Bachelor of Science w Data Science

Bachelor of Science in Data Science łączy zaawansowane umiejętności matematyczne, statystyczne i informatyczne z umiejętnością komunikowania wyników, aby skomplikowany i dynamiczny świat stał się bardziej zrozumiały.

Nauka o danych jest z natury interdyscyplinarną dziedziną wymagającą podstaw w matematyce i informatyce, a także umiejętności zawodowych w zakresie komunikacji i etyki. Zdobądź te kluczowe umiejętności dzięki Bachelor of Science w dziedzinie Data Science w Illinois Tech.

Program Illinois Tech BS in Data Science łączy podstawową wiedzę z matematyki, statystyki i informatyki z praktycznymi umiejętnościami programowania, zarządzania danymi i zaawansowanych obliczeń. Są one uzupełniane praktycznymi doświadczeniami poprzez staże, program projektów międzyzawodowych (IPRO) oraz rozwiązywanie rzeczywistych problemów poprzez projekty związane z kursami. Zdobądź kluczowe umiejętności profesjonalnej komunikacji w zakresie opowiadania historii i wizualizacji, aby przekładać dane na rozwiązania.

Poznaj podstawy udanej kariery w nauce o danych, do których należą:

• Ocena potrzeb związanych z gromadzeniem, modelowaniem, analizą, wizualizacją i wyjaśnianiem danych w kontekście potrzeb klienta
• Czyszczenie, ocena i przygotowywanie danych do eksploracji, modelowania i analizy
• Projektowanie, wdrażanie i ocena odpowiednich systemów obliczeniowych w celu zaspokojenia potrzeb w zakresie nauki o danych
• Zrozumienie kluczowych metod analizy statystycznej oraz umiejętność doboru i implementacji odpowiednich modeli dla danego problemu analizy danych
• Skuteczne pozyskiwanie i przekazywanie przydatnych spostrzeżeń z danych, w tym poprzez opowiadanie historii i wizualizację
• Skuteczna komunikacja w różnych kontekstach zawodowych
• Efektywne funkcjonowanie jako członek lub lider zespołu zaangażowanego w działania właściwe dla danej dyscypliny;
• Identyfikowanie, analizowanie i łagodzenie problemów etycznych, prywatności oraz danych i uprzedzeń algorytmicznych w praktycznych kontekstach nauki o danych

Przegląd programu

Połącz podstawy matematyki i informatyki z profesjonalnymi umiejętnościami w zakresie komunikacji i etyki na Bachelor of Science in Data Science. Praktyczne doświadczenia zdobyte podczas staży i rzeczywistych projektów pokazują, w jaki sposób te umiejętności przekładają dane na rozwiązania.

Dlaczego Illinois Tech jest jedną z najlepszych uczelni w kraju?

Jako student Illinois Tech automatycznie zostaniesz uwzględniony w hojnych stypendiach instytucjonalnych naszego uniwersytetu. Średnio daje to oszczędności w wysokości 107 472 USD na czesne i mieszkanie dla każdego ucznia w ciągu czterech lat w Illinois Tech (134 340 USD za pięć lat, na podstawie danych z jesieni 2021 r.).

Zależy nam na radykalnym obniżeniu kosztów studiów, dzięki czemu możesz skupić się na nauce na jednym z najbardziej dynamicznych i innowacyjnych uniwersytetów w kraju.

Chcesz więcej ważnych powodów?

• Oprócz naszego stypendium instytucjonalnego, Illinois Tech przyznaje naszym studentom dodatkowe 34 412 USD w ramach pomocy na czesne w zależności od potrzeb w ciągu czterech lat (43 015 USD przez pięć lat). (wśród filtrów FAFSA, jesień 2021)
• Jesteśmy szkołą nr 44 o najlepszej wartości w kraju (US News & World Report)
• 98% naszych studentów otrzymuje jakąś formę pomocy finansowej
• Średnia początkowa pensja naszych studentów to 63 938 $

Wymagane kursy

Wymagania dotyczące analityki danych ---- ---- (24-25)

• DS 100 ---- ---- Wprowadzenie do zawodu ---- ---- 3
• DS 151 ---- ---- Wprowadzenie do nauki o danych ---- ---- 3

Wybierz jedną z dwóch opcji: ---- ---- 6-7

• DS 251 ---- ---- Podstawy matematyki dla DS ---- ---- 6

&

• DS 351 ---- ---- Podstawy matematyki dla DS II ---- ---- 6
• MATH 252 ---- ---- Wprowadzenie do równań różniczkowych ---- ---- 7

&

• MATH 350 ---- ---- Wprowadzenie do matematyki obliczeniowej ---- ---- 7
• DS 261 ---- ---- Etyka i prywatność w DS ---- ---- 3
• DS 451 ---- ---- Cykl życia nauki o danych ---- ---- 3

lub

• CSP 571 ---- ---- Przygotowanie i analiza danych ---- ---- 3
• MATH 474 ---- ---- Prawdopodobieństwo i statystyka ---- ---- 3

lub

• MATH 476 ---- ---- Statystyka ---- ---- 3
• MAtematyka 484 ---- ---- Regresja ---- ---- 3

lub

• CS 484 ---- ---- Wprowadzenie do uczenia maszynowego ---- ---- 3

Wymagania dotyczące matematyki stosowanej ---- ---- (17)

