Illinois Institute of Technology

Πτυχίο Επιστήμης στην Επιστήμη Δεδομένων

Απαιτούμενα μαθήματα

Απαιτήσεις Επιστήμης Δεδομένων ---- ---- (24-25)

• DS 100 ---- ---- Εισαγωγή στο επάγγελμα ---- ---- 3
• DS 151 ---- ---- Εισαγωγή στην Επιστήμη Δεδομένων ---- ---- 3

Επιλέξτε μία από τις δύο επιλογές: ---- ---- 6-7

• DS 251 ---- ---- Math Foundations for DS ---- ---- 6

&

• DS 351 ---- ---- Math Foundation for DS II ---- ---- 6
• ΜΑΘ 252 ---- ---- Εισαγωγή στις Διαφορικές Εξισώσεις ---- ---- 7

&

• MATH 350 ---- ---- Εισαγωγή στα Υπολογιστικά Μαθηματικά ---- ---- 7
• DS 261 ---- ---- Δεοντολογία και απόρρητο στο DS ---- ---- 3
• DS 451 ---- ---- Κύκλος Ζωής Επιστήμης Δεδομένων ---- ---- 3

ή

• CSP 571 ---- ---- Προετοιμασία και ανάλυση δεδομένων ---- ---- 3
• ΜΑΘ 474 ---- ---- Πιθανότητες και Στατιστικά ---- ---- 3

ή

• ΜΑΘ 476 ---- ---- Στατιστικά ---- ---- 3
• ΜΑΘ 484 ---- ---- Παλινδρόμηση ---- ---- 3

ή

• CS 484 ---- ---- Εισαγωγή στη Μηχανική Μάθηση ---- ---- 3

Απαιτήσεις Εφαρμοσμένων Μαθηματικών ---- ---- (17)

• ΜΑΘΗΜΑΤΙΚΑ 151 ---- ---- Λογισμός Ι ---- ---- 5
• ΜΑΘ 152 ---- ---- Λογισμός II ---- ---- 5
• ΜΑΘ 251 ---- ---- Πολυμεταβλητός & διανυσματικός λογισμός ---- ---- 4
• ΜΑΘ 332 ---- ---- Στοιχειώδη Γραμμική Άλγεβρα ---- ---- 3

Απαιτήσεις Πληροφορικής ---- ---- (10-12)

Επιλέξτε μία από τις ακόλουθες ακολουθίες: ---- ---- 4-6

• CS 115 ---- ---- Αντικειμενοστραφής προγραμματισμός I ---- ---- 4

&

• CS 116 ---- ---- Αντικειμενοστραφής προγραμματισμός II ---- ---- 4
• CS 104 ---- ---- Εισαγωγή στον Προγραμματισμό Υπολογιστών για Μηχανικούς ---- ---- 6

&

• CS 201 ---- ---- Ταχεία εισαγωγή στην Επιστήμη Υπολογιστών ---- ---- 6
• CS 331 ---- ---- Δομές δεδομένων και αλγόριθμοι ---- ---- 3
• CS 425 ---- ---- Οργάνωση βάσης δεδομένων ---- ---- 3

Επικοινωνία ---- ---- (3)

Επιλέξτε ένα από τα παρακάτω: ---- ---- 3

• COM 421 ---- ---- Τεχνική Επικοινωνία ---- ---- 3
• COM 428 ---- ---- Λεκτική οπτική επικοινωνία ---- ---- 3
• INTM 301 ---- ---- Επικοινωνίες για το χώρο εργασίας ---- ---- 3
• ITM 300 ---- ---- Επικοινωνίες στο χώρο εργασίας ---- ---- 3
• SCI 522 ---- ---- Public Engagement Scientists ---- ---- 3

Ηθική και Κοινωνία ---- ---- (3)

Επιλέξτε ένα από τα παρακάτω: ---- ---- 3

• HIST 385 ---- ---- Γυναίκες στην Ιστορία Υπολογιστών ---- ---- 3
• ITMM 485 ---- ---- Νομικά και ηθικά ζητήματα στον τομέα της πληροφορικής ---- ---- 3
• PHIL 374 ---- ---- Ηθική στην Επιστήμη των Υπολογιστών ---- ---- 3
• ΦΙΛ 375 ---- ---- Ηθική Υπολογιστών ---- ---- 3
• ΦΙΛ 381 ---- ---- Ηθική AI ---- ---- 3
• SOC 362 ---- ---- Τεχνολογία Κοινωνική Αλλαγή ---- ---- 3

