UCSD数据科学硕士MSDS项目详细介绍

文章目录[隐藏]

参考

加利福尼亚大学圣迭戈分校（University of California, San Diego，简称:UCSD或UC San Diego），常译为加州大学圣地亚哥分校、圣迭戈加州大学，位于美国圣迭戈的海滨城镇拉荷亚（La Jolla），隶属于被誉为”公立大学典范“的加州大学系统，是一所研究型大学, 也是环太平洋大学联盟、国际公立大学论坛和美国大学协会成员。现在在us news全美大学排行榜上排名第34位。

数据科学家被Bloomberg称为“美国最热门的工作”。根据 Dice 最近的一份报告，在新冠病毒大流行期间，医疗保健、电信、媒体/娱乐和金融服务行业对数据科学家的需求增加了约 50%，因为不断变化的在线劳动力需要大数据、云计算、机器学习和更高级的人工智能应用程序。此外，美国劳工统计局预测，到 2026 年数据科学领域将增长约 28%，新增约 1150 万个工作岗位，数据科学领域将出现强劲增长。

为使来自不同学术背景的学生（包括非技术背景的学生）能够接触到数据科学，加州大学圣地亚哥分校在Halıcıoğlu 数据科学研究所 (HDSI)在2021年秋天推出了新的硕士和博士学位项目，HDSI是该大学的所有数据科学中心。HDSI从2022年秋季开始给学生提供以下三个项目：

理学硕士（MS/DS）

硕士课程的目标是教授学生成功执行数据驱动任务所需的知识和技能，并为未来可以扩展数据科学本身知识边界的研究人员奠定基础。为了实现其目标，数据科学理学硕士 (MS/DS) 计划由两个部分组成：正式课程，以及毕业论文或以课程为导向的综合考试。

在线数据科学硕士 (MDS)

Halıcıoğlu 数据科学研究所 (HDSI) 与计算机科学与工程系 (CSE) 合作，为寻求扩展数据科学专业知识的在职专业人士提供在线数据科学硕士学位。在线数据科学硕士 (MDS) 计划结合了统计学、计算机科学和数据处于最前沿的应用程序的概念。在 MDS 计划中，学生获得以下能力：(1) 从各种来源收集原始数据，并将这些原始数据转换为适合算法分析的精选形式；(2) 了解机器学习算法以及如何在大型数据集上运行它们；(3) 解释这些算法的结果以回答有关数据的问题。

*因为国际学生无法通过网上课程维持学生身份，这里不做细致讨论。

博士（PhD/DS）

博士课程的目标是培养数据科学领域的领导者，他们将为该领域的知识奠定基础并扩大知识边界。博士课程旨在为学生提供以研究为导向的教育，教授他们进行数据驱动研究所需的知识、技能和意识，并使他们能够利用这种共享背景开展研究，扩大数据科学知识的边界。博士课程涵盖基础方面，包括计算方法、机器学习、数学模型和统计分析，以及数据科学中的应用。

因为项目较新，预计2022年秋季将迎来 20 至 25 名学生参加以上这些课程。这些课程根据学生的学术准备情况将学生分类。为具有计算背景、数学或统计学背景，或经济学、计算社会科学、自然或生物科学背景的人提供指定的课程。

MSDS的学术准备和课程规划

MSDS研究生课程旨在让来自不同教育背景的感兴趣的学生最大限度地参与其中。但是，确保顺利及时完成研究生学位课程，需要在本科阶段做好数据科学五个关键领域的学术准备：算法和编程技能、数据组织方法和技能、数值线性代数、多元微积分、概率和统计.

虽然拥有数据科学专业或数据科学辅修本科学位的学生会学习上述所有五个领域的课程，但从其他定量本科课程毕业的学生可能在其中一些领域缺乏必要的知识和技能。为了填补这一空白，该项目提供了一组基础课程。

这些课程旨在满足三类新生的需求：

(a) 在计算机和/或信息科学方面做好准备以掌握算法编程和云计算技能的学生；

(b) 学生在数学科目上做好了一定程度的准备，以掌握有意义的数据分析所需的统计分析和概率；

即使学生在高级计算和数学/统计方面都做好了准备，如何有意义地应用这些技能也是一种挑战。为了成功地做到这一点，学生可能需要已经学习过的主题的工作知识。因此，A 组课程是所有学生的背景准备工作，并提供使他们能够酌情跳过课程的选项。

如果学生必须参加 A 组的所有五门基础课程，学生会多花一个季度完成学位。然而，对于在数据科学应用领域接受培训的学生来说，通过选择使他们能够将数据科学技术应用于所应用领域的论文选项，可以节省一些选修课程的时间，并在六个季度内完成毕业。