• MATEMATYKA 151 ---- ---- Rachunek różniczkowy I ---- ---- 5
• MATEMATYKA 152 ---- ---- Rachunek różniczkowy II ---- ---- 5
• MATH 251 ---- ---- Rachunek wielowymiarowy i wektorowy ---- ---- 4
• MATH 332 ---- ---- Podstawowa algebra liniowa ---- ---- 3

Wymagania dotyczące informatyki ---- ---- (10-12)

Wybierz jedną z następujących sekwencji: ---- ---- 4-6

• CS 115 ---- ---- Programowanie obiektowe I ---- ---- 4

&

• CS 116 ---- ---- Programowanie obiektowe II ---- ---- 4
• CS 104 ---- ---- Wprowadzenie do programowania komputerowego dla inżynierów ---- ---- 6

&

• CS 201 ---- ---- Przyspieszone wprowadzenie do informatyki ---- ---- 6
• CS 331 ---- ---- Struktury danych i algorytmy ---- ---- 3
• CS 425 ---- ---- Organizacja bazy danych ---- ---- 3

Komunikacja ---- ---- (3)

Wybierz jedną z poniższych opcji: ---- ---- 3

• COM 421 ---- ---- Komunikat techniczny ---- ---- 3
• COM 428 ---- ---- Werbalna komunikacja wizualna ---- ---- 3
• INTM 301 ---- ---- Komunikacja w miejscu pracy ---- ---- 3
• ITM 300 ---- ---- Komunikacja w miejscu pracy ---- ---- 3
• SCI 522 ---- ---- Naukowcy zajmujący się zaangażowaniem publicznym ---- ---- 3

Etyka i społeczeństwo ---- ---- (3)

Wybierz jedną z poniższych opcji: ---- ---- 3

• HIST 385 ---- ---- Kobiety w historii informatyki ---- ---- 3
• ITMM 485 ---- ---- Zagadnienia prawne i etyczne w IT ---- ---- 3
• FILIP 374 ---- ---- Etyka w informatyce ---- ---- 3
• FILIP 375 ---- ---- Etyka komputerowa ---- ---- 3
• FILIP 381 ---- ---- Etyka AI ---- ---- 3
• SOC 362 ---- ---- Technologia społeczna ---- ---- 3

Głębokość techniczna analizy danych ---- ---- (12)

Wybierz cztery z poniższych: ---- ---- 12

• CS 422 ---- ---- Eksploracja danych ---- ---- 3
• CS 429 ---- ---- Wyszukiwanie informacji ---- ---- 3
• CS 430 ---- ---- Wprowadzenie do algorytmów ---- ---- 3
• CS 451 ---- ---- Obliczenia równoległe/rozproszone ---- ---- 3
• CS 481 ---- ---- Analiza tekstu wywiadowczego Zarządzanie wiedzą ---- ---- 3
• CS 522 ---- ---- Zaawansowana eksploracja danych ---- ---- 3
• CS 577 ---- ---- Głębokie uczenie się ---- ---- 3
• CS 584 ---- ---- Uczenie maszynowe ---- ---- 3
• CSP 554 ---- ---- Technologie Big Data ---- ---- 3
• MATH 435 ---- ---- Optymalizacja liniowa ---- ---- 3
• MATH 446 ---- ---- Wprowadzenie do szeregów czasowych ---- ---- 3
• MAtematyka 475 ---- ---- Prawdopodobieństwo ---- ---- 3
• MATH 476 ---- ---- Statystyka ---- ---- 3
• MATH 535 ---- ---- Optymalizacja I ---- ---- 3
• MATH 546 ---- ---- Wprowadzenie do szeregów czasowych ---- ---- 3
• MATH 563 ---- ---- Statystyka matematyczna ---- ---- 3
• MATH 564 ---- ---- Statystyka stosowana ---- ---- 3
• MATH 569 ---- ---- Uczenie się statystyczne ---- ---- 3
• MATH 574 ---- ---- Bayesowskie statystyki obliczeniowe ---- ---- 3

Przedmioty do wyboru związane z nauką o danych ---- ---- (12)

Wybierz 12 godzin kredytowych z następujących kursów lub innych kursów z zakresu analizy technicznej danych: ---- ---- 12