Data Science Τεχνικό Βάθος ---- ---- (12)

Επιλέξτε τέσσερα από τα ακόλουθα: ---- ---- 12

• CS 422 ---- ---- Εξόρυξη δεδομένων ---- ---- 3
• CS 429 ---- ---- Ανάκτηση πληροφοριών ---- ---- 3
• CS 430 ---- ---- Εισαγωγή στους αλγόριθμους ---- ---- 3
• CS 451 ---- ---- Parallel/Distributed Computing ---- ---- 3
• CS 481 ---- ---- Διαχείριση γνώσεων ανάλυσης κειμένου ευφυΐας ---- ---- 3
• CS 522 ---- ---- Προηγμένη εξόρυξη δεδομένων ---- ---- 3
• CS 577 ---- ---- Deep Learning ---- ---- 3
• CS 584 ---- ---- Μηχανική μάθηση ---- ---- 3
• CSP 554 ---- ---- Τεχνολογίες μεγάλων δεδομένων ---- ---- 3
• ΜΑΘ 435 ---- ---- Γραμμική Βελτιστοποίηση ---- ---- 3
• ΜΑΘΗΜΑΤΙΚΑ 446 ---- ---- Εισαγωγή στις χρονοσειρές ---- ---- 3
• ΜΑΘ 475 ---- ---- Πιθανότητα ---- ---- 3
• ΜΑΘ 476 ---- ---- Στατιστικά ---- ---- 3
• ΜΑΘ 535 ---- ---- Βελτιστοποίηση Ι ---- ---- 3
• ΜΑΘΗΜΑΤΙΚΑ 546 ---- ---- Εισαγωγή στις χρονοσειρές ---- ---- 3
• ΜΑΘ 563 ---- ---- Μαθηματική Στατιστική ---- ---- 3
• ΜΑΘ 564 ---- ---- Εφαρμοσμένες στατιστικές ---- ---- 3
• ΜΑΘ 569 ---- ---- Στατιστική εκμάθηση ---- ---- 3
• ΜΑΘΗΜΑΤΙΚΑ 574 ---- ---- Υπολογιστικά στατιστικά στοιχεία Bayesian ---- ---- 3

Επιλεκτικά Μαθήματα Επιστήμης Δεδομένων ---- ---- (12)

Επιλέξτε 12 ώρες πίστωσης από τα ακόλουθα μαθήματα ή οποιαδήποτε άλλα μαθήματα στο Τεχνικό Βάθος Επιστήμης Δεδομένων: ---- ---- 12

• COM 383 ---- ---- Κοινωνικά δίκτυα ---- ---- 3
• CS 458 ---- ---- Εισαγωγή στην ασφάλεια πληροφοριών 3

