Bakalář věd v oboru datové vědy

Bakalář přírodních věd v datové vědě kombinuje znalosti matematiky, statistiky a informatiky na vysoké úrovni se schopností sdělovat výsledky, aby byl komplikovaný a dynamický svět srozumitelnější.

Datová věda je ze své podstaty interdisciplinární obor, který vyžaduje základy matematiky a informatiky, stejně jako profesionální dovednosti v oblasti komunikace a etiky. Získejte tyto kritické dovednosti prostřednictvím Illinois Tech's Bachelor of Science in Data Science.

Program BS in Data Science společnosti Illinois Tech spojuje základní znalosti z matematiky, statistiky a informatiky s praktickými dovednostmi v programování, správě dat a pokročilých počítačích. Ty jsou doplněny praktickými zkušenostmi prostřednictvím stáží, programu Interprofessional Projects (IPRO) a řešením reálných problémů prostřednictvím projektů souvisejících s kurzem. Získejte klíčové profesionální komunikační dovednosti ve vyprávění příběhů a vizualizací, abyste převedli data do řešení.

Pochopte základy úspěšné kariéry v oblasti datové vědy, které zahrnují:

• Posouzení potřeb sběru dat, modelování, analýzy, vizualizace a vysvětlení v kontextu potřeb klienta
• Čištění, vyhodnocování a příprava dat pro průzkum, modelování a analýzu
• Navrhování, implementace a hodnocení relevantních výpočetních systémů pro řešení potřeb datové vědy
• Pochopení klíčových metod statistické analýzy a schopnost vybrat a implementovat vhodné modely pro daný problém analýzy dat
• Efektivní odvozování a sdělování užitečných poznatků z dat, včetně vyprávění příběhů a vizualizace
• Efektivní komunikace v různých profesních kontextech
• Efektivně fungovat jako člen nebo vedoucí týmu zapojený do činností vhodných pro danou disciplínu
• Identifikace, analýza a zmírnění problémů etiky, soukromí a dat a algoritmických zkreslení v praktických kontextech datové vědy

přehled programu

Spojte základy matematiky a informatiky s profesionálními dovednostmi v oblasti komunikace a etiky v bakalářském programu vědy o datech. Praktické zkušenosti prostřednictvím stáží a projektů v reálném světě zdůrazňují, jak tyto dovednosti převádějí data do řešení.

Proč je Illinois Tech jednou z nejlepších univerzit v zemi

Jako student Illinois Tech budete automaticky považováni za štědrá institucionální stipendia naší univerzity. V průměru to představuje úsporu 107 472 USD na školném a ubytování pro každého studenta během vašich čtyř let na Illinois Tech (134 340 USD za pět let, na základě údajů z podzimu 2021).

Jsme odhodláni dramaticky snížit náklady na váš titul, takže se můžete soustředit na učení na jedné z nejdynamičtějších a nejinovativnějších univerzit v zemi.

Chcete další skvělé důvody?

• Kromě našeho institucionálního stipendia uděluje Illinois Tech v průměru našim studentům dalších 34 412 $ za školné na základě potřeby během čtyř let (43 015 $ po dobu pěti let). (mezi FAFSA filers, podzim 2021)
• Jsme 44. škola s nejlepší hodnotou v zemi (US News & World Report)
• 98 % našich studentů dostává nějakou formu finanční pomoci
• Průměrný nástupní plat našich vysokoškoláků je 63 938 $

Požadované kurzy

Požadavky Data Science ---- ---- (24-25)

• DS 100 ---- ---- Úvod do profese ---- ---- 3
• DS 151 ---- ---- Úvod do datové vědy ---- ---- 3

Vyberte jednu ze dvou možností: ---- ---- 6-7

• DS 251 ---- ---- Základy matematiky pro DS ---- ---- 6

&

• DS 351 ---- ---- Matematický základ pro DS II ---- ---- 6
• MATH 252 ---- ---- Úvod do diferenciálních rovnic ---- ---- 7

&

• MATH 350 ---- ---- Úvod do výpočetní matematiky ---- ---- 7
• DS 261 ---- ---- Etika a soukromí ve společnosti DS ---- ---- 3
• DS 451 ---- ---- Životní cyklus datové vědy ---- ---- 3

nebo

• CSP 571 ---- ---- Příprava a analýza dat ---- ---- 3
• MATH 474 ---- ---- Pravděpodobnost a statistika ---- ---- 3

nebo

• MATH 476 ---- ---- Statistika ---- ---- 3
• MATH 484 ---- ---- Regrese ---- ---- 3

nebo

• CS 484 ---- ---- Úvod do strojového učení ---- ---- 3

Požadavky na aplikovanou matematiku ---- ---- (17)

