一、基本概况

　　宾夕法尼亚大学数据科学工程硕士项目通常可以在一年半到两年内完成。它将 机器学习、大数据分析和统计学等核心主题的前沿课程与各种选修课和将这些技术应用到所选领域专业化(深度领域 )的机会相结合。

　　宾夕法尼亚大学数据科学工程理学硕士 (MSE) 帮助学生为各种以数据为中心的职业做好准备，无论是技术和工程、咨询、科学、政策制定，还是理解文学、艺术或传播模式。

　　二、专业领域

　　宾夕法尼亚大学数据科学工程硕士项目提供数据科学领域专业化的应用领域的预科课程和论文或实习。潜在的专业领域包括网络科学(沃伦网络和数据科学中心)、数字人文(数字人文普莱斯实验室)、生物医学(生物医学信息学研究所)和公共政策(宾夕法尼亚沃顿商学院预算模型和安纳伯格模型)公共政策中心)——以及计算机和信息科学以及电气和系统工程方面更传统的机会。对于有兴趣将数据分析和建模应用于工程和物理科学其他领域的学生，宾夕法尼亚大学提供了科学计算方面的专业和协同课程。

　　三、课程设置

　　宾夕法尼亚大学数据科学工程硕士项目学生需要完成两个单元的基础课程、三个单元的核心课程和五个单元的技术选修课程单元。

　　1. 基础(两个课程单元)

　　(1)编程语言和技术 (PL) ：编程语言和技术(CIT 5900) 或软件开发简介(CIT 5910)

　　(2)线性代数(CIS 5150)或计算线性代数(数学 5130)

　　2.核心要求(三个课程单元)

　　(1)数据科学统计( ESE 5420)

　　(2)大数据分析：大数据分析(CIS 5450)

　　(3)挖掘和学习：机器学习简介(CIS 5190 ) 或机器学习(CIS 5200 ) 或现代数据挖掘(STAT 5710 )或数据驱动建模和概率科学计算(ENM 5310)或数据挖掘：从海量数据集学习(ESE) 5450

　　3.技术选修课(五个课程单元)

　　(1)标题论文/实习(两个课程单元)

　　注册 DATS 5970 硕士论文研究/硕士论文的 2 个课程单元或 DATS 5990 硕士独立研究/硕士独立研究的 2 个课程单元。

　　(2)生物医学

　　BE 5210 脑机接口

　　BE 5660 网络神经科学

　　BMIN 5210 机器学习的高级方法和健康应用

　　BMIN 5220 健康自然语言处理

　　CIS 5360 计算生物学基础

　　CIS 5370 生物医学图像分析

　　PHYS 5585 理论和计算神经科学

　　(3)社会/网络科学

　　CIS 5230 道德算法设计

　　ECON 7300 计量经济学 I：基础知识

　　ECON 8310 计量经济学 III：横截面计量经济学高级技术

　　ECON 8320 计量经济学 IV：时间序列计量经济学高级技术

　　MKTG 7760 营销中的应用概率模型

　　更多详细信息可以咨询Tops6868。

　　(4)以数据为中心的编程

　　CIS 5050 软件系统

　　CIS 5500 数据库和信息系统

　　CIS 5520 高级编程

　　CIS 5550 互联网和网络系统

　　CIS 5590 编程和问题解决

　　CIS 5730 软件工程

　　CIT 5950 计算机系统编程

　　(5)调查和统计方法

　　MKTG 7120 营销决策数据和分析

　　OIDD 6120 商业分析

　　STAT 9200 抽样调查方法

　　STAT 9210 观察研究

　　STAT 9740 社会、行为和生物科学的现代回归

　　STAT 6210 商业加速回归分析

　　STAT 5350 管理预测方法

　　STAT 7220 预测分析商业用途

　　(6)数据分析、人工智能

　　CIS 5210 人工智能

　　CIS 5220 数据科学深度学习

　　CIS 5300 自然语言处理

　　CIS 5800 机器感知

　　CIS 5810 计算机视觉与计算摄影

　　CIS 6200 机器学习高级主题

　　CIS 6250 机器学习理论

　　CIS 6800 机器感知高级主题

　　ESE 5140 图形神经网络

　　ESE 6500 机器人学习

　　STAT 5710 现代数据挖掘

　　ESE 5460 深度学习原理

　　(7)自然科学/工程模拟方法

　　CBE 5250 分子建模与模拟

　　CBE 5440 能源和化学转化计算科学

　　CBE 5590 化学和生物系统的多尺度建模

　　MEAM 5270 有限元分析

　　MEAM 6460 计算力学

　　MSE 5610 材料科学中的原子建模

　　(8)数学和算法基础

　　AMCS 5141 高级线性代数

　　CIS 5020 算法分析

　　CIT 5960 算法和计算

　　CIS 6770 算法和复杂性高级主题

　　ENM 5020 数值方法和建模

　　ESE 5030 仿真建模和分析

　　ENM 5310 数据驱动建模和概率科学计算

　　ESE 5450 数据挖掘：从海量数据集学习

　　ESE 6050 现代凸优化

　　ESE 6740 信息论

　　OIDD 9300 随机模型

　　STAT 5150 高级统计推断 I

　　STAT 9270 贝叶斯统计理论和方法

　　更多详细内容可以向Tops6868咨询。

　　以上是宾夕法尼亚大学数据科学工程硕士的相关知识，如果您对美国留学感兴趣，欢迎您咨询Tops6868老师，托普仕留学专注美国前30高校申请，助力国内学子顺利获得美国藤校入读资格。尽早规划和递交申请，对您未来留学会更有帮助!