MPhil / PhD στην Επιστήμη Δεδομένων και την Αναλυτική
Guangzhou, Κίνα
PhD (Διδάκτωρ Φιλοσοφίας)
ΔΙΆΡΚΕΙΑ
8 έτη
ΓΛΏΣΣΕΣ
Αγγλικά
ΡΥΘΜΌΣ
Πλήρης απασχόληση, Μερικής απασχόλησης
ΠΡΟΘΕΣΜΊΑ ΕΦΑΡΜΟΓΉΣ
15 Jun 2026
ΠΡΩΙΜΌΤΕΡΗ ΗΜΕΡΟΜΗΝΊΑ ΈΝΑΡΞΗΣ
ΔΊΔΑΚΤΡΑ
CNY 40.000 / per year *
ΜΟΡΦΉ ΜΕΛΈΤΗΣ
Στην Πανεπιστημιούπολη
* για φοιτητές πλήρους φοίτησης | 150.000 CNY - για φοιτητές μερικής φοίτησης
Στην ψηφιακή εποχή, μετά τις εξελίξεις στις καινοτόμες τεχνολογίες, η διαχείριση δεδομένων αναπτύσσεται με πρωτοφανή ρυθμό. Ο κόσμος που βασίζεται στα δεδομένα ανοίγει τεράστιες δυνατότητες και ευκαιρίες για εταιρείες και επιχειρήσεις σε όλους τους κλάδους, καθώς μπορούν να αξιοποιήσουν τα δεδομένα για να δημιουργήσουν αξία για την επιχείρησή τους. Ως ανατρεπτική συνέπεια της ψηφιακής επανάστασης, η επιστήμη και η ανάλυση δεδομένων έχουν γίνει ένας αναδυόμενος και διεπιστημονικός τομέας που απαιτεί γνώσεις και δεξιότητες σε πολλούς τομείς, όπως η επιστήμη των υπολογιστών, η στατιστική και τα μαθηματικά.
Τα προγράμματα Μεταπτυχιακού (MPhil) και Διδακτορικού (PhD) στην Επιστήμη Δεδομένων και την Αναλυτική στοχεύουν στη διευκόλυνση της στενής ενσωμάτωσης της στατιστικής ανάλυσης, της λογικής συλλογιστικής και της υπολογιστικής νοημοσύνης στη μελέτη της επεξεργασίας και της ανάλυσης δεδομένων. Τα προγράμματα θα παρέχουν αυστηρή ερευνητική εκπαίδευση που προετοιμάζει τους φοιτητές να γίνουν έμπειροι ερευνητές που είναι εξοικειωμένοι με την εφαρμογή της λογικής, των μαθηματικών, των αλγορίθμων και της υπολογιστικής ισχύος στη διαδικασία εξέτασης και ανάλυσης δεδομένων στον ακαδημαϊκό χώρο ή στη βιομηχανία, ώστε να αντλούν πολύτιμες γνώσεις για τη λήψη καλύτερων αποφάσεων.
Το Πρόγραμμα MPhil στοχεύει να εκθέσει τους φοιτητές σε θέματα που σχετίζονται με την ανάπτυξη επιστημονικών, εκπαιδευτικών και εμπορικών εφαρμογών της επιστήμης δεδομένων και της ανάλυσης. Ένας απόφοιτος του προγράμματος MPhil θα πρέπει να επιδεικνύει καλή γνώση των ζητημάτων του γνωστικού αντικειμένου. Θα πρέπει να είναι ικανός να συνθέτει και να δημιουργεί νέα γνώση, συμβάλλοντας στον τομέα.
