BSc (Hons) στις Επιστήμες Δεδομένων
Academic City, Ηνωμένα Αραβικά Εμιράτα
BSc (Bachelor Επιστημών)
ΔΙΆΡΚΕΙΑ
4 έτη
ΓΛΏΣΣΕΣ
Αγγλικά
ΡΥΘΜΌΣ
Πλήρης απασχόληση
ΠΡΟΘΕΣΜΊΑ ΕΦΑΡΜΟΓΉΣ
ΠΡΩΙΜΌΤΕΡΗ ΗΜΕΡΟΜΗΝΊΑ ΈΝΑΡΞΗΣ
ΔΊΔΑΚΤΡΑ
AED 65.100 / per year *
ΜΟΡΦΉ ΜΕΛΈΤΗΣ
Στην Πανεπιστημιούπολη
* για να μάθετε σχετικά με τις χρεώσεις για αυτό το πρόγραμμα, στείλτε ένα email στο dubaienquiries@hw.ac.uk
ΣΦΑΙΡΙΚΗ ΕΙΚΟΝΑ
Η επιστήμη δεδομένων είναι ο πυρήνας της σύγχρονης ανάλυσης δεδομένων και της τεχνολογικής επανάστασης, μετατρέποντας τα δεδομένα σε νοημοσύνη και πληροφορίες για τη λήψη αποφάσεων και για την επίλυση σύνθετων, πολύπλευρων προβλημάτων. Είναι μια νέα πειθαρχία, και η ζήτηση για εμπειρογνωμοσύνη σε όλες τις πτυχές της επιστήμης των δεδομένων αυξάνεται πολύ γρήγορα. Λόγω αυτής της ισχυρής παγκόσμιας ζήτησης, ο ρόλος ενός επιστήμονα δεδομένων κατατάσσεται συχνά ως η πιο υποσχόμενη καριέρα και είναι σταθερά στην κορυφή των καλύτερων θέσεων εργασίας, με επαγγελματίες στον τομέα να αναφέρουν υψηλή ζήτηση, υψηλούς μισθούς και υψηλή ικανοποίηση από την εργασία.
Το πρόγραμμα BSc in Data Sciences βασίζεται σε μια ισχυρή μαθηματική και στατιστική βάση και δίνει έμφαση στον υπολογισμό δεδομένων μεγάλης κλίμακας χρησιμοποιώντας τις πιο σχετικές και ενημερωμένες γλώσσες προγραμματισμού. Ανάλογα με τα ενδιαφέροντά τους, οι απόφοιτοι μπορούν να βρουν απασχόληση στους τομείς των επιχειρήσεων, των οικονομικών, της κυβέρνησης, της επιστήμης, των μεταφορών, της εγκληματολογίας, της ενέργειας, του περιβάλλοντος ή της ακαδημαϊκής έρευνας.
Τα πρώτα τρία χρόνια του προγράμματος έχουν σχεδιαστεί για να παρέχουν τις απαραίτητες βασικές δεξιότητες και γνώσεις στα μαθηματικά, τις επιστήμες υπολογιστών, τις πιθανότητες, τις στατιστικές, τη μηχανική μάθηση και την τεχνητή νοημοσύνη. Το τέταρτο έτος προσφέρει την επιλογή εστίασης στην προηγμένη μηχανική μάθηση, στατιστικούς αλγόριθμους και εφαρμογές, μηχανική δεδομένων, μαθηματικές πτυχές δομών δεδομένων ή εφαρμογών στην τεχνητή νοημοσύνη.
Ποιότητα διδασκαλίας
Είμαστε υπερήφανοι που παρέχουμε στους μαθητές χρήσιμες δεξιότητες υπολογιστικής και μαθηματικής που μπορούν να χρησιμοποιηθούν για να βρουν ενδιαφέρουσες πληροφορίες σε μεγάλα σύνολα δεδομένων είτε στατικά είτε δυναμικά σε πραγματικό χρόνο. Αυτές οι δεξιότητες μπορούν να χρησιμοποιηθούν για να βρουν προσοδοφόρες και ενδιαφέρουσες θέσεις εργασίας στη βιομηχανία και το εμπόριο.
