Master of Data Science (Earth and Environment) MDS
数据科学硕士(地球与环境)MDS硕士
数据科学硕士(地球与环境)是一门转换型课程,专为来自非量化背景的学生设计,例如地理、地球科学或环境科学专业,旨在帮助学生建立数据科学领域的职业生涯。课程教授获取、清洗、分析和可视化数据的核心技能,重点关注自然资源和环境系统。该课程非常适合希望在研究中使用数据,或为行业获得实用且可迁移技能的学生。
您将向活跃的研究人员学习,涵盖统计学、机器学习、Python 和 R 编程、时空数据分析等核心主题。专业模块聚焦于地球与环境领域的实际应用,同时提供选修课程,让您根据个人兴趣定制学习内容。您还将探讨数据使用中的伦理问题。
本课程从基础模块开始,逐步深入到深度学习和神经网络等高级技术。课程最后是一个研究项目——通常与行业合作伙伴共同开展——您将在自己选择的领域中,将所学技能应用于解决现实世界的问题。这种实践经历将为您未来从事数据驱动的环境决策工作做好充分准备。
语言要求
6.5,且没有任何单项低于6.0
| 科目 | 总分 | 阅读 | 听力 | 口语 | 写作 |
|---|
雅思 | 6.5 | 6.0 | 6.0 | 6.0 | 6.0 |
课程描述
该课程第一学年包括多个核心模块和可选模块。核心模块涵盖:数据科学研究项目,培养学生在数据科学或专业领域的研究、分析与报告撰写能力;数据科学批判视角,强调量化数据的伦理与情境分析;地球科学中的数据科学应用,涉及多源地球与环境数据的处理与行业软件使用;时空数据分析,聚焦空间与时间数据的方法与物理建模;数据科学编程,使用Python进行数据处理与可视化;数据科学统计导论,讲授探索性统计、推断、线性模型、分类聚类及重采样等基础内容;以及机器学习,通过R语言学习回归、决策方法、支持向量机与神经网络。此外,学生还需修读若干可选模块,根据先前资历选择,可能包括计算机科学导论、数据科学数学基础、文本挖掘、数据探索与无监督学习、战略领导力及数据科学中的伦理与偏见等主题。课程结构兼顾理论与实践,注重行业工具应用与跨学科问题解决。