乔治城大学数据科学与分析研究生项目解析

2021-02-21 / Xiwen老师 / 厚仁IVY本硕高端工作室

微信客服
wholerenguru3 (厚仁学术哥）

留学申请咨询

24小时咨询

美国拨打: +1 (412) 756-3137 中国拨打: +86 191-2318-4284

如果对于美国华盛顿D.C首都不陌生的同学们肯定听说过这所百年名校的名字 – 乔治城大学（英语：Georgetown University），乔治城大学建立于1789年，是有名的私立综合性研究大学，也是是美国最古老的天主教大学。由于学校规模小，也是美国本土一所颇具贵族气质的学校。访校的时候印象非常深刻的就是 – 精致，学校有很多古老的罗马式建筑，也由于乔治城大学距离白宫较近，故在政治学，国际关系学，法学以及众多社会科学领域遥遥领先其他常春藤学校。今天我们来聊一聊乔治城大学提供的一个热门申请专业数据科学与分析专业的研究生项目。

项目简介

乔治城大学的数据科学与分析专业的研究生项目，英文全称为Master of Science in Data Science and Analytics，设置于学校的研究生文理学院（Graduate School of Arts & Science），在2015年时，学校为了满足商业科技的发展与多学科融合对于大数据分析和研究的日益增长的需求而开设了这个项目。该课程适合刚完成数学或统计学重点的本科课程的学生，以及寻求职业发展或职业转变的职业人士。全日制学生完成学位的预期时间为两年。通过使用转学分和/或参加暑期课程，学生可以在三个学期（16个月）内完成课程。非全日制学生可能需要更长的时间（最多三年）。

课程介绍

该项目共有30个学分，其中15个学分是核心课程Core courses，也就是我们说的必修课程，另外15个学分则是选修课程elective courses。核心课程中共有5门课+1门无学分课程，包括：

高级编程主题 Advanced Programming Topics (no credit)：Georgetown数据科学与分析程序提供了在线编程准备课程，该课程涵盖了入学前夏季的R，Python和命令行使用。该课程相当于三个学分，是为硕士MS Data Science＆Analytics学生而设计的，并且免费提供。所有入学的学生都必须学习。学生必须完成本课程才能在秋季入学。

数据分析介绍 Introduction to Data Analytics：本课程向学生介绍几个核心数据科学概念。它教学生如何综合不同的，可能是非结构化的数据，以更好地理解和描述世界，并在某些情况下得出有意义的推论。涵盖的主题包括：数据科学的历史，数据分析的成功与失败，数据分析的生命周期，数据/网页抓取和API，数据处理，数据表征（相关性，识别集群和关联），数据推理和基础机器学习，网络分析，数据伦理和视觉分析。

海量数据基础知识 Massive Data Fundamentals：本核心课程解决了Big Data由此带来的挑战。该课程将向学生介绍分布式计算的优点和局限性以及评估其影响的方法。将介绍并行处理技术（MapReduce）及其实现（Hadoop），以及访问非结构化数据和处理流数据的技术。这些技术将使用计算核心和云计算的集群应用于实际示例。

科学和分析可视化 Scientific and Analytical Visualization：本课程将利用认知科学和图形设计的见解，介绍复杂数据的表示方法和可视化技术。学生将获得人类视觉系统的概述，学习将模型用于数据和图像，并获得良好的设计规范，例如使用“图形语法”的规范。学生将使用通用的统计设计工具，例如Python3中的图形方法，交互式图形方法。

概率建模与统计计算 Probabilistic Modeling and Statistical Computing：本课程向学生介绍概率建模的基础知识，然后介绍用于分析此类数据的计算技术。在介绍了诸如概率分布，随机变量和条件等基本概念和方法之后，本课程将介绍实践中经常使用的基本概率分布及其某些属性，例如大数定律。在下半年，学生将学习使用概率模型的计算技术。这包括忠实模拟随机变量的方法（蒙特卡洛），从观测数据中提取压缩模型（贝叶斯模型），具有隐藏或部分观测变量（潜在变量，期望最大化，隐藏马尔可夫模型）的方法），以及一些综合了概率模型（图形模型，随机优化）的通用数据科学技术。

分析的统计学习 Statistical Learning for Analytics：统计学习与使用统计技术在给定数据中查找结构或模式（无监督学习）或在新情况下使用给定数据实例预测结果（有监督学习）的算法有关。这种类型的一种众所周知的方法是线性回归，这将在本课程的早期进行介绍。还将进行用于进行离散预测（分类）的统计方法，例如逻辑回归。将特别强调处理高维数据（即具有许多属性的实例）的技术，包括变量选择和降维。本课程涵盖的无监督方法包括基于模型的聚类和层次聚类。

从核心课程的内容中我们可以看出这个项目在为学生提供扎实的数据科学基础，在项目开始前学校还将开设零学分编程课程帮助学生学习R，Python等基础统计与编程技能来尽快适应该项目的重点学习知识。

另外五门三学分的选修课使学生能够学习量身定制的技能，从而帮助他们将数据分析应用于感兴趣的领域。共有超过10门课3个种类的选择，学生可以选择比如统计方面的课程，如Time Series，也可以选择数据优化，如Optimization，或者神经网络与深度学习Neural Networks and Deep Learning，学生可以按照先决条件允许的任何顺序进行课程，来帮助学生选择想发展的领域进行深入学习。

师资队伍

虽然项目开设于2015年，但是乔治城大学的数据科学与分析项目教师队伍是由数据科学与分析计划的教职员工以及计算机科学、数学与统计系教授组成。这些资深老师是算法，信息检索，数据挖掘，机器学习，视觉分析，环境统计，统计方法等方面的领先专家。此外，在当地企业和政府任职并具有丰富实践经验的的兼职教师在其专业领域教授精选课程。该计划将继续增加必要的教师，以解决数据科学领域的发展需求和挑战。

支持资源

对于在读学生来说毕业后找到一份好工作是非常重要的，大数据以及由此带来的业务分析，政府分析，医疗保健等方面的机遇与挑战被认为是美国经济的潜在游戏规则改变者。估计到2020年，大数据的广泛应用将使美国的年国内生产总值每年增加几千亿美元。福布斯最近的一篇网志报道称，到2021年，对数据科学家（包括数据开发人员和工程师）的年度需求将达到70万。乔治城大学的数据科学与分析项目提供了非常丰富的就业Career资源，该项目与整个华盛顿特区的行业合作伙伴有着牢固的关系，并定期举办研讨会，讲习班和职业展览会，为学生做好实习和研究生就业的准备。该计划帮助学生提高了技术技能并建立了数据科学知识。学生可以学习几种用于广泛数据处理的计算机语言，并且在统计分析和预测建模方面有深入的了解。

申请要求

申请该项目的学生来自非常广泛的背景，包括经济学，市场营销，商业，计算机科学，工程，数学，统计，语言学，公共政策等。

乔治城大学的数据科学与分析项目的申请要求包括：

先修课条件 – 包括数学Calculus I & II，概率和统计Probability and Statistics，计算机编程经验（例如R，Python，C ++，Java等）。线性代数 Linear Algebra与Calculus III虽然不是必需的，但也很有帮助。
大学成绩单
3封推荐信 – 需要至少一封大学教授的推荐信
简历
个人文书
托福/雅思成绩单 – 针对国际学生 – 托福不低于100或雅思不低于7.5，有英语国家的4年本科毕业学位或研究生学位可以豁免托福或雅思要求。
GRE不是必须的！！！