Exeed College

UCAM 数据科学硕士

Sharjah, 阿拉伯联合酋长国

期间

12 Months

语言

英语

步伐

全职

报名截止日期

请求申请截止日期

最早开始日期

请求最早开始日期

学费

USD 7,500 / per course

学习形式

远程教育

介绍

数据科学硕士提供可转移的技能、知识和理解，可应用于当今竞争激烈且不断发展的业务环境。这些单位符合国家商业职业标准，代表了雇主在一系列商业环境中所需的核心属性。该资格旨在为学习者提供：

了解在商业管理领域成功工作所需的基本技能
使学习者在智力和实践上为在其工作/就业地点的有效表现做好准备的工具
在商业环境中解决问题所需的技能
准备科学管理各种组织并担任领导管理职务。
了解企业管理各个领域的企业文化和责任
全面了解业务和管理领域

登录机构网站了解更多信息

课程

核心模块

本节提供本资格证书中所有模块的结构、内容和学习成果的详细信息。

处理数据

模块说明

该模块灌输实践理解和一个允许执行基本分析操作（例如提取、清理、更改和分析数据）的框架。在本模块中，学习者掌握整个课程中用于获取和建模数据集的编程语言、工具、框架和库的知识。数据分析是通过可视化、总结和通过关注变量类型、名称和值来发展基本的数据处理能力来完成的。此外，使用日期、字符串和其他元素管理数据可以增强学习者执行数据研究和生成可视化的能力。

学习成果

L01：使用数据可视化、汇总和计数工具分析信息。

L2：获得数据处理的基本技能，重点关注变量类型、名称和值。

L03：学习如何使用管道操作符将众多整理操作组合成一条链。

L04：处理包含日期、字符串和其他变量的数据的能力

涵盖的内容

数据清理技术
数据预处理
数据操作
核心Python编程
使用 Matplotlib 进行数据可视化
线性代数
统计和概率
探索性数据分析
方差、标准差、中位数
条形图和折线图
数据分析中的Python库和框架
二维散点图
3D 散点图
配对图
单变量、双变量和多变量
直方图
箱形图
IQR（四分位数间距）
使用 Pandas 进行数据分析

业务流程中的数据分析

模块说明

该模块阐述了创建可靠的电子表格模型、将概念模型转换为数学模型以及将其应用到电子表格中的原则。它还展示了 Excel 中的三种分析工具、Excel 函数以及审核电子表格模型以确保准确性的过程的知识。本模块还涵盖了

决策分析、收益表和决策树。 Microsoft Power BI 帮助用户从数据中获取实用知识来解决业务问题，将分析模型引入企业决策。学习者深入了解 Power BI 的高级分析功能，例如预测、数据可视化和数据分析表达式。

学习成果

LO1：批判性地分析组织决策环境中业务数据的使用。

LO2：展示对管理职能中的业务分析原则的批判性理解。

LO3：应用适当的数据管理和分析技术来检索、组织和操作数据。

LO4：应用适当的统计数据分析方法和可视化技术来做出正确的业务决策。

涵盖的内容

创建电子表格模型
假设分析
建模功能
审核电子表格模型
预测性和规范性电子表格模型
问题识别
决策分析
有或没有概率的决策分析
计算分支概率
效用理论
Power BI 中的数据流
Power BI 中的可视化
数据分析表达式
PowerBI 中的报表视图
数据排序
数据转换
数据过滤
电源查询编辑器
风险分析
敏感性分析

数据挖掘技术

模块说明

数据挖掘过程包括从庞大的数据库中收集必要的信息，以帮助做出明智的决策。该模块演示了数据挖掘技术，例如数据处理、模式发现和信息趋势。这些方法用于获得在表格和图表上应用数据集成、清理、选择和转换以进行知识发现的技能和能力。 Python 矩阵库允许学习者通过执行分类、估计、分割、预测、序列和数据关联等任务来构建文本挖掘的真实表示。

学习成果

LO1：了解文本挖掘和分析的基础知识，包括识别令人兴奋的模式、提取有用的知识和支持决策。

LO2：探索文本挖掘的基本原理和基本算法及其一些实际应用。

LO3：能够应用学到的知识和技能对大量事务数据实施可扩展的模式发现技术

LO4：参与有关模式评估指标的有意义的讨论，并研究挖掘各种模式（包括顺序模式和子图模式）的技术。

涵盖的内容

数据挖掘简介
基于Python的环境中的数据挖掘
什么是数据仓库
如何寻找模式？
亲和力分析
产品推荐
数据库挖掘简介
数据库和 SQL
DDL、DML、联接和模式
如何在数据集上使用 Python 矩阵库。
使用 NumPy 加载数据集
适合挖掘的数据表示
数据挖掘的文本表示。
为什么文字很复杂？
文本挖掘
文本挖掘中的数据建模、评估和部署
示例技术：文本挖掘中的词袋表示
频繁子图挖掘

数据科学中的算法

模块说明

该模块提供了将数据拆分为训练、验证和创建测试集的广泛知识。通过整合框架和实践感知来开发和评估预测挖掘模型。提出了许多用于估计和分类系统的性能指标。本模块回顾了最流行的预测建模方法，包括人工神经网络、支持向量机、k 最近邻、贝叶斯学习、集成模型和不同的决策树，并提供结果。

