Магистърска степен по наука за данни

Открийте своето бъдеще в науката за данни

Големите данни революционизираха начина, по който организациите вземат стратегически решения. Компаниите, организациите с нестопанска цел и правителствените агенции очакват служителите им да могат да анализират данни и ефективно да съобщават своите констатации за вземане на решения. В резултат на това търсенето на работна сила за хора с умения за научни данни процъфтява.

В отговор на нарастващото търсене на професионалисти, разбиращи данни, University of Memphis предлага нова, обозначена със STEM MS в областта на науката за данните. По време на тази програма студентите ще се научат как да използват усъвършенствани изчислителни и статистически методи и инструменти за събиране, съхранение, извличане, манипулиране, интерпретиране и визуализиране на данни. Важно е, че тези методи и инструменти ще се предлагат в контекста на конкретни бизнес и научни дисциплини с голямо търсене, така че завършилите да имат разбирането и проницателността да превърнат своите открития в действия.

Науката за данни е една от най-търсените и гъвкави налични степени. Завършилите ще бъдат подготвени да продължат кариера в широк спектър от организации в бизнеса, правителството, биомедицината, образованието, инженерството и приложните науки.

Какво е Data Science?

„Идният век със сигурност е векът на данните“ (Donoho, 2000). Data Science се очертава като нова, трансформираща парадигма в науката и технологиите. С големи обеми данни, които се генерират всеки ден от множество източници (включително бизнес данни, биомедицински данни, образователни данни, научни данни, инженерни данни и лични данни), важността на системните и строги подходи за разбиране и поставяне на тези големи обеми данни за добро използване вече е добре познато. С тази експлозия от данни има значително търсене на експерти в индустрията, правителството, образованието, здравеопазването и т.н., които имат необходимите умения за събиране, обработка и анализ на данни. Всъщност търсенето на магистърски степени в областта на Data Science се е увеличило през последните няколко години, както показва фактът, че броят на магистърските степени, присъждани в тази област, се е учетворил от около 5 000 на около 20 000 между 2016 и 2018 г. Освен това Data Scientist е бил постоянно класиран като най-обещаващата работа (дефинирана от висока заплата, голямо търсене, непрекъснат растеж и потенциал за напредък) от големите уебсайтове за търсене на работа като Glassdoor.

Справка: Donoho, DL (2000). Анализ на високомерни данни: Проклятията и благословиите на измерението. Лекция, изнесена на конференцията "Математически предизвикателства на 21-ви век" на Американската математика. Общество, Лос Анджелис.

Относно Програмата

Магистърската степен по Data Science предлага интердисциплинарно обучение в областта на Data Science, за да отговори на процъфтяващото търсене на пазара на труда. Всъщност важността на систематичните и строги подходи за разбиране и възползване от големи и разнообразни обеми данни е добре призната. Освен това, Data Scientist е постоянно класиран като най-обещаващата работа (дефинирана от висока заплата, голямо търсене, непрекъснат растеж и потенциал за напредък) от големите уебсайтове за търсене на работа като Glassdoor.

Естеството на програмата включва основни курсове по теоретични основи на науката за данни, т.е. компютърни науки и статистика, и избираеми курсове по специфични за дисциплината методи за количествен анализ. Избираемите курсове са групирани в специфични дисциплини като икономика или биомедицина. Студентите, посещаващи програмата, ще придобият широк спектър от компетенции в областта на науката за данни, включително (1) основна системна администрация, програмиране и обработка на изчислителни данни, (2) основни математически и статистически концепции за анализ на данни, (3) усъвършенствани умения за изчислителна статистика и машинно обучение за анализ на големи данни, (4) етични аспекти, сигурност, възпроизводимост/произходни аспекти на Data Science и (5) Концептуален модел и процес за решаване на проблеми на Data Science (мета-компетенции).

Асистентски длъжности

За квалифицирани кандидати се предлагат асистенти за преподаване и научни изследвания. Тези асистенти включват освобождаване от обучение и месечна стипендия за издръжка.

Изследователски възможности

Възможностите за научни изследвания, стаж и работа в Data Science са многобройни поради важността на Data Science в днешния свят.

Например, за трета поредна година Data Scientist оглави списъка на Glassdoor като най-добра работа в Америка." Ученът по данни управлява като една от най-горещите професии от години, доказано от третата си поредна класация № 1", според Главен икономист на Glassdoor д-р Андрю Чембърлейн. „Това се дължи на голямото търсене (4 524 отворени работни места), високата заплата (110 000 $ средна базова заплата) и високото удовлетворение от работата (4,2/5). Не само технологичните компании се борят да наемат учени по данни, но и индустриите отвсякъде , от здравеопазване до организации с нестопанска цел до търговия на дребно, също търсят този талант."

За района на Мемфис Glassdoor посочва средна заплата от $111,782 за Data Scientists.

Всъщност науката за данни и данни има широко въздействие и има огромен потенциал за по-нататъшно въздействие върху продукти, услуги и процеси във всички области на нашия живот, включително бизнеса, правителството, нестопанските организации и обхваща всички области като биомедицина, образование, наука, инженерство и социалния и личния живот.

UofM предлага възможности за научни изследвания в областта на науката за данни чрез индивидуални проекти, както и чрез изследователския клъстер за наука за данни, който осигурява лидерство в изследванията на науката за данни в UofM и местната общност чрез създаване на жизнена изследователска среда и обучение на бъдещи учени за данни за изграждане на данни Научна общност от практики, която включва академични среди, правителство и индустрия в Западен Тенеси, Средния Юг и извън него.

Асистентски длъжности

За квалифицирани кандидати се предлагат асистенти за преподаване и научни изследвания.