Master of Science in Data Science

Mit dem exponentiellen Wachstum von Big Data in den letzten Jahren wird der Bedarf an Data Scientists immer ausgeprägter und dringender.

Das Data Science Institute der Saint Peter's University bildet die nächste Generation von Data Science-Studenten aus und bietet ein hochmodernes akademisches MINT-Programm an, um diesen Anforderungen gerecht zu werden und die nächste Generation von Data Scientists auszubilden. Das Institut arbeitet eng mit Vordenkern der Branche zusammen, um innovative Ideen auf den Markt zu bringen.

Das Data Science-Programm integriert wissenschaftliche Methoden aus Statistik, Informatik und datenbasierter Unternehmensführung, um Wissen aus Daten zu extrahieren und die Entscheidungsfindung voranzutreiben. Unser Curriculum bietet den Studenten ein gründliches Studium in Big-Data-Technologien, -Anwendungen und -Praktiken, ein Pathway für Studentenpraktika und Vollzeitbeschäftigung. Die Absolventen sind darauf vorbereitet, sich den Herausforderungen an der Schnittstelle zwischen Big Data, Business Analytics und anderen aufstrebenden Feldern zu stellen.

Neben dem Masterstudium bieten wir maßgeschneiderte Zertifikats- und Trainingskurse im Bereich Analytics an. Einsemestrige Vorbereitungskurse sind für Graduierte konzipiert und auf internationale Studien zugeschnitten.

Auf einen Blick

• Abschluss : Master of Science in Data Science
• Kursorte : Jersey City Campus
• Programmdauer : 36 Credits: Ein Vollzeitstudent mit 24 Credits/Jahr sollte in 1,5 Jahren abschließen.
• Kalender: Trimester
• Kursformat : Der Unterricht trifft sich persönlich von Montag bis Freitag tagsüber oder abends.

Beschleunigter BS zu MS im Data Science-Programm

Durch unser Accelerated Program können Sie in fünf Jahren Ihren Bachelor-Abschluss und einen MS in Data Science erwerben.

Data Science ist die Disziplin, die wissenschaftliche Methoden aus Statistik, Informatik und Betriebswirtschaft integriert, um Wissen aus Daten zu extrahieren, um die Entscheidungsfindung voranzutreiben. Dieses Programm richtet sich an Studierende mit einem Hintergrund in Informatik, angewandten Wissenschaften, Betriebswirtschaftslehre oder Wirtschaftswissenschaften. Zur Vorbereitung müssen die Studierenden derzeit in einem BS-Programm eingeschrieben sein.

Programmverfügbarkeit

Der Studiengang Data Science wird semesterweise angeboten und ist sowohl für das Vollzeit- als auch für das Teilzeitstudium konzipiert.

Studienvoraussetzungen

Das Studium erfordert 36 Semesterwochenstunden. Ein Abschlusskurs ist erforderlich und wird im letzten Semester der Studienarbeit belegt.

Absolventenpraktikum

Ab dem 1. Januar 2016 ist für alle Studierenden mit Ausnahme von Studierenden mit mehr als 3 Jahren Berufserfahrung die Absolvierung eines Praktikums im Bereich Data Science erforderlich; Personen mit einer Vollzeitbeschäftigung während der Dauer des Programms; und diejenigen, die am Austauschprogramm teilnehmen. Das Graduiertenpraktikum kann im ersten Studiensemester beginnen. Bitte erkundigen Sie sich bei Ihrem Programmberater, ob eine Ausnahmegenehmigung möglich ist.

Beratung

Die Universität St. Peter stellt jedem Kandidaten einen akademischen Berater zu.

Zeitbegrenzung

Von den Studierenden wird erwartet, dass sie sich kontinuierlich einschreiben, bis ihre Programme abgeschlossen sind. Die Studierenden sind verpflichtet, einen zufriedenstellenden Studienfortschritt aufrechtzuerhalten, indem sie den erforderlichen Notendurchschnitt einhalten und ausreichende Credits innerhalb des festgelegten Zeitrahmens von fünf Jahren sammeln.

Der Master of Science in Data Science, ein 36-Kredit-Studiengang, richtet sich an Studierende, die einen Bachelor-Abschluss in Naturwissenschaften, Mathematik, Informatik oder Ingenieurwissenschaften abgeschlossen haben und an einer Karriere in branchenspezifischen analytischen Bereichen interessiert sind (z Technologie, Pharmazie, Forschung, Regierung, öffentliche Gesundheit, Unternehmertum, Finanzen, Wirtschaft usw.).

Der Studiengang Data Science nutzt reale Probleme und Situationen, um Absolventen auf Rollen als strategische Vordenker vorzubereiten, die prädiktive Modellierung nutzen, um die Entscheidungsfindung voranzutreiben. Die Studierenden entwickeln ein tiefes Verständnis der Schlüsseltechnologien in Data Science und Business Analytics: Data Mining, maschinelles Lernen, Visualisierungstechniken, prädiktive Modellierung und Statistik. Die Studierenden üben die Problemanalyse und Entscheidungsfindung. Die Studierenden sammeln praktische, praktische Erfahrungen mit Statistik-Programmiersprachen und Big-Data-Tools durch Kursarbeit und Erfahrungen in der angewandten Forschung.

