数据科学学位

基于自由教育传统的机构的数据科学学位提供了一种途径宽度,以便接近和解决复杂问题。对于拥有这一学位的个人,政府,工业和学术界存在职业机会。这些组织需要具有这些技能的员工,这些技能范围从亚马逊和微软到当地的制造设施,以及来自NSA等政府机构到当地的市政当局。

预计数据科学和分析领域的工作机会数量通常会在六个数字中占有薪水。这一新兴领域不存在10年前,并且随着来自网上,社交媒体和扩大的网页的数据的指数增加而迅速发展。它是许多学科和背景参与的地区。

BS学位 - 数据科学专业

除了基本的教育要求外,数据科学的专业必须完成45个学期的课程工作时间,如下所述:

 

数据科学未成年

数据科学中的未成年人需要21个学期,如下所述:

 

 

数据科学课程

CSIT1100. 计算3 S.H的原理
通过在Python语言中进行广泛的实践开发软件的计算机编程基础介绍。覆盖基本术语和主题,如集成开发环境,变量,数据类型,控制结构,功能和对象。 ELO4全球学习 - 创新

CSIT1200 数据结构3 S.H.
CSIT1100的继续强调更高级的编程,涉及经典数据结构,如数组,词典,链接列表,队列,堆栈和树。还将涵盖递归技术和效率考虑。先决条件:CSIT1100.。

CSIT2100. 中间编程1-3 S.H.
如果内容不同,可以重复使用特定编程语言,工具集,方法或类型,如COBOL,C ++,PHP,AJAX,调试器等的中间级编程。预定的课程标题和成绩单列表将包括编程语言或主题;例如中间编程 - C ++。先决条件:CSIT1100.。

CSIT3300. 数据库概念和SQL 3 S.H.
对实现数据库系统所需的概念和结构的研究,包括数据库的逻辑设计和物理组织。重点是数据库系统的设计和开发,包括理解和应用实体关系模型。包括在数据库系统上使用SQL的数据库的实现。先决条件:CSIT1100.。

CSIT3710 数据科学实习(也是Math3710)3 S.H.
数据科学技能和方法在客户端项目中的应用。学生将与客户互动并准备正式报告和演示。 (按照通过/失败的基础评分。)先决条件:讲师的同意。

CSIT4200. 机器学习3 S.H.
回归,内核,支持向量机,聚类,神经网络的研究。先决条件:Math3340,Math2520,Math3200,CSIT1200。

CSIT4300. 群集算法3 S.H.
介绍了集群分析和算法的基本概念。聚类验证的方法和聚类质量评估。先决条件:CSIT4200.(机器学习)。

math1380 统计介绍3 S.H.
中央趋势,色散和相关性的数据分析与测量。概率介绍。估计和假设检测。生成的回归。基本Anova。非参数技术简介。先决条件:1年高中代数。目标3A,ELO6数学

math1510 微积分I 4 S.H.
限制,连续性,分化和应用程序,包括指数,对数,三角函数和逆函数。平均值定理,曲线素描,黎曼和微积分的基本定理。先决条件:2年高中代数。目标3A,ELO6数学

Math1520 微分II 4 S.H.
集成技术和应用,极性坐标,不合适的积分,序列和一系列实数,以及功率系列。先决条件:Math1510。目标3a.

math2350 离散数学3 S.H.
对介绍性逻辑,数学证明,设定理论,决定因素,组合与图理论的介绍性逻辑的主题调查。先决条件:非CSIT / MATH MATORS的教练批准,2年高中代数或MATH1280。目标3A,ELO6数学

math2510 微积分III 4 S.H.
圆锥部分,空间中的向量,几个变量的功能,部分分化,多集成,线路积分和绿色的定理。先决条件:Math1520。目标3a.

math2520 微积分IV 3 S.H.
空间中的载体,几个变量的功能,部分分化,多集成,线路积分和绿色的定理。先决条件:Math2510。目标3a.

+ math3200. 概率和随机过程3 S.H.
概率,古典概率模型和过程,随机变量,条件概率,马尔可夫链和应用。先决条件:Math1520和Math2350。目标3a.

+ math3340 线性代数3 S.H.
矩阵,矢量空间,线性变换。先决条件:Math1510和Math2350。目标3a.

math3710 在数据科学中实习(CSIT3710)3 S.H.
数据科学技能和方法在客户端项目中的应用。学生将与客户互动并准备正式报告和演示。 (按照通过/失败的基础评分。)先决条件:讲师的同意。

math4380. 高级统计3 S.H.
对线性和广义回归的研究;随机效果模型;分类数据的方法;存活分析;和非参数方法,建模。探索性数据分析;现代非参数回归。先决条件:Math1380,Math2350