University of California, Irvine - Division of Continuing Education

Πιστοποιητικό σε απευθείας σύνδεση στην επιστήμη δεδομένων

ΣΦΑΙΡΙΚΗ ΕΙΚΟΝΑ

Η ζήτηση για επαγγελματίες δεδομένων έχει αυξηθεί δραματικά τα τελευταία χρόνια. Η Επιστήμη των Δεδομένων κατατάσσεται συνεχώς ως ένα από τα πιο απαιτητικά επαγγέλματα και η ανάγκη για εξειδικευμένους επαγγελματίες για τη διαχείριση και την αξιοποίηση των πληροφοριών από δεδομένα είναι σαφέστερη από ποτέ. Το πρόγραμμα σπουδών που διδάσκεται σε αυτό το Πρόγραμμα Πιστοποίησης Επιστήμης Δεδομένων έχει σχεδιαστεί για να καλύπτει τις διευρυνόμενες ανάγκες των επαγγελματιών δεδομένων σε όλα τα επίπεδα.

Αυτό το πρόγραμμα καλύπτει ένα ευρύ φάσμα θεμάτων στην επιστήμη των δεδομένων, συμπεριλαμβανομένων των δεδομένων που βασίζονται στην ανακάλυψη και πρόβλεψη, μηχανική δεδομένων σε κλίμακα (επιθεώρηση, καθαρισμός, μετατροπή και μοντελοποίηση δεδομένων), δομημένα και αδόμητα δεδομένα, υπολογιστικά στατιστικά, αναγνώριση προτύπων, εξόρυξη δεδομένων, δεδομένα οπτικοποίηση, βάσεις δεδομένων, SQL, Python και μηχανική μάθηση.

Ποιος πρέπει να εγγραφεί

Αυτό το πρόγραμμα προορίζεται για επαγγελματίες σε μια ποικιλία βιομηχανιών και λειτουργιών που αναζητούν να βοηθήσουν τον οργανισμό τους να κατανοήσει και να αξιοποιήσει τις τεράστιες ποσότητες διαφορετικών δεδομένων που συλλέγουν. Άλλοι που θα επωφεληθούν από αυτό το πρόγραμμα περιλαμβάνουν μηχανικούς δεδομένων, αναλυτές δεδομένων, επιστήμονες υπολογιστών, αναλυτές επιχειρήσεων, διαχειριστές βάσεων δεδομένων, ερευνητές και στατιστικολόγους.

Σταδιοδρομία

Περίληψη επαγγέλματος για προγραμματιστές λογισμικού, εφαρμογές στις Ηνωμένες Πολιτείες.

• Θέσεις εργασίας: 33.286 (2019)
• Προβλεπόμενη ανάπτυξη: 18,7% (2019-2029)
• Ετήσιος μισθός: $ 118k (μέσος μισθός)

Προνόμια προγράμματος

• Μάθετε από τους ειδικούς του κλάδου πώς να χρησιμοποιείτε συνδυασμό επιστημών, τεχνών και επιχειρησιακών τεχνικών για να προσφέρετε νέες ιδέες και ανταγωνιστική ευφυΐα
• Περιγράψτε τις φάσεις του κύκλου ζωής των αναλύσεων
• Χρησιμοποιήστε μια ποικιλία εργαλείων και τεχνικών στατιστικής και πληροφορικής για την ανάλυση δεδομένων
• Περιγράψτε και χρησιμοποιήστε τα τυπικά εργαλεία και τεχνολογίες που απαιτούνται για το μοντέλο και την ανάλυση μεγάλων (μεγάλων) συνόλων δεδομένων
• Εξηγήστε τη χρήση τυπικών εργαλείων για τη διερεύνηση δεδομένων (R, STATISTICA, Hadoop κ.λπ.)
• Χρησιμοποιήστε μια περίεργη νοοτροπία "χάκερ" για να αποκαλύψετε νέο νόημα από υπάρχοντα δεδομένα
• Αποτελεσματικός σχεδιασμός, μοντελοποίηση και διαχείριση βάσεων δεδομένων
• Περιγράψτε και χρησιμοποιήστε μη δομημένα και δομημένα σύνολα δεδομένων που αξιοποιούν τα εργαλεία ανάλυσης κειμένου.
• Καθορίστε τις απαιτήσεις, αναπτύξτε μια αρχιτεκτονική και εφαρμόστε ένα σχέδιο αποθήκης δεδομένων

Απαιτούμενα μαθήματα

• Βασικές αρχές της επιστήμης των δεδομένων
• Μηχανική δεδομένων
• Μεγάλη Ανάλυση Δεδομένων
• Προηγμένη οπτικοποίηση
• Εισαγωγή στη μηχανική εκμάθηση και την τεχνητή νοημοσύνη

Μαθήματα επιλογής

• Βασικά στοιχεία
• R Προγραμματισμός
• Βασικά στοιχεία Cloud Computing
• Python για ανάλυση δεδομένων
• Προετοιμασία δεδομένων, μοντελοποίηση και οπτικοποίηση με Python
• Ενσωμάτωση δεδομένων, μοντελοποίηση και ETL