ή

• ECE 443 ---- ---- Εισαγωγή Ασφάλεια στον κυβερνοχώρο υπολογιστών ---- ---- 3
• CS 480 ---- ---- Εισαγωγή στην Τεχνητή Νοημοσύνη ---- ---- 3
• CS 487 ---- ---- Μηχανική Λογισμικού ---- ---- 3
• CS 512 ---- ---- Computer Vision ---- ---- 3
• CS 520 ---- ---- Αποθήκευση ενοποίησης δεδομένων ---- ---- 3
• CS 546 ---- ---- Παράλληλη και κατανεμημένη διαδικασία ---- ---- 3
• CS 553 ---- ---- Cloud Computing ---- ---- 3
• CS 554 ---- ---- Υπολογισμός εντατικών δεδομένων ---- ---- 3
• CS 578 ---- ---- Interact/Trans Mach Learning ---- ---- 3
• CS 579 ---- ---- Online Ανάλυση Κοινωνικού Δικτύου ---- ---- 3
• CS 583 ---- ---- Πιθανολογικά γραφικά μοντέλα ---- ---- 3
• CS 585 ---- ---- Επεξεργασία φυσικής γλώσσας ---- ---- 3
• DS 472 ---- ---- Data Science Practicum ---- ---- 3-6
• ECE 308 ---- ---- Συστήματα σημάτων ---- ---- 3
• ECE 442 ---- ---- Internet of Things/Cyber Physics ---- ---- 3
• ECE 447 ---- ---- AI and Edge Computing ---- ---- 3
• ECE 449 ---- ---- Αντικειμενικός Προγραμματισμός & Μηχανική Μάθηση ---- ---- 3
• ECE 481 ---- ---- Επεξεργασία εικόνας ---- ---- 3
• ECE 501 ---- ---- AI and Edge Computing ---- ---- 3
• ECE 510 ---- ---- IoT και Cyber-Physical Systems ---- ---- 3
• ECE 511 ---- ---- Ανάλυση Τυχαίων Σημάτων ---- ---- 3
• ECE 520 ---- ---- Θεωρία πληροφοριών και εφαρμογές ---- ---- 3
• ECE 521 ---- ---- Κβαντική Ηλεκτρονική ---- ---- 3
• ECE 563 ---- ---- AI στο Smart Grid ---- ---- 3
• ECE 565 ---- ---- Computer Vision Image Processing ---- ---- 3
• ECE 566 ---- ---- Μηχανική και βαθιά μάθηση ---- ---- 3
• ECE 567 ---- ---- Στατιστική Επεξεργασία Σήματος ---- ---- 3
• EMGT 363 ---- ---- Creativity/Inventions/Entrepre ---- ---- 3
• ITMS 418 ---- ---- Ασφάλεια κωδικοποίησης ---- ---- 3
• ITMS 448 ---- ---- Τεχνολογίες Κυβερνοασφάλειας ---- ---- 3
• ITMS 478 ---- ---- Διαχείριση ασφάλειας στον κυβερνοχώρο ---- ---- 3
• ΜΑΘ 225 ---- ---- Εισαγωγικά στατιστικά ---- ---- 3
• MATH 380 ---- ---- Εισαγωγή στη Μαθηματική Μοντελοποίηση ---- ---- 3
• ΜΑΘ 483 ---- ---- Σχεδιασμός και Ανάλυση Πειράματος ---- ---- 3
• ΜΑΘΗΜΑΤΙΚΑ 497 ---- ---- Ειδικά προβλήματα ---- ---- 1-20
• ΜΑΘΗΜΑΤΙΚΑ 527 ---- ---- Μηχανική μάθηση στα οικονομικά: ---- ---- 3
• ΜΑΘ 565 ---- ---- Μέθοδοι Μόντε Κάρλο στα Οικονομικά ---- ---- 3
• SSCI 325 ---- ---- Ενδιάμεσα Συστήματα Γεωπληροφοριών ---- ---- 3
• SSCI 480 ---- ---- Εισαγωγή στη Μεθοδολογία Έρευνας ---- ---- 3

Απαιτήσεις Επιστημών και Επιλογές ---- ---- (10)

Δείτε το Illinois Tech Core Curriculum, Ενότητα Δ ---- ---- 10

Απαιτήσεις Ανθρωπιστικών και Κοινωνικών Επιστημών ---- ---- (21)

Δείτε το Illinois Tech Core Curriculum, Ενότητες Β και Γ ---- ---- 21

Διεπαγγελματικά Έργα (IPRO) ---- ---- (6)

Δείτε το Illinois Tech Core Curriculum, Ενότητα Ε ---- ---- 6

Δωρεάν μαθήματα ---- ---- (9)

Επιλέξτε εννέα ώρες πίστωσης ---- ---- 9

Συνολικές ώρες πίστωσης ---- ---- ---- ---- ---- ---- ---- ---- ---- ---- 127-130

Το BS in Data Science του Illinois Tech είναι στενά συνδεδεμένο με το πρόγραμμα MAS in Data Science, το πρόγραμμα MAS in Artificial Intelligence και άλλα προγράμματα μεταπτυχιακών σπουδών στο College of Computing.

Ολοκληρώστε όλες τις απαραίτητες προϋποθέσεις του MAS in Data Science μετά τα δύο πρώτα χρόνια σπουδών και μπορείτε να επωφεληθείτε από το Accelerated Master's Program του Illinois Tech για να ολοκληρώσετε πτυχίο και μεταπτυχιακό σε μόλις πέντε χρόνια. Επίσης, πληροί τις προϋποθέσεις για να παρακολουθήσετε το πτυχίο MAS στην Τεχνητή Νοημοσύνη.

Αποκτήστε τις απαραίτητες δεξιότητες για να αποκτήσετε δουλειά σε μια καριέρα δεδομένων, όπως:

• Επιστήμονας δεδομένων
• Αναλυτής δεδομένων
• Στατιστικολόγος
• Μηχανικός δεδομένων
• Προγραμματιστής επιχειρησιακής νοημοσύνης