统计与数据科学
数字革命创造了大量的数据. 从海量的信息中提取知识和见解是数据科学的目标, 一个快速发展的领域，应用于市场营销等领域, 教育, 和体育, 以及基因组学等科学领域, 神经科学, 粒子物理学.
职业发展机会
决策者比以往任何时候都能获得更多的数据, 但从这些数据中获得意义和可操作的见解需要专门的工具和专业知识. 出于这个原因，统计学和数据科学专业的毕业生需求量很大.
目前，全球数据科学家短缺. 据估计，在未来两年内, 数据科学职位的数量将是填补这些职位的人数的两倍. 这意味着拥有必要教育和技能的个人有大量的工作机会.
课程
UE的统计和数据科学课程将来自数据科学领域的最先进的工具和技术与经典应用统计学的数学严格传统相结合. 这个Programs的学生将…
- 参与Programs驱动的课程. 整个课程提供的数据分析Programs使学生接触到预测建模的整个工作周期, 包括问题的制定, 数据的获取和清理, 选型与拟合, 解释, 和报告.
- 掌握前沿统计软件. 学生获得目前在商业和工业中使用的统计软件的流畅性, 包括R, Python, 和BigQuery.
- 接受一流的文科教育. 处理“大数据”需要的不仅仅是量化和技术技能，它还需要构建问题的能力, 把不同的团队聚集在一起, 做出合乎道德和知情的决定, 并将结果传达给决策者. UE教育为学生提供广泛的艺术和科学基础知识, 以及雇主看重的批判性思维和沟通能力.
有关课程要求及课程描述的详情，请参阅 目录.
额外的信息
从奇数年开始的四年计划样本
| 秋天 | 春天 | |
|---|---|---|
| 大一新生 | 数学221 ——微积分I | 数学222 -微积分II 统计266 -介绍统计R |
| 二年级学生 | CS 210 ——基金. 程序设计I 统计267 -实验设计 数学365 ——概率 |
数学341 -线性代数 数学466 ——统计 CS 215 ——基金. 程序设计II |
| 初级 | 统计361 -线性模型 统计474 -大数据集技术 |
Harlaxton |
| 高级 | 数学495 -高级研讨会:数学建模 | 统计362 -机器学习 统计493 -统计建模 |
注:cs215 *可由电脑课程取代
以偶数年开始的四年计划为例
| 秋天 | 春天 | |
|---|---|---|
| 大一新生 | 数学221 ——微积分I | 数学222 -微积分II 统计266 -介绍统计R CS 210 ——基金. 程序设计I |
| 二年级学生 | 统计267 -实验设计 数学365 ——概率 CS 215 ——基金. 程序设计II |
数学341 -线性代数 数学466 ——统计 |
| 初级 | 统计361 -线性模型 | 统计362 -机器学习 |
| 高级 | 统计474 -大数据集技术 数学495 -高级研讨会:数学建模 |
统计493 -统计建模 |
注:cs215 *可由电脑课程取代. Harlaxton: 统计361可以在高三的秋天进行.
| 统计课程 | 频率 | 从 |
|---|---|---|
| 统计266 -介绍统计R | 每年春天 | 2017年春季 |
| 统计267 -实验设计 | 每年秋天 | 2017年秋季 |
| STAT 300 -真实世界中的数据分析 | 每年秋天 | 2018年秋季 |
| 统计361 -线性模型 | 每年秋天 | 2017年秋季 |
| 统计362 -机器学习 | 每隔一个春天 | 2018年春季 |
| 大数据集技术 | 每隔一个秋天 | 2018年秋季 |
| 统计模型 | 每年春天 | 2019年春季 |
| 数学与计算机科学课程 | 频率 |
|---|---|
| 数学221,222 -微积分 | 秋天，春天和夏天 |
| 数学365 -概率 | 每年秋天 |
| 数学466 -数理统计 | 每年春天 |
| 数学341 -线性代数 | 每年春天 |
| 数学495 -高级研讨会:数学建模 | 每年秋天 |
| CS 210, 215 -编程入门 | 每年秋天和春天 |