• MATEMATIKA 151 ---- ---- Počet I ---- ---- 5
• MATEMATIKA 152 ---- ---- Počet II ---- ---- 5
• MATH 251 ---- ---- Vícerozměrný a vektorový počet ---- ---- 4
• MATH 332 ---- ---- Elementární lineární algebra ---- ---- 3

Požadavky na informatiku ---- ---- (10-12)

Vyberte jednu z následujících sekvencí: ---- ---- 4-6

• CS 115 ---- ---- Objektově orientované programování I ---- ---- 4

&

• CS 116 ---- ---- Objektově orientované programování II ---- ---- 4
• CS 104 ---- ---- Úvod do počítačového programování pro inženýry ---- ---- 6

&

• CS 201 ---- ---- Zrychlený úvod do informatiky ---- ---- 6
• CS 331 ---- ---- Datové struktury a algoritmy ---- ---- 3
• CS 425 ---- ---- Organizace databáze ---- ---- 3

Komunikace ---- ---- (3)

Vyberte jednu z následujících možností: ---- ---- 3

• COM 421 ---- ---- Technická komunikace ---- ---- 3
• COM 428 ---- ---- Verbální vizuální komunikace ---- ---- 3
• INTM 301 ---- ---- Komunikace pro pracoviště ---- ---- 3
• ITM 300 ---- ---- Komunikace na pracovišti ---- ---- 3
• SCI 522 ---- ---- Public Engagement Scientists ---- ---- 3

Etika a společnost ---- ---- (3)

Vyberte jednu z následujících možností: ---- ---- 3

• HIST 385 ---- ---- Ženy v historii výpočetní techniky ---- ---- 3
• ITMM 485 ---- ---- Právní a etické problémy v IT ---- ---- 3
• PHIL 374 ---- ---- Etika v informatice ---- ---- 3
• PHIL 375 ---- ---- Počítačová etika ---- ---- 3
• PHIL 381 ---- ---- Etika AI ---- ---- 3
• SOC 362 ---- ---- Technologie Sociální změny ---- ---- 3

Data Science Technical Depth ---- ---- (12)

Vyberte čtyři z následujících: ---- ---- 12

• CS 422 ---- ---- Dolování dat ---- ---- 3
• CS 429 ---- ---- Vyhledávání informací ---- ---- 3
• CS 430 ---- ---- Úvod do algoritmů ---- ---- 3
• CS 451 ---- ---- Paralelní/distribuované výpočty ---- ---- 3
• CS 481 ---- ---- Zpravodajská analýza textu řízení znalostí ---- ---- 3
• CS 522 ---- ---- Pokročilé dolování dat ---- ---- 3
• CS 577 ---- ---- Hluboké učení ---- ---- 3
• CS 584 ---- ---- Strojové učení ---- ---- 3
• CSP 554 ---- ---- Technologie velkých dat ---- ---- 3
• MATH 435 ---- ---- Lineární optimalizace ---- ---- 3
• MATH 446 ---- ---- Úvod do časových řad ---- ---- 3
• MATH 475 ---- ---- Pravděpodobnost ---- ---- 3
• MATH 476 ---- ---- Statistika ---- ---- 3
• MATH 535 ---- ---- Optimalizace I ---- ---- 3
• MATH 546 ---- ---- Úvod do časových řad ---- ---- 3
• MATH 563 ---- ---- Matematická statistika ---- ---- 3
• MATH 564 ---- ---- Aplikovaná statistika ---- ---- 3
• MATEMATIKA 569 ---- ---- Statistické učení ---- ---- 3
• MATH 574 ---- ---- Bayesovské výpočetní statistiky ---- ---- 3

Data Science Ellectives ---- ---- (12)

Vyberte si 12 kreditních hodin z následujících kurzů nebo jakýchkoli jiných kurzů v Data Science Technical Depth: ---- ---- 12