Σύνδεσμοι με τη βιομηχανία
Έχουμε πολύ ισχυρούς δεσμούς με εξωτερικούς οργανισμούς και βιομηχανίες, με εκπροσώπους περισσότερων από 30 εταιρειών και οργανισμών που συμμετέχουν στη βιομηχανική συμβουλευτική επιτροπή μας. Μεγάλο μέρος της έρευνάς μας είναι σε συνεργασία με κορυφαίες επιχειρήσεις πληροφορικής και οι μαθητές εκτιμούν πραγματικά τη διδασκαλία μας με γνώμονα την έρευνα από το ενθουσιώδες προσωπικό μας.
Φοιτητής Lead Technology Club
Το Student Lead Technology Club είναι μια πρωτοβουλία για να υποστηρίξουμε τους μαθητές στη χρήση τεχνολογίας (είτε υλικού, δεδομένων είτε λογισμικού) για να εξερευνήσουν τη χρήση και την ανάπτυξη κώδικα για νέες πλατφόρμες, ως μέρος ενός μαθήματος που διδάσκεται ή ως προσωπικό έργο.
Περιεχόμενο μαθήματος
Πρώτος χρόνος
Εξάμηνο 1
- Υποχρεωτικά μαθήματα: Calculus A, Praxis, Software Development 1
- Προαιρετικά μαθήματα: Λογική και Απόδειξη, Εισαγωγή στη Στατιστική Επιστήμη Α
Εξάμηνο 2
- Υποχρεωτικά μαθήματα: Λογισμός Β, Διακριτά Μαθηματικά, Ανάπτυξη Λογισμικού 2, Εισαγωγή στη Στατιστική Επιστήμη Β
Δεύτερη χρονιά
Εξάμηνο 1
- Υποχρεωτικά μαθήματα: Λογισμός και Πραγματική Ανάλυση Α, Γραμμική Άλγεβρα, Πιθανότητες και Στατιστικά Α, Εισαγωγή στη Δομή Δεδομένων και στους Αλγόριθμους
Εξάμηνο 2
- Υποχρεωτικά μαθήματα: Δομές δεδομένων και αλγόριθμοι, Συστήματα διαχείρισης βάσεων δεδομένων, Πιθανότητες και Στατιστικές Β, Αριθμητική ανάλυση Α
Τρίτος χρόνος
Εξάμηνο 1
- Υποχρεωτικά μαθήματα: Στατιστική μηχανική μάθηση, Τεχνητή νοημοσύνη και Intel Agent, Μηχανική λογισμικού, Προηγμένες στατιστικές μέθοδοι
Εξάμηνο 2
- Υποχρεωτικά μαθήματα: Επαγγελματική ανάπτυξη, Bayesian Inference και Comp Maths, Analytics Visualization Data, Statistics Models B
Τέταρτη χρονία
Εξάμηνο 1
- Υποχρεωτικά μαθήματα: Βελτιστοποίηση, Αγωγοί Μηχανικής Δεδομένων, Διατριβή Α
- Προαιρετικά μαθήματα: Βιομηχανικός προγραμματισμός, Στατιστική Πληροφορική, Στοχαστικές Διαδικασίες
Εξάμηνο 2
- Υποχρεωτικά μαθήματα: Big Data Management, Advanced Machine Learning, Διατριβή Β
- Προαιρετικά μαθήματα: Αναλυτική απεικόνιση οπτικοποίησης δεδομένων, Εφαρμοσμένη ανάλυση κειμένου, χρονοσειρές
Απαιτήσεις αγγλικής γλώσσας
Όπου τα αγγλικά δεν ήταν το μέσο διδασκαλίας στη δευτεροβάθμια εκπαίδευση, οι υποψήφιοι πρέπει να επιδεικνύουν ικανότητα αγγλικής γλώσσας ισοδύναμη με το IELTS 6.0 Academic (χωρίς στοιχείο κάτω του 5,5).
