Open University

BSc (Honours) in Data Science

Knowledge and understanding

On completion of this degree, you will have knowledge and understanding of:

• A range of simple and more advanced methods for analyzing statistical data (including medical applications data, time series data, and multivariate data), working with statistical models, and carrying out statistical inference (including in particular methods for linear and generalized linear models, and Bayesian methods)
• Calculus, differential equations, linear algebra, multivariable calculus, and vector calculus
• The fundamental principles, concepts, and techniques underlying computing and IT, and the range of models used to support the analysis and design of computing and IT systems
• The range of situations in which computing and IT systems are used in data science and the possibilities and limitations of such systems
• Machine learning and artificial intelligence
• The ethical and legal issues associated with data science
• A selection (depending on your options) of advanced topics including advanced data management and analysis, graph theory, network analysis, mathematical methods, applied probability, mathematical statistics, and interactive design.

Cognitive skills

On completion of this degree, you will be able to:

• Use your judgement in applying and selecting a wide range of mathematics and statistics tools and techniques to solve real-world problems
• Construct appropriate mathematical and statistical models and draw justifiable inferences in qualitative and quantitative problem-solving skills
• Reason with abstract concepts
• Apply and critically evaluate key computing and IT concepts in a range of contexts
• Select and apply appropriate techniques and tools for abstracting, modelling, problem-solving, designing and testing computing and IT systems, and be aware of the limitations involved.

Practical and professional skills

On completion of this degree, you will be able to:

• De is an independent learner, able to acquire further knowledge with minimal guidance or support
• Use appropriate professional tools, including programming languages, to support your work
• Apply mathematical, statistical and computational concepts, principles and methods
• Analyse and evaluate problems and plan strategies for their solution
• Analyse, design, evaluate and/or test models and systems, using appropriate simulation and modelling tools as appropriate
• Identify and address the ethical, social and legal issues that may arise during the development and use of computing and IT systems.

Key skills

On completion of this degree, you will be able to demonstrate the following skills:

• Communicate information, arguments, ideas and issues clearly and in appropriate ways, bearing in mind the audience for and the purpose of the communication
• Find, assess and apply information from a variety of sources, using information technology where appropriate
• Select, and use accurately, appropriate numerical and analytical techniques to solve problems
• Prepare mathematical, statistical and computational content for a range of purposes, which may include writing for both specialist and non-specialist audiences
• Recognise and understand a range of technological and practical problems and select suitable techniques for solving them.

This degree has three stages, each comprising 120 credits.

• In Stage 1, you’ll study four 30-credit modules.
• In Stage 2, you’ll study four 30-credit modules.
• Στο Στάδιο 3 , θα μελετήσετε δύο ενότητες με 30 πιστώσεις και θα επιλέξετε δύο ενότητες επιλογής 30 μονάδων.

Stage 1 (120 credits)

Θα μελετήσετε και τα τέσσερα από τα παρακάτω:

• Εισαγωγή στατιστικών στοιχείων (M140)
• Εισαγωγή στους υπολογιστές και την τεχνολογία πληροφοριών 1 (TM111)
• Essential Mathematics 1 (MST124)
• Εισαγωγή στους υπολογιστές και την τεχνολογία πληροφοριών 2 (TM112)

Stage 2 (120 credits)

Θα μελετήσετε και τα τέσσερα από τα παρακάτω:

• Ανάλυση δεδομένων (M248)
• Αλγόριθμοι, Δομές Δεδομένων και Υπολογισιμότητα (M269)
• Mathematical Methods (MST224)
• Πρακτικά σύγχρονα στατιστικά στοιχεία (M249)

Stage 3 (120 credits)

You'll study both of the following:

• Εφαρμοσμένη στατιστική μοντελοποίηση (M348)
• Μηχανική μάθηση και τεχνητή νοημοσύνη (TM358)

Επιπλέον, θα διαλέξετε δύο από τις παρακάτω επιλογές:

• Εφαρμογές πιθανοτήτων (M343)
• Computational Applied Mathematics (MST374)
• Διαχείριση και ανάλυση δεδομένων (TM351)
• Γραφήματα, παιχνίδια και σχέδια (MST368)
• Σχεδιασμός αλληλεπίδρασης και εμπειρία χρήστη (TM356)
• Μαθηματική Στατιστική (M347)

Assessment

Our assessments are all designed to reinforce your learning and help you show your understanding of the topics. The mix of assessment methods will vary between modules.

Computer-Marked Assignments

• Usually, a series of online, multiple-choice questions.

