データサイエンスの科学のマスター(オンライン)
Contemporary Technology University
重要な情報
キャンパスの場所
Palo Alto, アメリカ合衆国
言語
情報をリクエストする
学習フォーマット
通信教育
間隔
12 - 18 月
ペース
フルタイム, パートタイム
授業料
USD 1 / per year *
申請期限
情報をリクエストする
最も早い開始日
情報をリクエストする
* あなたが雇われるまで授業料はありません
奨学金
あなたの研究に資金を提供するための奨学金の機会を探る
序章
機械学習を適用し、大規模なデータセットを管理し、興味深い視覚化を生成することで、データを解釈し、洞察を定式化し、知識を伝達するスキルを習得して、データサイエンティストになります。
- 採用されるまで授業料はかかりません。
- 開始日:2022年1月
あなたが雇われるまで授業料はありません
ここコンテックでは、学位プログラムを無料で開始できます。卒業して高給の仕事に就いた後、Study Now Pay Laterモデルのおかげで、少額の分割払いで授業料の支払いを開始できます。とても簡単です。これが私たちが学生を経済的に支援する方法です。
エンプロイアビリティに焦点を当てた修士課程
データは産業界や学界の幅広いセクターに蓄積されるため、データベースの意思決定を支援するスキルを備えたデータサイエンティストが必要であると考えています。たとえば、企業はデータを使用して、保険の適用範囲を決定し、マーケティングの意思決定を行い、顧客に推奨事項を提供し、より効果的な医療を提供しています。
データサイエンスプログラムを専門とするコンピュータサイエンスの科学のマスターは、統計的推論、機械学習、データの視覚化、データマイニング、およびビッグデータメソッドの基本および高度な基本事項をカバーしています。これらはすべて、訓練を受けたデータサイエンティストにとって重要です。私たちのプログラムに選ばれるには、微積分、線形代数、確率、コンピュータープログラミング、データ構造、およびアルゴリズムの基本的な背景が必要です。私たちのプログラムは30単位にまたがっており、大きなデータセット、分類方法、変数選択、ディープラーニングなどのプロジェクトが含まれています。
私たちはあなたが仕事を見つけるのをサポートします
コンテックのキャリア開発プログラムは、修士課程のプログラム中にすべての学生が利用できる多くのツール、リソース、およびファシリテーションで構成されています。私たちのキャリア開発チームは、コアカリキュラムを補完するさまざまなキャリアサービスを支援します。
独自の技術や戦略など、今後の大規模な面接に備えて、この専門知識をお届けし、成功へと導きます。
✔あなたのキャリアメンターに会いましょう
✔ポートフォリオを準備する
✔面接スキルを習得する
✔あなたの夢の仕事を上陸させる
アプリケーションプロセス
ステップ1:アプリケーション
- MyContechでアカウントを作成します
- 選択したプログラムに開始日で適用します。
- 申し込みフォームに記入して送信してください。
ステップ2:選択
このステップでは、2つの短い評価を完了し、必要な書類をアップロードし、要求された質問に答える短いビデオをアップロードする必要があります(または、入学担当官とのズーム面接を予約することもできます)。入学委員会はあなたの書類とテストスコアをレビューして、あなたに受け入れのための最終的な答えを与えます。
アップロードするドキュメント:
*卒業証明書
*トランスクリプト
*英語能力の証明(海外からの申請者向け)
ステップ3:登録
大学への入学が認められると、入学許可書が届きます。さらに、3日以内に、デジタル署名するための学校カタログと学校パフォーマンスシートと一緒に登録契約書を受け取ります。登録書類に署名した後、あなたはコンテックの学生として正式に登録されます。コミュニティチームがあなたを大学に迎え、あなたは私たちのハブに参加します。
奨学金と資金
カリキュラム
Contemporary Technology University 大人の特定の学習特性とニーズを認識し、協調的な教育アプローチを採用し、4E ラーニング サイクルなどの教育モデルを取り入れています。各コースは、学生が積極的な参加を通じて強力な知識の基礎を構築するのに役立つ学習サイクルに毎日の内容を適応させます。各コースのアクティビティは、学習の認知段階の一部として設計されており、参加、探索、拡張、および評価が含まれます。
1.データサイエンスのためのPython
2. 確率と統計の要点
3. データのクリーニングと可視化
4. 機械学習のためのデータ操作と処理
5. データサイエンスのためのデータベースシステムとツール
6.機械学習の基礎
7. ディープラーニングを深く掘り下げる
8. 強化学習と人工知能
9. データサイエンスと人工知能の実世界への応用
10. 絶頂プロジェクト