Το Διδακτορικό Πρόγραμμα στοχεύει στην ανάπτυξη των δεξιοτήτων που απαιτούνται για τους φοιτητές ώστε να εντοπίζουν θεωρητικά ερευνητικά ζητήματα που σχετίζονται με πρακτικές εφαρμογές, να διατυπώνουν και να διεξάγουν έρευνα που αντιμετωπίζει τα ζητήματα που έχουν εντοπιστεί και να βρίσκουν ανεξάρτητα μια λύση που σχετίζεται με την επιστήμη δεδομένων και την ανάλυση. Ένας απόφοιτος Διδακτορικού αναμένεται να επιδείξει άριστη γνώση στον κλάδο και να συνθέτει και να δημιουργεί νέα γνώση, κάνοντας μια πρωτότυπη και ουσιαστική επιστημονική συμβολή στον κλάδο.
- Φοιτητική κάλυψη για φοιτητές διδακτορικού πλήρους φοίτησης: 180.000 CNY ετησίως χωρίς πρόσθετη αίτηση
Διεπιστημονικά Βασικά Μαθήματα
- Διεπιστημονικές Μέθοδοι Έρευνας Ι
- Διεπιστημονικές Μέθοδοι Έρευνας II
- Διεπιστημονική Σχεδιαστική Σκέψη Ι
- Διεπιστημονική Σχεδιαστική Σκέψη II
- Συνεργατική Σχεδιαστική Σκέψη με γνώμονα το έργο
Βασικά Μαθήματα Hub
Οι φοιτητές υποχρεούνται να ολοκληρώσουν τουλάχιστον ένα βασικό μάθημα του Hub από το Information Hub και τουλάχιστον ένα βασικό μάθημα του Hub από άλλο Hub.
Βασικό μάθημα για τον κόμβο πληροφοριών
- Επιστήμη και Τεχνολογία Πληροφοριών: Βασικά στοιχεία και τάσεις
Άλλα βασικά μαθήματα Hub
- Εισαγωγή στο Function Hub για ένα Βιώσιμο Μέλλον
- Τεχνολογική Καινοτομία και Κοινωνική Επιχειρηματικότητα
- Μηχανική συστημάτων βασισμένη σε μοντέλα
Μαθήματα Γνώσης Τομέα
Σύμφωνα με αυτήν την απαίτηση, κάθε φοιτητής υποχρεούται να παρακολουθήσει ένα υποχρεωτικό μάθημα και άλλα μαθήματα επιλογής για να διαμορφώσει ένα εξατομικευμένο πρόγραμμα σπουδών σχετικό με την διεπιστημονική έρευνα της διατριβής. Μόνο ένα μάθημα Ανεξάρτητης Μελέτης μπορεί να χρησιμοποιηθεί για την κάλυψη των απαιτήσεων του μαθήματος. Για να διασφαλιστεί ότι οι φοιτητές θα παρακολουθήσουν τα κατάλληλα μαθήματα που θα τους εξοπλίσουν με τις απαραίτητες γνώσεις πεδίου, κάθε φοιτητής διαθέτει Επιτροπή Σχεδιασμού Προγράμματος και Επίβλεψης Διατριβής για να εγκρίνει τα μαθήματα που πρέπει να παρακολουθήσει το συντομότερο δυνατό μετά την έναρξη του προγράμματος και το αργότερο μέχρι το τέλος του πρώτου έτους. Ανάλογα με το εγκεκριμένο πρόγραμμα σπουδών, οι μεμονωμένοι φοιτητές ενδέχεται να υποχρεωθούν να συμπληρώσουν επιπλέον πιστωτικές μονάδες πέραν των ελάχιστων απαιτούμενων πιστωτικών μονάδων.