• COM 383 ---- ---- Sieci społecznościowe ---- ---- 3
• CS 458 ---- ---- Wprowadzenie do bezpieczeństwa informacji 3

lub

• ECE 443 ---- ---- Wprowadzenie Cyberbezpieczeństwo komputerowe ---- ---- 3
• CS 480 ---- ---- Wprowadzenie do sztucznej inteligencji ---- ---- 3
• CS 487 ---- ---- Inżynieria oprogramowania ---- ---- 3
• CS 512 ---- ---- Wizja komputerowa ---- ---- 3
• CS 520 ---- ---- Hurtownia integracji danych ---- ---- 3
• CS 546 ---- ---- Proces równoległy i rozproszony ---- ---- 3
• CS 553 ---- ---- Przetwarzanie w chmurze ---- ---- 3
• CS 554 ---- ---- Obliczenia wymagające dużej ilości danych ---- ---- 3
• CS 578 ---- ---- Interakcja/Trans Mach Learning ---- ---- 3
• CS 579 ---- ---- Analiza sieci społecznościowych online ---- ---- 3
• CS 583 ---- ---- Probabilistyczne modele graficzne ---- ---- 3
• CS 585 ---- ---- Przetwarzanie języka naturalnego ---- ---- 3
• DS 472 ---- ---- Praktyka analityki danych ---- ---- 3-6
• ECE 308 ---- ---- Systemy sygnałowe ---- ---- 3
• ECE 442 ---- ---- Internet rzeczy/cyberfizyka ---- ---- 3
• ECE 447 ---- ---- Sztuczna inteligencja i przetwarzanie brzegowe ---- ---- 3
• ECE 449 ---- ---- Programowanie zorientowane obiektowo i uczenie maszynowe ---- ---- 3
• ECE 481 ---- ---- Przetwarzanie obrazu ---- ---- 3
• ECE 501 ---- ---- Sztuczna inteligencja i przetwarzanie brzegowe ---- ---- 3
• ECE 510 ---- ---- Internet rzeczy i systemy cyberfizyczne ---- ---- 3
• ECE 511 ---- ---- Analiza sygnałów losowych ---- ---- 3
• ECE 520 ---- ---- Teoria i zastosowania informacji ---- ---- 3
• ECE 521 ---- ---- Elektronika kwantowa ---- ---- 3
• ECE 563 ---- ---- AI w inteligentnej sieci ---- ---- 3
• ECE 565 ---- ---- Komputerowe przetwarzanie obrazu ---- ---- 3
• ECE 566 ---- ---- Uczenie maszynowe i głębokie ---- ---- 3
• ECE 567 ---- ---- Statystyczne przetwarzanie sygnałów ---- ---- 3
• EMGT 363 ---- ---- Kreatywność/Wynalazki/Przedsiębiorczość ---- ---- 3
• ITMS 418 ---- ---- Bezpieczeństwo kodowania ---- ---- 3
• ITMS 448 ---- ---- Technologie cyberbezpieczeństwa ---- ---- 3
• ITMS 478 ---- ---- Zarządzanie bezpieczeństwem cybernetycznym ---- ---- 3
• MATH 225 ---- ---- Statystyki wprowadzające ---- ---- 3
• MATH 380 ---- ---- Wprowadzenie do modelowania matematycznego ---- ---- 3
• MATH 483 ---- ---- Projektowanie i analiza eksperymentu ---- ---- 3
• MATH 497 ---- ---- Zadania specjalne ---- ---- 1-20
• MATH 527 ---- ---- Uczenie maszynowe w finansach: ---- ---- 3
• MATEMATYKA 565 ---- ---- Metody Monte Carlo w finansach ---- ---- 3
• SSCI 325 ---- ---- Średnio zaawansowane systemy geoinformacyjne ---- ---- 3
• SSCI 480 ---- ---- Wprowadzenie do metodologii badań ---- ---- 3

Wymagania naukowe i przedmioty do wyboru ---- ---- (10)

Patrz Podstawa programowa stanu Illinois, sekcja D ---- ---- 10

Wymagania w zakresie nauk humanistycznych i społecznych ---- ---- (21)

Patrz Podstawa programowa stanu Illinois, sekcje B i C ---- ---- 21

Projekty Międzybranżowe (IPRO) ---- ---- (6)

Patrz Podstawa programowa stanu Illinois, sekcja E ---- ---- 6

Bezpłatne przedmioty do wyboru ---- ---- (9)

Wybierz dziewięć godzin kredytowych ---- ---- 9

Suma godzin kredytowych ---- ---- ---- ---- ---- ---- ---- ---- ---- ---- 127-130

Licencjat z nauki o danych w Illinois Tech jest ściśle powiązany z programem MAS w dziedzinie nauki o danych, MAS w programie sztucznej inteligencji i innymi programami magisterskimi w College of Computing.

Spełnij wszystkie niezbędne wymagania wstępne MAS w dziedzinie nauki o danych po pierwszych dwóch latach studiów, a będziesz mógł skorzystać z przyspieszonego programu magisterskiego Illinois Tech, aby ukończyć studia licencjackie i magisterskie w ciągu zaledwie pięciu lat. Kwalifikuj się również do kontynuowania studiów MAS w stopniu sztucznej inteligencji.

Zdobądź umiejętności potrzebne do znalezienia pracy w branży związanej z danymi, takie jak:

• Dane naukowiec
• Analityk danych
• Statystyk
• Data Engineer
• Programista Business Intelligence