Programmverfügbarkeit

Der Studiengang Data Science wird semesterweise angeboten und ist sowohl für ein Vollzeit- als auch für ein Teilzeitstudium konzipiert.

Abschlussanforderungen

Für den Abschluss sind 36 Semesterstunden erforderlich. Ein Abschlusskurs ist erforderlich und wird im letzten Semester der Kursarbeit belegt.

Graduiertenpraktikum

Ab dem 1. Januar 2016 ist der Abschluss eines Praktikums im Zusammenhang mit Data Science für alle Studenten erforderlich, außer: diejenigen, die über mehr als 3 Jahre Berufserfahrung verfügen; diejenigen mit Vollzeitbeschäftigung während der Dauer des Programms; und diejenigen, die am Austauschprogramm teilnehmen. Das Graduiertenpraktikum kann bereits im ersten Studiensemester beginnen. Bitte wenden Sie sich an Ihren Programmberater, um festzustellen, ob eine Befreiung möglich ist.

Beratung

Die Saint Peter's University weist jedem Kandidaten einen akademischen Berater zu.

Zeitliche Begrenzung

Von den Studenten wird erwartet, dass sie sich kontinuierlich einschreiben, bis ihre Programme abgeschlossen sind. Die Studierenden müssen einen zufriedenstellenden akademischen Fortschritt aufrechterhalten, indem sie den erforderlichen Notendurchschnitt beibehalten und innerhalb des festgelegten Zeitrahmens von fünf Jahren ausreichende Kreditpunkte sammeln.

Kurse

Stufe I

• Einführung in die Datenwissenschaft
• Datenanalyse und Entscheidungsmodellierung
• Datenbank und Data Warehousing
• Statistische Programmierung

Stufe II

• Data-Mining
• Big-Data-Analyse
• Datenvisualisierung
• Maschinelles Lernen
• Predictive Analytics und experimentelles Design
• Datenrecht, Ethik und Datenschutz
• Geschäftsanalysen
• Schlussstein: Geschäftsanalysen

Credits insgesamt: 36

Praktikum für Absolventen der Datenwissenschaft

Der Abschluss eines Graduiertenpraktikums im Bereich Data Science ist für alle Studenten erforderlich, außer: diejenigen, die über mehr als 3 Jahre Berufserfahrung verfügen; diejenigen mit Vollzeitbeschäftigung während der Dauer des Programms; und diejenigen, die an einem Austauschprogramm teilnehmen. Das Graduiertenpraktikum kann bereits im ersten Studiensemester beginnen. Bitte wenden Sie sich an Ihren Programmberater, um festzustellen, ob eine Befreiung möglich ist.

Programmziele

• Entwickeln Sie ein tiefes Verständnis der Schlüsseltechnologien in Data Science und Business Analytics: Data Mining, maschinelles Lernen, Visualisierungstechniken, prädiktive Modellierung und Statistik.
• Problemanalyse und Entscheidungsfindung üben.
• Sammeln Sie praktische, praktische Erfahrungen mit Statistik-Programmiersprachen und Big-Data-Tools durch Kursarbeit und Erfahrungen in der angewandten Forschung.

Lernziele

Studenten, die das MS in Data Science and Business Analytics-Programm abgeschlossen haben, können:

• Wenden Sie quantitative Modellierungs- und Datenanalysetechniken auf die Lösung realer Geschäftsprobleme an, kommunizieren Sie Ergebnisse und präsentieren Sie Ergebnisse mithilfe von Datenvisualisierungstechniken effektiv.
• Erkennen und analysieren Sie ethische Probleme in Unternehmen in Bezug auf geistiges Eigentum, Datensicherheit, Integrität und Datenschutz.
• Wenden Sie ethische Praktiken in alltäglichen Geschäftsaktivitäten an und treffen Sie gut begründete ethische Geschäfts- und Datenmanagemententscheidungen.
• Demonstrieren Sie Kenntnisse über statistische Datenanalysetechniken, die bei der Geschäftsentscheidung verwendet werden.
• Wenden Sie Prinzipien der Datenwissenschaft auf die Analyse von Geschäftsproblemen an.
• Verwenden Sie Data-Mining-Software, um reale Probleme zu lösen.
• Setzen Sie modernste Tools und Technologien ein, um Big Data zu analysieren.
• Wenden Sie Algorithmen an, um Maschinenintelligenz aufzubauen.
• Demonstrieren Sie den Einsatz von Teamarbeit, Führungsqualitäten, Entscheidungsfindung und Organisationstheorie.

Berufschancen

Bis 2018 könnten allein in den Vereinigten Staaten ein Mangel von 140.000 bis 190.000 Menschen mit ausgeprägten analytischen Fähigkeiten und dem Know-how zur Nutzung von Big Data für effektive Entscheidungen entstehen.

• Computer-Forensik
• Datenwissenschaftler
• Betriebsdatenanalyst
• Computer-Forensik
• Datenwissenschaftler
• Betriebsdatenanalyst