学习成果

LO1：介绍基本算法概念，包括排序和搜索、分治和复杂算法。

LO2：对数据进行排序并用于搜索；将一个大问题分解为较小的问题并递归地回答它们；将动态规划应用于基因组研究；和更多。

LO3：讨论和构建现代计算中最常用的数据结构 LO4：能够在现代计算中使用行业最常用的数据结构

涵盖的内容

静态保持法
k 折交叉验证
类不平衡数据
评估分类结果的分类
评估连续结果的估计
逻辑回归
K最近邻
最近邻预测法
分类和回归树
支持向量机
基于流程的 SVM 使用方法
朴素贝叶斯方法
贝叶斯网络
神经网络架构
集成建模

专业化模块

本节提供专业化Pathways的结构、内容和学习成果的详细信息。

统计数据建模

课程描述

该模块使学习者能够深入了解应用许多预测模型并掌握线性回归。使用回归分析方法根据一组输入变量创建预测。学习者研究如何使用复杂的统计方法（例如广义线性模型和加性模型）对广泛的现实世界交互进行建模。该模块灌输中级和高级统计建模方法。它专为学习者培养线性回归分析、实验设计以及扩展线性和加性模型的熟练程度而创建。基于这些技能，通过直观的表示，解释数据、发现变量之间的联系以及生成预测变得更加简单。

学习成果

LO1：区分各类预测模型并掌握线性回归

LO2：通过不同模型的算法了解内部工作原理

LO3：分析和探索逻辑回归的结果并了解何时进行判别分析

LO4：通过分析不同的模型并以井然有序的方式解释其准确性，最大限度地提高分析效率

涵盖的内容

选择样本
点估计
抽样分布
区间估计
假设检验
统计推断及实际意义
简单的线性回归模型
最小二乘法
推理与回归
多元回归模型
物流回归
回归预测
模型拟合
表格数据模型
使用 Tableau 查询编辑器进行形状和数据转换
Tableau 报告视图

数据在人工智能和区块链中的应用

课程描述

在本模块中，学习者将更好地掌握人工智能（AI）在商业中的应用并理解人工智能决策。通过物联网的突破和区块链的出现，本课程为学生提供了人工智能软件解决方案的广泛基础。随着学习者继续学习本模块，他们会熟悉为自动化世界提供动力的技术，了解算法的种类以及如何利用它们来增强或复制不同应用程序中的人类行为。本模块教授人工智能、物联网、区块链和机器学习组件，同时构建坚实的概念框架，该框架将提供严格、实践和逐步的方法来应对现实、复杂的现实世界挑战。

学习成果

LO1。介绍人工智能 (AI)，探索其在业务领域的功能和变体。此外，了解人工智能的业务背景并解释人工智能决策。

LO2。通过识别合适的模型参数，了解并制定业务设置的人工智能实施计划

LO3：进一步探索区块链的组成部分，了解分布式账本技术（DLT）的概念、特性、优点和应用相关性

LO4：了解应用商业模式中的超级账本、智能合约和物联网，以评估长期影响

涵盖的内容

人工智能简介
AI赋能应用
什么是深度学习
人工神经网络
图像处理和 OpenCV
自然语言处理简介
人工神经网络
文本处理
文本分类
主题建模
循环神经网络
物联网的主要组成部分
各种传感器
执行器
物联网各层协议
物联网中的应用程序和用户界面
未来智能工厂和工业物联网
区块链简介
Hyperledger和智能合约的介绍和使用
区块链结构
集中式、分散式和分布式系统
分布式账本技术简介
DLT 的特性、优点以及在区块链中的用途
区块链的类型
为什么选择区块链？
使用区块链技术构建人工智能和机器学习应用程序

第 2 部分：顶点项目

模块说明：

本模块的目的是讨论和解释数据科学及其实践在组织中的作用及其对组织整体绩效和能力的影响。该模块旨在培养对当代实践的理解和开发研究或设计问题的能力，说明它如何与当前知识联系起来并以系统的方式进行研究。我们将鼓励学习者选择一个展示他们过去在数据科学领域学习的研究/开发项目。它旨在了解数据科学以及与数据可视化、概率、推理和建模、数据挖掘、数据组织、回归和机器学习等各种功能相关的方法和方法的范式转变。它还努力强调数据分析和数据建模在组织变革的规划、决策和实施过程中的作用和重要性。成功完成该模块后，参与者将全面了解更广泛的数据分析背景和数据产品，以便向潜在雇主或教育项目展示他们的数据科学专业知识。

学习成果

LO1：在数据科学项目的背景下进行独立研究和开发

LO2：培养使用分析和数据科学独立解决问题的能力

LO3：向广泛的非专业受众清晰、简洁地传达技术信息。

LO4：按照数据科学领域专业人士的预期标准创建详细的书面文档，并参考相关领域的重要研究出版物评估项目成果。

UCAM 数据科学硕士

介绍

课程

招生

计划成果

资格概述

工作机会

晋升机会

关于学校

问题