🧮

马里兰大学帕克分校 · 数据科学 2 个项目

University of Maryland, College Park|数据科学(Data Science)。 下面列出的是该校该方向真实开设的项目:学制、学费、入学时间、语言要求与课程均来自该校该项目本身,不同学校同一方向并不相同。
QS 2027 · 第 252 位
马里兰大学帕克分校在本站收录 37 个具体项目 · 其中「数据科学」方向 2 个

🏫 本校开设的项目(2 个)

同一专业方向在不同院校会拆成不同项目(MPS / MS / MSc / 一年制 / 两年制),下列参数逐项目不同,来源为各校项目公开信息。

数据科学和分析硕士

Master of Science in Data Science
硕士理科
入学时间秋季
语言要求雅思 6(W 7 / S 6.5 / L 7 / R 7) · 托福 87(W 20 / S 18 / L 18 / R 20)
GRE / GMATOptional(可选)
就业方向互联网科技公司、制造业、咨询公司、保险公司、电商平台
岗位分布量化分析师、数据工程师、数据分析师、算法工程师、数据产品经理
📚 课程设置(15 门,核心课程 7 / 选修课程 8)
核心课程7 门
  • DATA601概率与统计Probability and Statistics
  • DATA602数据科学原理Principles of Data Science
  • DATA603机器学习原理Principles of Machine Learning
  • DATA604数据表示与建模Data Representation and Modeling
  • DATA605大数据系统Big Data Systems
  • DATA607数据科学与分析中的沟通Communication in Data Science and Analytics
  • DATA606数据科学算法Algorithms for Data Science
选修课程8 门
  • DATA612深度学习Deep Learning
  • DATA641自然语言处理Natural Language Processing
  • DATA645多重测量的统计数据分析Statistical Data Analysis of Multiple Measures
  • DATA650云计算Cloud Computing
  • MSML621面向机器学习的无线通信Wireless Communication for Machine Learning
  • MSML 640计算机视觉Computer Vision
  • MSML 642机器人学Robotics
  • MSML 651大数据分析Big Data Analytics

调研和数据科学硕士

Master's degree programs in Survey and Data Science
硕士STEM理科
学制2年
学费约2,082美元/学分
入学时间秋季
语言要求雅思 7(W 7 / S 6.5 / L 7 / R 7) · 托福 96(W 24 / S 22 / L 24 / R 26)
GRE / GMATNot Considered(不纳入考虑)
就业方向政府机构、咨询公司、医疗机构、保险公司、电商平台
岗位分布数据科学家、数据工程师、算法工程师、数据产品经理、商业智能分析师
📚 课程设置(47 门,核心课程 10 / 方向必修课程 9 / 选修课程 28)
核心课程10 门
  • Surv621数据收集基础IFundamentals of Data Collection I
  • Surv622数据收集基础IIFundamentals of Data Collection II
  • Surv615统计建模与机器学习IStatistical Modeling and Machine Learning I
  • Surv616统计建模与机器学习IIStatistical Modeling and Machine Learning II
  • Surv617统计建模应用Applications of Statistical Modeling
  • Surv720总体调查误差与质量ITotal Survey Error and Quality I
  • Surv721总体调查误差与质量IITotal Survey Error and Quality II
  • Surv727数据展示与计算基础Fundamentals of Data Display and Computing
  • Surv745研究设计与推断实用工具Practical Tools for Study Design and Inference
  • Surv772调查设计研讨课Survey Design Seminar
方向必修课程9 门
  • Surv625抽样应用Applied Sampling
  • Surv630问卷设计Questionnaire Design
  • Surv632认知、沟通与调查测量Cognition, Communication & Survey Measurement
  • Surv701复杂抽样调查数据分析Analysis of Complex Sample Survey Data
  • Surv740推断基础Fundamentals of Inference
  • Surv410概率论导论Introduction to Probability
  • Surv420统计学导论Introduction to Statistics
  • Surv440抽样理论Sampling Theory
  • Surv742复杂调查推断Inference from Complex Surveys
选修课程28 门
  • Surv613社会科学机器学习Machine Learning and AI for Social Science
  • INST616开源情报Open Source Intelligence
  • INST627信息专业人员数据分析Data Analytics for Information Professionals
  • INST733数据库设计Database Design
  • INST737数据科学导论Introduction to Data Science
  • STAT700数理统计IMathematical Statistics I
  • SURV612数据科学研究伦理考量Ethical Consideration for Data Science Research
  • SURV624隐私法Privacy Law
  • SURV627调查实验设计Experimental Design for Survey
  • SURV631问卷设计Questionnaire Design
  • SURV635可用性测试Usabiltiy Testing
  • SURV650经济测量Economic Measurement
  • SURV662小区域估计方法导论Intro to Small Area Estimation Methods
  • SURV665真实世界数据管理导论Intro to Real World Data Management
  • SURV673Python与SQL导论Intro to Python & SQL
  • SURV675现代数据科学工作流Modern Workflow Data Science
  • SURV699C移民研究中的大数据Big Data in Immigration Research
  • SURV699Q网络调查方法Web Survey Methodology
  • SURV699Z应用数据分析Applied Data Analytics
  • SURV706一般线性模型General Linear Models
  • SURV725项目无回答插补Item Nonresponse Imputation
  • SURV726多重插补Multiple Imputation
  • SURV735数据保密Data Confidentiality
  • SURV736网络抓取导论Intro to Web Scraping
  • SURV751机器学习导论Intro to Machine Learning
  • SURV752数据可视化导论Introduction to Data Visualization
  • SURV753机器学习IIMachine Learning II
  • SURV798B小区域估计Small Area Estimation

📊 录取案例

本站暂无「马里兰大学帕克分校 × 数据科学」的录取案例记录。
看该校其他方向的录取案例 ›

🧩 该校其他方向的项目(未归入本站方向分类,共 4 个)

这些项目的名称不属于站内现有的专业方向分类(如跨学科、政策类项目),单独列出以便了解该校项目全貌;已抓到学制 / 学费 / 课程的项目可直接点开看该项目本身的完整参数

🏫 同方向的其他院校

按 QS 学科名次排列,可横向对比不同学校同一方向的项目设置与学费
学制 / 学费 / 语言要求 / 申请节奏为按国家(地区)通行区间整理的参考值,各校每年均可能调整,最终以院校官网公布为准;本站不提供中介服务。 排名数据:QS 名次来自 QS 官方榜单整理,U.S. News 名次整理自 Ranking Radar 公开数据集(CC-BY-4.0),原始榜单 © U.S. News & World Report。