• COM 383 ---- ---- Sociální sítě ---- ---- 3
• CS 458 ---- ---- Úvod do informační bezpečnosti 3

nebo

• ECE 443 ---- ---- Úvod Počítačová kybernetická bezpečnost ---- ---- 3
• CS 480 ---- ---- Úvod do umělé inteligence ---- ---- 3
• CS 487 ---- ---- Softwarové inženýrství ---- ---- 3
• CS 512 ---- ---- Počítačové vidění ---- ---- 3
• CS 520 ---- ---- Data Integration Warehousing ---- ---- 3
• CS 546 ---- ---- Paralelní a distribuovaný proces ---- ---- 3
• CS 553 ---- ---- Cloud Computing ---- ---- 3
• CS 554 ---- ---- Data-intensive Computing ---- ---- 3
• CS 578 ---- ---- Interact/Trans Mach Learning ---- ---- 3
• CS 579 ---- ---- Online analýza sociálních sítí ---- ---- 3
• CS 583 ---- ---- Pravděpodobnostní grafické modely ---- ---- 3
• CS 585 ---- ---- Zpracování přirozeného jazyka ---- ---- 3
• DS 472 ---- ---- Praktikum datové vědy ---- ---- 3-6
• ECE 308 ---- ---- Signální systémy ---- ---- 3
• ECE 442 ---- ---- Internet věcí/kybernetická fyzika ---- ---- 3
• ECE 447 ---- ---- AI a Edge Computing ---- ---- 3
• ECE 449 ---- ---- Objektově orientované programování a strojové učení ---- ---- 3
• ECE 481 ---- ---- Zpracování obrazu ---- ---- 3
• ECE 501 ---- ---- AI a Edge Computing ---- ---- 3
• ECE 510 ---- ---- IoT a kybernetické fyzické systémy ---- ---- 3
• ECE 511 ---- ---- Analýza náhodných signálů ---- ---- 3
• ECE 520 ---- ---- Informační teorie a aplikace ---- ---- 3
• ECE 521 ---- ---- Kvantová elektronika ---- ---- 3
• ECE 563 ---- ---- AI v Smart Grid ---- ---- 3
• ECE 565 ---- ---- Počítačové zpracování obrazu ---- ---- 3
• ECE 566 ---- ---- Strojové a hluboké učení ---- ---- 3
• ECE 567 ---- ---- Statistické zpracování signálu ---- ---- 3
• EMGT 363 ---- ---- Kreativita/Vynálezy/Podnikatelství ---- ---- 3
• ITMS 418 ---- ---- Zabezpečení kódování ---- ---- 3
• ITMS 448 ---- ---- Technologie kybernetické bezpečnosti ---- ---- 3
• ITMS 478 ---- ---- Řízení kybernetické bezpečnosti ---- ---- 3
• MATH 225 ---- ---- Úvodní statistika ---- ---- 3
• MATH 380 ---- ---- Úvod do matematického modelování ---- ---- 3
• MATH 483 ---- ---- Návrh a analýza experimentu ---- ---- 3
• MATEMATIKA 497 ---- ---- Speciální úlohy ---- ---- 1-20
• MATH 527 ---- ---- Strojové učení ve financích: ---- ---- 3
• MATH 565 ---- ---- Metody Monte Carlo ve financích ---- ---- 3
• SSCI 325 ---- ---- Středně pokročilé geoinformační systémy ---- ---- 3
• SSCI 480 ---- ---- Úvod do metodiky průzkumu ---- ---- 3

Přírodovědné požadavky a volitelné předměty ---- ---- (10)

Viz Illinois Tech Core Curriculum, sekce D ---- ---- 10

Humanitní a společenské požadavky ---- ---- (21)

Viz Illinois Tech Core Curriculum, sekce B a C ---- ---- 21

Meziprofesní projekty (IPRO) ---- ---- (6)

Viz Illinois Tech Core Curriculum, sekce E ---- ---- 6

Volitelné předměty zdarma ---- ---- (9)

Vyberte devět kreditních hodin ---- ---- 9

Celkový počet kreditních hodin ---- ---- ---- ---- ---- ---- ---- ---- ---- ---- 127-130

Illinois Tech's BS in Data Science je úzce svázán s programem MAS in Data Science, MAS v programu Artificial Intelligence a dalšími magisterskými programy na College of Computing.

Po prvních dvou letech studia splňte všechny nezbytné předpoklady MAS v datové vědě a můžete využít zrychlený magisterský program Illinois Tech k dokončení bakalářského a magisterského studia za pouhých pět let. Také se kvalifikujte ke studiu MAS v oboru umělé inteligence.

Získejte dovednosti potřebné k získání zaměstnání v datové kariéře, jako například:

• Vědecký pracovník
• Analytik dat
• Statistik
• Data Engineer
• Vývojář Business Intelligence