Προθεσμία εφαρμογής
Το πανεπιστημιακό μας κέντρο στο Ντουμπάι λειτουργεί μια κυλιόμενη διαδικασία εισαγωγής καθόλη τη διάρκεια του έτους: μόλις ολοκληρωθεί η πρόσληψη, αρχίζουμε να δεχόμαστε αιτήσεις για την επόμενη. Μπορείτε επίσης να αναβάλλετε την ημερομηνία έναρξης για ένα έτος.
Οι περισσότεροι σπουδαστές εφαρμόζουν 6-10 μήνες πριν από την επιλεγμένη πρόσληψή τους. Μπορούμε να δεχτούμε αιτήσεις μέχρι 3 εβδομάδες πριν από την έναρξη κάθε πρόσληψης, αλλά θα πρέπει να σημειώσετε ότι μια καθυστερημένη υποβολή αιτήσεων θα σημαίνει σχεδόν βεβαίως καθυστέρηση στην παροχή βασικών διοικητικών υπηρεσιών, όπως η κάρτα φοιτητικής εγγραφής (χωρίς την οποία δεν θα είστε δυνατότητα πρόσβασης στη βιβλιοθήκη ή σε ηλεκτρονικές υπηρεσίες).
Περιεχόμενο μαθήματος
Πρώτος χρόνος
Εξάμηνο 1
- Υποχρεωτικά μαθήματα: Calculus A, Praxis, Software Development 1
- Προαιρετικά μαθήματα: Λογική και Απόδειξη, Εισαγωγή στη Στατιστική Επιστήμη Α
Εξάμηνο 2
- Υποχρεωτικά μαθήματα: Λογισμός Β, Διακριτά Μαθηματικά, Ανάπτυξη Λογισμικού 2, Εισαγωγή στη Στατιστική Επιστήμη Β
Δεύτερη χρονιά
Εξάμηνο 1
- Υποχρεωτικά μαθήματα: Λογισμός και Πραγματική Ανάλυση Α, Γραμμική Άλγεβρα, Πιθανότητες και Στατιστική Α, Εισαγωγή στη Δομή Δεδομένων και Αλγόριθμοι
Εξάμηνο 2
- Υποχρεωτικά μαθήματα: Δομές και Αλγόριθμοι Δεδομένων, Συστήματα Διαχείρισης Βάσεων Δεδομένων, Πιθανότητες και Στατιστικά Β, Αριθμητική Ανάλυση Α
Τρίτος χρόνος
Εξάμηνο 1
- Υποχρεωτικά μαθήματα: Statistical Machine Learning, Artificial Intelligence and Intel Agent, Software Engineering, Advanced Statistical Methods
Εξάμηνο 2
- Υποχρεωτικά μαθήματα: Επαγγελματική Ανάπτυξη, Μπεϋζιανά Συμπεράσματα και Μαθηματικά Comp, Analytics Οπτικοποίησης Δεδομένων, Στατιστικά Μοντέλα Β
Τέταρτη χρονία
Εξάμηνο 1
- Υποχρεωτικά μαθήματα: Optimisation, Data Engineering Pipelines, Διατριβή Α
- Προαιρετικά μαθήματα: Βιομηχανικός Προγραμματισμός, Στατιστική Υπολογιστική, Στοχαστικές Διεργασίες
Εξάμηνο 2
- Υποχρεωτικά μαθήματα: Big Data Management, Advanced Machine Learning, Διατριβή Β
- Προαιρετικά μαθήματα: Data Visualization Analytics, Applied Text Analytics, Time series


