布朗大学数据科学硕士学什么课程？

　　布朗大学数据科学硕士被认为是用于OPT延期目的的STEM 计划。一般为期十二个月(九月至八月)即可完成。所有学生都在九月开始课程，没有选择从春季学期开始。学生可以选择在16、21或24个月内完成课程。在某些情况下，准备特别充分的学生可能会在9个月内完成作业。

　　1、FALL：(4 学分)

　　DATA 1010. 概率、统计和机器学习(数据科学的数学基础，2学分)

　　通过结合计算探索、可视化和理论介绍数据科学的数学方法。学生将学习科学计算基础知识、数值线性代数、数学概率(概率空间、期望、条件、共同分布、大数定律和中心极限定理)、统计(点估计、置信区间、假设检验、最大似然)估计、密度估计、引导和交叉验证)和机器学习(回归、分类和降维，包括神经网络、主成分分析和 t-SNE)。

　　DATA 1030. 数据科学实践(练习数据科学管道，从数据探索和清理到展示，1学分)

　　开发数据科学管道的所有方面：数据采集和清理、处理缺失数据、数据存储、探索性数据分析、可视化、特征工程、建模、解释、在现实世界数据集的背景下呈现。强调了数据分析的基本考虑因素(偏差-方差权衡、训练、验证、测试)。包括用于分类和回归的经典模型和技术(线性回归、岭和套索回归、逻辑回归、支持向量机、决策树、集成方法)。使用 Python 数据科学生态系统。

　　DATA 1050. 数据工程(数据科学的计算机科学，1 个学分)

　　介绍计算机科学和数据科学编程。覆盖范围包括数据结构、算法、算法分析、算法复杂性、使用测试驱动设计的编程、调试器和分析器的使用、代码组织和版本控制。其他主题包括数据科学 Web 应用程序、SQL 和非 SQL 数据库以及分布式计算。

　　2、SPRING (4 学分)

　　DATA 2020. 统计学习(回归分析和统计学习的推理方法，1学分)

　　对回归分析和统计学习的推理方法的现代介绍，重点是在从观察数据中学习关系的背景下在实际环境中的应用。主题将包括线性回归的基础知识、变量选择和降维，以及非线性回归的方法。还将介绍对其他数据结构的扩展，例如纵向数据和因果推理的基础知识。在课程结束时，学生将能够(1) 描述基于回归的数据分析方法的统计基础，(2)使用R对真实数据实施基本和高级回归分析，(3)制定书面解释用于在上下文中回答科学问题的数据分析，以及(4)提供对常见统计分析的批判性评估，

　　DATA 2040. 数据科学中的深度学习和专题(深度学习与大数据，1学分)

　　对神经网络、强化学习和相关主题的动手介绍。学生将学习神经网络的理论，包括常见的优化方法、激活和损失函数、正则化方法和架构。主题包括模型可解释性、与其他机器学习模型的连接以及计算注意事项。学生将分析各种现实问题和数据类型，包括图像和自然语言数据。

　　DATA 2080.数据与社会(伦理和社会影响，1 学分)

　　一门关于数据科学理论和实践引发的社会、政治和哲学问题的课程。探索数据科学如何不仅改变我们对科学和科学知识的认识，而且还改变我们对自己和社区的认识，以及我们对人类事务和机构的总体承诺。学生将根据科学技术哲学、知识社会学和科学研究提供的视角审视数据科学领域，并探索数据科学对 21 世纪上半叶生活的影响。

　　Elective. (与个人兴趣相关的领域知识，1学分)

　　3、SUMMER (1 学分)

　　DATA 2050.数据实习(工业或学术界的真实世界数据项目)

　　学生与行业实习主管(通常在实习期间)或学术研究人员(通常作为正在进行的研究计划的一部分)一起工作，并解决实际数据问题，从而锻炼在该计划中开发的技能。学生将提交提案、每周状态报告以及最终论文和演示文稿。要获得学分，该项目必须至少需要 180 小时的工作时间，通常需要 5 到 12 周才能完成。

　　以上是布朗大学数据科学硕士学什么课程完整介绍，要想获取更多关于美国留学资讯或者申请建议，欢迎您在线咨询托普仕留学老师，也可添加微信：mick5271！