Tutor-Marked Assignments

• You’ll have a number of these throughout each module, each with a submission deadline.
• They can be made up of essays, questions, experiments or something else to test your understanding of what you have learned.
• Your tutor will mark and return them to you with detailed feedback.

End-of-Module Assessments

• The final, marked piece of work on most modules.
• Modules with an end-of-module assessment won’t usually have an exam.

Exams

• Some modules end with an exam. You’ll be given time to revise and prepare.
• You’ll be given your exam date at least 5 months in advance.
• Most exams take place remotely, and you will complete them at home or an alternative location.
• If a module requires you to take a face-to-face exam, this will be made clear in the module description, and you will be required to take your exam in person at one of our exam centres.

Δεξιότητες για την εξέλιξη της σταδιοδρομίας

Η ικανότητα ανάλυσης πολύπλοκων συνόλων δεδομένων είναι μια πολύ περιζήτητη δεξιότητα στον σύγχρονο χώρο εργασίας. Το πτυχίο θα σας εξοπλίσει με γνώσεις ανάλυσης δεδομένων και μοντελοποίησης από στατιστικές, εφαρμοσμένα μαθηματικά και επιστήμη των υπολογιστών. Επιπλέον, θα αναπτύξετε σημαντικές μεταβιβάσιμες δεξιότητες όπως η επικοινωνία, η διαχείριση χρόνου και η επίλυση προβλημάτων.

Σχέση καριέρας

Οι επιστήμονες δεδομένων είναι ιδιαίτερα περιζήτητοι σε όλους σχεδόν τους χώρους εργασίας. Η χρήση της επιστήμης δεδομένων στα μέσα κοινωνικής δικτύωσης, το διαδικτυακό εμπόριο και την κυβέρνηση έχει φέρει επανάσταση στην ψηφιακή οικονομία, με τους εργοδότες τόσο στον δημόσιο όσο και στον ιδιωτικό τομέα να προσλαμβάνουν πλέον επιστήμονες δεδομένων για τον εντοπισμό και την επίλυση σύνθετων επιχειρηματικών προβλημάτων. Οι επιστήμονες δεδομένων βρίσκονται στο επίκεντρο της υποστήριξης της στρατηγικής και της επιχειρησιακής λήψης αποφάσεων. Απαιτούνται σε όλους τους τομείς απασχόλησης, συμπεριλαμβανομένης της επιχειρηματικής ευφυΐας, της διαχείρισης, της βιολογίας, της οικονομίας, της εκπαίδευσης, της μηχανικής, των περιβαλλοντικών μελετών, των οικονομικών, της κυβέρνησης, της εφοδιαστικής, της ιατρικής, της μετεωρολογίας, της έρευνας αγοράς, του αθλητισμού και των πολυεθνικών επιχειρήσεων.

Με τη μοναδική μας προσέγγιση στην εξ αποστάσεως εκπαίδευση, μπορείτε να μελετάτε από το σπίτι, την εργασία ή εν κινήσει.

Θα έχετε κάποιες προθεσμίες αξιολόγησης που πρέπει να τηρήσετε, αλλά διαφορετικά, θα είστε ελεύθεροι να μελετάτε τις ώρες που σας ταιριάζουν, ταιριάζοντας τη μάθησή σας γύρω από την εργασία, την οικογένεια και την κοινωνική ζωή.

Για κάθε μία από τις ενότητες σας, θα χρησιμοποιήσετε είτε απλώς διαδικτυακούς πόρους είτε έναν συνδυασμό διαδικτυακού και έντυπου υλικού.

Κάθε ενότητα που μελετάτε θα έχει έναν ιστότοπο ενότητας

• Ένας προγραμματιστής σπουδών κάθε εβδομάδα, που σας δίνει έναν οδηγό βήμα προς βήμα για τις σπουδές σας
• Υλικό μαθήματος όπως ανάγνωση, βίντεο, ηχογραφήσεις και αυτοαξιολογημένες δραστηριότητες
• Ενότητες φόρουμ για συζητήσεις και συλλογικές δραστηριότητες με άλλους μαθητές
• Λεπτομέρειες για κάθε ανάθεση και τις ημερομηνίες λήξης τους
• Ένα σύστημα κρατήσεων σεμιναρίου, διαδικτυακές αίθουσες διδασκαλίας και τα στοιχεία επικοινωνίας του δασκάλου σας
• Ηλεκτρονικές εκδόσεις ορισμένων έντυπων υλικών και πόρων της ενότητας.