Επιστήμη Δεδομένων, MS
New York, Ηνωμένες Πολιτείες
MSc (Μεταπτυχιακό Δίπλωμα Ειδίκευσης Επιστημών)
ΔΙΆΡΚΕΙΑ
2 έτη
ΓΛΏΣΣΕΣ
Αγγλικά
ΡΥΘΜΌΣ
Πλήρης απασχόληση
ΠΡΟΘΕΣΜΊΑ ΕΦΑΡΜΟΓΉΣ
ΠΡΩΙΜΌΤΕΡΗ ΗΜΕΡΟΜΗΝΊΑ ΈΝΑΡΞΗΣ
Sep 2026
ΔΊΔΑΚΤΡΑ
USD 50.100
ΜΟΡΦΉ ΜΕΛΈΤΗΣ
Εξ αποστάσεως εκπαίδευση, Στην Πανεπιστημιούπολη
Διεξάγετε πρωτότυπη έρευνα σε ένα ευρύ πεδίο με έμπειρους καθηγητές και επαγγελματίες του κλάδου. Αποκτήστε τις δεξιότητες που απαιτούνται για τη χρήση αναλυτικών γλωσσών προγραμματισμού, εργαλείων και εφαρμογών επιστήμης δεδομένων. Μάθετε πώς να δημιουργείτε γνώση από δεδομένα.
Η Πρόταση Αξίας
- Μάθετε τα βασικά της επιστήμης δεδομένων και στη συνέχεια εφαρμόστε αυτές τις γνώσεις μέσω πρακτικών ασκήσεων και έργων που θα σας προετοιμάσουν να ενταχθείτε στο εργατικό δυναμικό της τεχνολογίας.
- Εργαστείτε με πραγματικά σύνολα δεδομένων για να κατανοήσετε τον κύκλο ζωής των δεδομένων στην τάξη και σε καινοτόμα εργαστήρια όπως το Εργαστήριο Εφαρμοσμένων Δικτύων και Επιστήμης Δεδομένων.
- Γίνετε απαραίτητο μέλος οποιασδήποτε ομάδας λήψης στρατηγικών αποφάσεων, καθώς μαθαίνετε πώς να χρησιμοποιείτε δεδομένα για να παρέχετε πληροφορίες που μπορούν να οδηγήσουν τους οργανισμούς στο επόμενο επίπεδο.
- Μπορείτε επίσης να ολοκληρώσετε το MS στην Επιστήμη Δεδομένων online.
Προσθήκη ευκαιριών και εμπειριών
Το τελικό έργο (capstone project) στο MS in Data Science έχει σχεδιαστεί ειδικά για να σας προετοιμάσει για την εκτέλεση εργασιών επιστήμης δεδομένων στον πραγματικό κόσμο. Κατά τη διάρκεια του μαθήματος, θα εφαρμόσετε τις δεξιότητες και τις γνώσεις που αποκτήσατε κατά τη διάρκεια της μεταπτυχιακής σας εμπειρίας σε ένα έργο που περιλαμβάνει πραγματικά δεδομένα σε ένα πραγματικό περιβάλλον. Θα ξεκινήσετε εντοπίζοντας ένα πρόβλημα ή μια ευκαιρία σε έναν τομέα του πραγματικού κόσμου. Στη συνέχεια, θα συλλέξετε και θα επεξεργαστείτε δεδομένα και θα εφαρμόσετε τις κατάλληλες αναλυτικές μεθόδους για να βρείτε μια λύση. Τόσο η δήλωση προβλήματος όσο και τα σύνολα δεδομένων θα προέρχονται από σενάρια παρόμοια με αυτά που μπορεί να συναντήσετε στη βιομηχανία, την κυβέρνηση ή τον ακαδημαϊκό χώρο. Η τελική σας παρουσίαση θα καταδείξει την ενσωμάτωση των γνώσεων και της εμπειρίας που αποκτήσατε κατά τη διάρκεια του προγράμματος και θα οδηγήσει σε ένα ισχυρό κομμάτι χαρτοφυλακίου που μπορείτε να χρησιμοποιήσετε όταν υποβάλλετε αίτηση για θέσεις εργασίας στην επιστήμη δεδομένων.
Για να προετοιμαστείτε σοβαρά για μια καριέρα στην επιστήμη δεδομένων, πρέπει να εξοικειωθείτε με τα ηθικά ζητήματα που σχετίζονται με τον τομέα. Πώς συλλέγουμε δεδομένα με τρόπο που να είναι ηθικός και να προστατεύει το απόρρητο των ανθρώπων; Πώς επηρεάζει η χρήση των δεδομένων τις αξίες μας ως κοινωνία, όπως τι είναι δίκαιο και πώς πρέπει να αντιμετωπίζεται η λογοδοσία; Πώς μοιάζει η διαφάνεια όταν εμπλέκονται ευαίσθητες πληροφορίες; Η εξέταση αυτών των ερωτημάτων και άλλων θα σας βοηθήσει να κατανοήσετε τη δύναμη των δεδομένων, πώς μπορείτε να τα χρησιμοποιήσετε και, το σημαντικότερο, πώς πρέπει να τα χρησιμοποιείτε.
