密歇根安娜堡大学数据科学专业学什么课程？

密歇根安娜堡大学数据科学专业课程：先修课程

我们多元化的研究生群体来自许多不同的国家和许多本科专业，包括统计、数学、计算机科学、物理、工程、信息和数据科学。虽然数据科学本科专业不是必需的，但申请人在加入之前至少要具备以下背景:

•2个学期的大学微积分

•1学期的线性或矩阵代数

•计算机入门课程

密歇根安娜堡大学数据科学专业课程：必修课程

学生必须修习下列核心课程:

MATH 465:组合学导论

EECS402为科学家和工程师编写程序

EECS 403:科学家和工程师的数据结构

下列其中一项

•BIOSTATS 601:概率与分布

•STATS 425:概率论导论

•STATS 510:概率和分布

下列其中一项

•BIOSTATS 602:生物统计推断

•STATS 426:理论统计入门

•STATS 511:统计推断

所有学生必须修习下列核心课程:

EECS 409:数据科学讨论会

数据管理和操作方面的专业知识

下列其中一项

•EECS 484:数据库管理系统

•EECS 584:高级数据库系统

下列其中一项

•EECS 485: Web系统

•EECS 486:信息检索和Web搜索

•EECS 549/SI 650:信息检索

•SI 618:数据操作分析

•STATS 507:使用Python进行数据科学分析

数据科学技术专业知识

以下其中一项:

•BIOSTAT 650:应用统计学I:线性回归

•STATS 413:应用回归分析

•STATS 500:统计学习I:线性回归

•STATS 513:回归和数据分析

以下其中一项:

•STATS 415:数据挖掘和统计学习

•STATS 503:统计学习II:多元分析

•EECS 545:机器学习

•SI 670:应用机器学习

•SI 671:数据挖掘:方法和应用

•BIOSTAT 626:健康科学的机器学习

顶石项目

•STATS 504:有效统计咨询的原则和实践

•STATS 750:定向阅读

•EECS 599:指导研究

•SI 599-00X:计算社会科学

•SI 691:独立学习

•SI 699-004:大数据分析

•BIOSTAT 610:阅读生物统计学

•BIOSTAT 629:健康大数据案例研究

•BIOSTAT 698:流行病学研究中的现代统计方法

•BIOSTAT 699:生物统计调查分析

密歇根安娜堡大学数据科学专业课程：选修课

从每个类别中选择一个。学生不得在多个类别中重复计算一门课程。选修课组必须包括至少两门高级研究生课程。

1.数据科学原理

BIOSTAT 601 (概率分布理论)| BIOSTAT 602 (生物统计学推理)| BIOSTAT 617 (样本设计)| BIOSTAT 626 (健康科学机器学习)| BIOSTAT 680 (随机过程)| BIOSTAT 682 (贝叶斯分析)| EECS 501(概率和随机过程) | EECS 502(随机过程) | EECS 505(计算数据科学和机器学习) | EECS 551(矩阵信号处理方法,数据分析和机器学习) | EECS 553(数据压缩的理论与实践) | EECS 564(估计、过滤和检测)| SI 670(应用机器学习)| STATS 451 (介绍贝叶斯数据分析)| STATS 470 (实验设计概论)| STATS 510 (概率分布理论)| STATS 511 (统计推断)| STATS 551 (贝叶斯建模和计算)| STATS 570 (试验设计)

2.数据分析

BIOSTAT 645 (时间序列)| BIOSTAT 651 (广义线性模型)| BIOSTAT 653 (纵向分析)| BIOSTAT 665 (种群遗传学)| BIOSTAT 666 (统计模型和数值方法在人类遗传学)| BIOSTAT 675 (生存分析)| BIOSTAT 685 (非参数统计)| BIOSTAT 695 (分类数据)| BIOSTAT 696 (空间数据) | EECS 556(图像处理) | EECS 559(先进信号处理) | EECS 659(自适应信号处理)| STATS 414 (在应用主题数据分析)| STATS 449 (应用生存分析)| STATS 501 (统计分析相关数据)| STATS 503 (统计学习2:多变量分析)| STATS 509 (财务数据统计)| STATS 531 (时间序列分析)| STATS 600 (线性模型)| STATS 601 (多变量分析和分类数据)| STATS 605 (高级主题建模和数据分析)| STATS 700 (应用统计学的课题)