить уровень английского для поступления?

Подготовьтесь к требованиям программы с помощью курсов English Online от Британского Совета.

• ✔️ Гибкий график занятий
• ✔️ Опытные преподаватели
• ✔️ Сертификат по окончании курса

📘 Рекомендуется для студентов с уровнем IELTS 6.0 или ниже.

Записаться на курс