Λίστα Υποχρεωτικών Μαθημάτων
- Εξόρυξη Δεδομένων και Ανακάλυψη Γνώσης στην Επιστήμη Δεδομένων
Δείγμα λίστας μαθημάτων επιλογής
- Αυτόματη Μηχανική Μάθηση
- Βαθιά Μάθηση στην Επιστήμη Δεδομένων
- Προηγμένη Διαχείριση Βάσεων Δεδομένων για την Επιστήμη Δεδομένων
- Προχωρημένη εκμάθηση μηχανών
- Παράλληλος Προγραμματισμός για την Επιστήμη Δεδομένων και την Ανάλυση
- Ίδρυμα Επιστήμης Δεδομένων και Αναλυτικής
- Πληροφορική Πληροφορική
- Ανάλυση Δεδομένων και Προστασία Απορρήτου στο Blockchain
- Εξερεύνηση και Οπτικοποίηση Δεδομένων
- Χωροχρονική Ανάλυση Δεδομένων
- Εισαγωγή στη Μάθηση Γραφημάτων
- Ειδικά Θέματα
- Ανεξάρτητη μελέτη
- Υπολογιστική Όραση και οι Εφαρμογές της
- Βελτιστοποίηση Κυρτών και Μη Κυρτών Ι
Εκπαίδευση Βοηθών Διδασκαλίας Μεταπτυχιακών Σπουδών
- Εισαγωγή στη Διδασκαλία και τη Μάθηση στην Ανώτατη Εκπαίδευση
Απαιτήσεις Μαθήματος Επαγγελματικής Ανάπτυξης
- Επαγγελματική Ανάπτυξη για Μεταπτυχιακούς Φοιτητές Έρευνας
- Επαγγελματική Ανάπτυξη για Φοιτητές του Κέντρου Πληροφόρησης
Απαιτήσεις Αγγλικής Γλώσσας
- Βασικές αρχές στην ακρόαση και την ομιλία για μεταπτυχιακούς φοιτητές
- Επικοινωνία Έρευνας στα Αγγλικά
Μεταπτυχιακό Σεμινάριο
- Σεμινάριο Προγράμματος Επιστήμης Δεδομένων και Αναλυτικής Ι
- Σεμινάριο Προγράμματος Επιστήμης Δεδομένων και Αναλυτικής ΙΙ
Ερευνητική εργασία
- Έρευνα Διδακτορικής Διατριβής MPhil
- Έρευνα Διδακτορικής Διατριβής
Με την επιτυχή ολοκλήρωση του προγράμματος MPhil, οι απόφοιτοι θα μπορούν:
- Επίδειξη κριτικής σκέψης και αναλυτικών δεξιοτήτων απαραίτητων για την επίλυση πραγματικών προβλημάτων επιστήμης δεδομένων.
- Εφαρμόστε μια σειρά ποιοτικών και ποσοτικών μεθόδων έρευνας για την επιστήμη δεδομένων και τα αναλυτικά στοιχεία. και
- Μεταφράστε και μετατρέψτε αποτελεσματικά τις προηγμένες ερευνητικές τεχνικές σε πρακτική επιστήμης δεδομένων σε ακαδημαϊκούς τομείς ή βιομηχανία
Με την επιτυχή ολοκλήρωση του διδακτορικού προγράμματος, οι απόφοιτοι θα μπορούν:
- Προσδιορίστε επιστημονικούς και μηχανολογικούς συσχετισμούς, έννοιες και ιδέες σε νέα μοντέλα επιστήμης δεδομένων και αναλυτικών στοιχείων, αλγόριθμους, εργαλεία, αρχές, πλαίσια, λύσεις και τεχνικές.
- Επίδειξη κριτικής σκέψης και αναλυτικών δεξιοτήτων από την άποψη της επιστήμης δεδομένων και των αναλυτικών στοιχείων.
- Εφαρμόστε μια σειρά ποιοτικών και ποσοτικών μεθόδων έρευνας για την επιστήμη δεδομένων και τα αναλυτικά στοιχεία.
- Μετάφραση και μετατροπή θεμελιωδών ερευνητικών ιδεών αποτελεσματικά σε πρακτικές επιστήμης δεδομένων σε ακαδημαϊκούς τομείς και βιομηχανία.
- Άσκηση ανεξάρτητης σκέψης και επίδειξη αποτελεσματικών δεξιοτήτων επικοινωνίας στην παρουσίαση και δημοσίευση επιστημονικών ευρημάτων. και
- Διεξαγωγή πρωτότυπης έρευνας ανεξάρτητα και ικανά, επιδεικνύοντας εις βάθος γνώση στον τομέα της επιστήμης και της ανάλυσης δεδομένων.