Civilingenjör i dataanalys
Oxford Brookes University
Nyckelinformation
Campus läge
Wheatley, Storbritannien
språk
Engelsk
Studieformat
På Campus
Varaktighet
1 - 5 år
Takt
Heltid, Deltid
Studieavgifter
GBP 16 600 / per year *
Ansökningstiden
Begär info
Tidigaste startdatum
Begär info
* Engelska studenter på heltid: £1 080 per enskild modul | Internationella/EU-studenter på heltid: £16 600
Stipendier
Utforska stipendiemöjligheter för att hjälpa till att finansiera dina studier
Introduktion
Med vår MSc i Data Analytics kommer du att lära dig grundläggande teori och praktisera matematisk och statistisk modellering. Med särskild hänvisning till dataanalys och visualisering.
Med den senaste utvecklingen inom digital teknik har samhället gått in i "big datas" era. Den brittiska regeringen erkänner big data som en av de åtta fantastiska teknologierna. Den har prioriteringar för finansiering och forskning och kommer att ha en central roll för att återuppbygga och stärka ekonomin.
Explosionen och rikedomen av tillgänglig data inom ett brett spektrum av applikationsdomäner ger upphov till nya utmaningar och möjligheter inom alla områden. En stor utmaning är hur man drar fördel av den oöverträffade omfattningen av data. Och hur man skaffar sig ytterligare insikter och kunskaper för att förbättra kvaliteten på erbjudna produkter och tjänster.
Vi designade MSc i Data Analytics för dem som för närvarande är anställda. Och att köra tillsammans med MSc i Data Analytics for Government. Den är tillgänglig för alla studenter och är inte exklusiv för någon viss sysselsättningssektor.
Galleri
Antagningar
Stipendier och finansiering
Läroplan
Studiefoduler
Obligatoriska moduler
- Forsknings- och studiemetoder (10 hp)
Denna delkurs ger dig de färdigheter som krävs för att utföra forskning och använda effektiva studiemetoder som ligger till grund för din avhandling. - Data Science Foundations (10 hp)
Denna modul presenterar en översikt över centrala datavetenskapliga begrepp och verktyg, med fokus på verkliga datavetenskapliga forskningsfrågor med praktisk exponering för R och/eller Python-programmering som en integrerad del av kursen. - Undersökningsgrunder (10 hp)
Denna modul ger en översikt över grunderna för provtagning och uppskattning. - Statistisk programmering (10 hp)
Momentet introducerar grundläggande programmeringstekniker i R som är nödvändiga för att utföra datamanipulation, databehandling och dataanalyser av traditionella och alternativa datakällor genom praktiska sessioner. - Introduktion till undersökningsforskning (10 hp)
Momentet introducerar de steg som är involverade i planering och genomförande av undersökningar. Den kommer att överväga de metodfrågor som kan uppstå, inklusive fel, och kommer att diskutera alternativ för att minimera påverkan genom undersökningsdesignen. - Regressionsmodellering (10 hp)
Momentet introducerar den grundläggande regressionsmodellen — restanalys, modellbyggande och urval samt hantering av kategoriska variabler. Logistisk regression (binär responsregression) kommer också att införas, bedöma modellpassning och modellbyggnad och urval. Till sist, Multipel regression och multivariat regressionsmodellering kommer att introduceras. - Avancerad statistisk modellering (10 hp)
Denna modul introducerar en bred klass av linjära och olinjära statistiska modeller och principerna för sannolikhetsslutledning till en mängd vanligt förekommande dataanalysproblem inom en mängd olika discipliner. - Tidsserieanalys (10 hp)
Denna modul introducerar dig till tidsserier och prognosmetoder. - Introduktion till maskininlärning (10 hp)
Denna delkurs ger dig principerna för datorinlärning och dess tillämpningar. Det täcker grunderna för maskininlärningsmetoder, implementeringar och analysmetoder som är lämpliga för maskininlärningstillämpningar. - Avancerad maskininlärning (10 hp)
Denna modul bygger på modulen Introduktion till maskininlärning. Den fokuserar på avancerade programmeringsfärdigheter och Neural Computing som en förlängning av maskininlärning, naturlig språkbehandling& multimedia. Den tar hänsyn till övervakade och oövervakade maskininlärningsalgoritmer (slumpmässiga skogar, neurala nätverk, kluster, loggregression och stödvektormaskiner) tillsammans med mer avancerad bildbehandling och multimedia databehandling. - Introduktion till distribuerade system (10 hp)
Momentet ger en översikt över bearbetning av data i stor skala och parallell bearbetning. Det introducerar Hadoop och Spark och användningen av parallella bearbetningsparadigmer. - Datavisualisering (10 hp)
Momentet bygger på de grundläggande datavisualiseringar som introducerats i de obligatoriska modulerna. Det kommer att omfatta informationsdesign, interaktionsdesign och användarengagemang; toppmoderna verktyg för att bygga användbara visualiseringar för olika typer av datamängder och applikationsscenarier.
Slutligt projekt
- Avhandling i dataanalys (60 hp)
Studenter på MSc är också skyldiga att klara en avhandling om ett datavetenskapligt fokuserat ämne relaterat till deras studieprogram.
Det exakta innehållet i varje avhandling kommer att variera i enlighet med titeln men kommer att innebära att du genomför en litteraturöversikt och forskning av ämnet på avancerad nivå, utarbetandet av ett projektförslag, tillämpning av analytiska tekniker och akademiska tillvägagångssätt för generering av alternativa lösningar och syntes av en lösning för det komplexa problemet i handen, tillsammans med presentationen av lösningen i muntlig och skriftlig form.
Lärande och undervisning
Vår kurs har stödjande undervisnings- och inlärningsstrategi baserad på aktivt studentengagemang.
Vi använder en mängd olika undervisnings- och bedömningsmetoder som:
- kritiska utvärderingsrapporter
- rapporter om dataanalys
- dataanalys med hjälp av program
- presentationer och fallstudier.
Inlärningsmetoder inkluderar:
- blandat lärande
- formella föreläsningar
- problemlösning praktik
- guidad självständig inlärning
- användning av den datorbaserade virtuella inlärningsmiljön ”Moodle”
- oberoende forskning
- analys av programvarudata
- experiment.
Studieavgift för programmet
Karriärmöjligheter
Detta program gör det möjligt för akademiker att ta ett brett spektrum av roller inom datavetenskap. Vanliga karriärer inom detta område är som:
- data ingenjörer
- affärsanalytiker
- datahanterare
- maskininlärning utövare
- data forskare.