课程要求

硕士课程有基础、核心、选修和研究要求（下面的 A、B 和 C 组课程）。这些课程要求旨在确保学生接触到（1）基本概念和工具（基础），（2）所有学生对数据科学核心主题的先进、最新观点（核心要求），以及（ 3）对他们的研究或应用有深刻的的看法（选修要求）。课程可能无法满足一项以上的要求。

数据科学 (MS/DS) 的理学硕士课程结构共有十二个四分课程，分为基础、核心和专业领域，如下所述。成功完成该项目需要完成论文或基于课程的综合考试，以测试跨多个课程的综合知识。在 48 个学分中，至少有 40 个学分必须是研究生水平的课程。此外，经学生导师批准，十分之二的研究生课程可以是与数据科学不直接相关的领域，而是经济学、生物学、医学等领域的专业领域。

A组：入门课程：最多四个学分

这些课程旨在提供每个从硕士课程毕业的学生在研究生阶段应获得的五个关键基础知识和技能领域：编程技能、数据组织和方法技能、数值线性代数、多元微积分、概率和统计。

该计划旨在使缺乏任何（和所有）这些基础知识和技能的学生可以从五门课程中获得最多四门课程的学分：

B组：核心课程：三门必修课程，至少六门课程

这些课程建立在基础课程之上。所有学生必须修读三门必修的核心课程，此外，学生可以从以下核心课程中选择至少三门。

C组：选修和专业课程：剩余课程学分要求

MS/DS 学生可以利用选修课来完成他们的学习课程。这些课程可以是列为 B 组研究主题课程的核心数据科学学科的高级课程，也可以是其他部门的研究生（或高年级本科）课程，但须经学生的 HDSI 教师顾问批准。

在获得研究生顾问的事先批准后，学生可以注册一个可用的专业领域。专业化需要至少三门专业领域的课程。如：生物工程、商业（市场营销）、商业（供应链和技术）、商业（金融）、机器视觉和交互设计、计算神经科学、网络等。

方案一：论文选项

作为 C 组课程的一部分，学生必须注册至少 8 个和最多 12 个独立研究学分。学生将在论文顾问和至少由三名成员组成的论文委员会的指导下进行论文研究。要求委员会的至少两名成员是 HDSI 教职员工委员会的成员，三名委员会成员中的一名可以是兼职任命的行业研究员或来自其他部门或部门的教职员工。委员会主席须经MS项目委员会批准。或者，可能会要求 HDSI 行业研究员担任委员会的第四名成员。该委员会必须在 MS 课程第三季度末获得研究生部的批准。选择方案一的学生必须提交经批准的论文以满足完成该计划的要求。

方案二：基于课程的综合考试选项

根据该计划，学生必须完成以实践课程为基础的综合考试，旨在评估学生整合知识和理解的能力。在这种形式的综合考试中，学生必须在三个选定课程中的每一个中回答他们所选领域的综合问题。综合考试与主课程融为一体，在大多数情况下，相关工作具有双重目的，独立影响学生的课程成绩和综合考试成绩。

综合考试通常由 MS 计划委员会明确批准的特定班级作业或考试或其一部分组成。综合考试成绩的确定与主课程的成绩是分开的。学生必须成功通过三个领域的三门课程的综合考试：计算、数学/统计学、系统。

学生最多可以尝试五次，即五门不同的课程。一个季度不能参加超过三门课程的综合考试，一个季度不能重复参加综合考试。标记为综合考试的课程只能用ABCD分数。课程考试在每个季度开始时注册，学生必须在指定的考试截止日期前提前注册。考试由负责考试内容、评估和管理的教师委员会监督，该委员会与负责课程成绩但不负责综合考试成绩的课程讲师是分开的。

MSDS申请要求

12月15日申请系统开放，1月19日申请截止

1. 网申表格

2. 申请费：国际学生140美金

3. 成绩单：申请时上传非官方成绩单，录取后提交官方成绩单

本科 GPA 至少 3.0 以上

4. 文书：没有具体字数要求

5. 考试成绩：GRE 2022年秋季入学不需要

6. 推荐信：3封

7. 简历

8. 仅限国际申请者:TOEFL或者IELTS。TOEFL要求85以上，雅思成绩最低为 7.0 分。

9. 要求学生是工程学、计算机科学、数学、统计学、认知科学、科学学科或定量社会科学（如经济学或计算社会科学）等定量领域的学士学位。其他学位选择是可以接受的，具有编程、微积分、概率和统计方面的课程工作或经验。