Pace University προσφέρει στους φοιτητές όσο το δυνατόν περισσότερη οικονομική βοήθεια. Η οικονομική βοήθεια μπορεί να έρθει σε πολλές μορφές, συμπεριλαμβανομένων υποτροφιών και επιχορηγήσεων, εργασιακών σπουδών και φοιτητικών δανείων. Τα πακέτα βραβείων οικονομικής βοήθειας που προσφέρονται από Pace University αποτελούνται συνήθως από έναν συνδυασμό βραβείων από αυτούς τους τύπους προγραμμάτων βοήθειας.
Γενικοί κανόνες που καλύπτουν όλες τις χρηματοδοτικές ενισχύσεις
- Οποιοσδήποτε συνδυασμός υποτροφιών, επιχορηγήσεων ή βραβείων που χρηματοδοτούνται από το πρόγραμμα ειδικών για δίδακτρα και χρηματοδότησης από την Πολιτεία της Νέας Υόρκης ή άλλη ειδική για τα δίδακτρα δεν μπορεί να υπερβαίνει τα πραγματικά δίδακτρα σας.
- Όλη η οικονομική βοήθεια μαζί δεν μπορεί να υπερβαίνει το Κόστος Παρακολούθησής σας.
- Πρέπει να εγγραφείτε σε πρόγραμμα σπουδών στο Pace University για να λάβετε οποιαδήποτε οικονομική βοήθεια εκτός από Εναλλακτικά Δάνεια. (Σημειώστε ότι ορισμένοι φοιτητές του προγράμματος πιστοποιητικών πληρούν επίσης τις προϋποθέσεις). Εγγραφή σημαίνει ότι γίνεστε δεκτοί και εγγράφονται σε πτυχίο ή αντίστοιχο πρόγραμμα πιστοποιητικών.
- Γενικά, οι φοιτητές πρέπει να είναι εγγεγραμμένοι τουλάχιστον σε ημίχρονο (6 μονάδες ανά εξάμηνο) για να πληρούν τις προϋποθέσεις για ενίσχυση. Εξαιρέσεις είναι οι ομοσπονδιακές επιχορηγήσεις Pell και τα εναλλακτικά δάνεια.
- Για να ελέγξετε τα βασικά κριτήρια επιλεξιμότητας για προγράμματα ενίσχυσης Pace University , του Ομοσπονδιακού και της Πολιτειακής Πολιτικής της Νέας Υόρκης, επισκεφθείτε την ενότητα Γενική Επιλεξιμότητα.
Υποτροφίες και πόροι Pace
- Θεσμικές Υποτροφίες και Υποτροφίες
- Ομοσπονδιακές επιχορηγήσεις
- Υποτροφίες και επιχορηγήσεις της Πολιτείας της Νέας Υόρκης
- Πόροι υποτροφιών τρίτων
Μαθήματα Bridge (Απαιτείται εάν δεν υπάρχει προηγούμενο υπόβαθρο)
- Συστήματα διαχείρισης βάσεων δεδομένων CS 623: 3 μονάδες
- Προγραμματισμός Python CS 661: 3 μονάδες
Βασικά μαθήματα
- CS 660 Mathematical Foundations of Analytics: 3 μονάδες
- CS 673 Κλιμακούμενες βάσεις δεδομένων: 3 μονάδες
- CS 675 Εισαγωγή στην Επιστήμη των Δεδομένων: 3 μονάδες
- CS 619 Εξόρυξη Δεδομένων: 3 μονάδες
- CS 677 Machine Learning: 3 μονάδες
- CS 676 Algorithms for Data Science: 3 μονάδες
Data Science Capstone Module
- CS 667 Practical Data Science: 3 μονάδες
- CS 668 Analytics Capstone Project: 3 μονάδες
Επιλογές
- Επιλέξτε δύο μαθήματα/6 μονάδες με συμβουλευτική συμβουλευτική: 6 μονάδες
Επιλέξτε την καριέρα σας
Ο Επιστήμονας Δεδομένων ήταν η δεύτερη καλύτερη θέση εργασίας στην Αμερική στη λίστα του Glassdoor για το 2021, με χιλιάδες θέσεις εργασίας να προσλαμβάνονται ενεργά. Για αρκετά χρόνια, η ανάγκη για επιστήμονες δεδομένων αυξάνεται - και συνεχίζει να αυξάνεται. Ο κόσμος χρειάζεται επιστήμονες δεδομένων που μπορούν να συλλέγουν, να διατηρούν, να επεξεργάζονται, να αναλύουν και να μεταδίδουν νόημα από σύνολα δεδομένων. Οι επιλογές σταδιοδρομίας για όσους έχουν μεταπτυχιακό τίτλο σπουδών στην Επιστήμη Δεδομένων είναι τεράστιες.
Επιλογές σταδιοδρομίας για αποφοίτους αυτού του προγράμματος σπουδών
- Data Scientist
- Αναλυτής δεδομένων
- Μηχανικός δεδομένων
- Μηχανικός μάθησης μηχανών
- Ποσοτικός Αναλυτής


