指南|哈佛大学数据科学项目介绍

学生能力培养

建立统计模型，了解其力量和局限性

设计一个实验

使用机器学习和优化来决策

获取、清洁和管理数据

可视化数据，用于勘探、分析和通信

团队内部协作

提供可重复的数据分析

管理和分析大量数据集

组装计算管道，从广泛可用的工具支持数据科学

根据政策、隐私、安全和道德考虑开展数据科学活动

将解决问题的策略应用于开放式问题

课程设置

核心课程:

数据科学 1：数据科学导论

数据科学 2：数据科学的先进主题

高级科学计算：数据分析、推理和优化的随机方法

计算科学交流：系统开发

数据科学中的批判性思维

研究课程:数据科学顶石研究项目课程应用计算独立研究

热门选修课:数据系统可视化机器学习人工智能高级机器学习机器学习时间系列–预测线性模型通用线性模型统计机器学习

先休课程要求

学校表示建议具有自然科学、数学、计算机科学或工程学学士学位的学生申请。

对于哈佛大学数据科学专业硕士课程的申请人来说，没有正式的先修课要求。然而学校官网表示，成功的申请人确实需要有足够的计算机科学、数学和统计学背景，包括至少一种编程语言的流利程度以及微积分、线性代数和统计推理方面的知识。