دیتا ساینس چیست؟
با تحصیل در رشته دیتا ساینس، شما مهارت های برنامه نویسی و ریاضی را برای استفاده از این فناوری ها برای حل مسائل دنیای واقعی مرتبط با دانش و تخصص موجود خود خواهید آموخت.
شما یاد خواهید گرفت که مدل‌های هوشمندی ایجاد کنید که می‌توانند نتایج آینده را بر اساس دادههای گذشته پیش‌بینی کنند، آثار هنری تولید کنند، یا بینش باورنکردنی ای نسبت به ارتباطاتی که در مجموعه های اطلاعاتی وجود دارد و پیدا کردن آن سخت است، پیدا میکنید. شما درک عمیقی از جریان های داده در سازمان ها و سیستم ها خواهید داشت و اینکه چگونه می توان حجم عظیمی از داده ها را برای تولید دانش مهندسی کرد.
شما می توانید کمک هزینه تحصیلی 10000 پوندی برای حمایت از تحصیلات خود درخواست دهید – با هدف رفع موانع برای دانشجویان اقلیت در علم داده .
اطلاعات بیشتر را می توانید در مشاوره با گروه ویدولیمو دریافت کنید.
سبک تحصیل در رشته دیتا ساینس
شما از طریق کار عملی، فعالیت های علمی و مینی پروژه های مختلف، ماژول های رشته دیتا ساینس را یاد خواهید گرفت. آموزش های پایه ای نیز انجام خواهد شد، اما با تمرکز عملی و وظایف در هم تنیده.
دروس این رشته را با اصول اولیه شروع می کنید و به تدریج پیشرفته تر خواهد شد. همچنین یاد می‌گیرید که در آزمایشگاه‌های تخصصی ما با نرم‌افزار و سخت‌افزار استاندارد صنعتی کار کنید.
در کنار دانشجویان و متخصصان، به شما فرصت‌های بزرگی برای ایجاد شبکه‌هایی با رهبران آینده داده خواهد شد.
شرایط پذیرش
مدرک لیسانس با معدل حدود ۱۳ یا معادل آن، یا مدرک حرفه ای قابل مقایسه
سابقه کاری مرتبط نیز در نظر گرفته خواهد شد
دانشجویان اتحادیه اروپا و بین المللی به آیلتس با نمره کلی 6.0 نیاز دارند (با حداقل 5.5 در سایر مهارت ها)
ماژول های رشته
برای تحصیل در رشته دیتا ساینس در دانشگاه گلاسترشایر انگلستان، باید در ماژول های مختلفی شرکت کنید.
لیست کامل ماژول ها را در قسمت زیر مشاهده میکنید.
این ماژول به دانشجویان درک پیشرفته ای از زمینه فعالیت خود در موقعیت های “دنیای واقعی” ارائه می دهد و برنامه ریزی و مدیریت شغلی فردی را ارتقا می دهد. صنایع خلاق در کنار تغییرات سریع تکنولوژیکی و فرهنگی در حال تکامل هستند و هدف این ماژول این است که به دانشجویان اجازه دهد تا یک مسیر حرفه ای قابل دوام را در یک محیط به طور فزاینده پیچیده برنامه ریزی کنند.
محتوای ماژول، شیوه‌های خلاقانه در حال ظهور و نقش تمرین خلاق در کمک به رفاه فرد و جوامع را پیش‌بینی می‌کند. این ماژول چارچوب‌های اقتصادی، سیاسی، اجتماعی، محیطی و ایدئولوژیکی گسترده‌تری را ترسیم می‌کند که زمان‌هایی را که در آن زندگی می‌کنیم شکل می‌دهند.
این ماژول راه‌هایی را نشان میدهد که در آنها میتوان نتایج خلاقانه را برنامه‌ریزی، سفارش، تأمین مالی، تولید و ترویج کرد و مسائل قانونی و اخلاقی را در رابطه با عملکرد خلاق در نظر گرفت.
تعداد ساعات برنامه ریزی شده برای کلاس: ۲۰
ساعات مطالعه مستقل (self study): ۱۳۰
نحوه ارزیابی
- 100% Portfolio: ارائه به صورت انفرادی
این ماژول به دانشجویان در مورد اصول برنامهنویسی پایتون و نحوه ارتباط آن با علم داده، یعنی ابزارهای مورد استفاده در توسعه، اصول ساختار دادههای زبان و نحوه مدیریت ورودی/خروجی در پایتون آموزش میدهد. به همراه مروری بر سایر زبان های برنامه نویسی رایج در صحنه.
تعداد ساعات برنامه ریزی شده برای کلاس: ۳۶
ساعات مطالعه مستقل (self study): ۱۱۴
نحوه ارزیابی
- 100% Assignment: ارائه ۴۰۰ کلمه ای به صورت گروهی
این ماژول اصول برنامه نویسی پایتون را گسترش می دهد و ابزارهای تجزیه و تحلیل داده و تجسم را معرفی می کند مانند matplotlib، seaborn، numpy و پانداها. ابزارهای رایج پایگاه داده و انواع فایل های داده را پوشش می دهد و به دانشجویان می آموزد که چگونه داده ها را وارد و صادر کنند تا بعداً استفاده شوند.
تعداد ساعات برنامه ریزی شده برای کلاس: ۴۸
ساعات مطالعه مستقل (self study): ۲۵۲
نحوه ارزیابی
- 100% Assignment: ارائه ۸۰۰۰ کلمه ای به صورت انفرادی
این ماژول روشهایی را پوشش میدهد که در آن ابزارها و تکنیکهای تجزیه و تحلیل دادهها را میتوان در موارد و زمینههای خاص تجاری به کار برد. هدف این است که به دانشجویان جعبه ابزاری از تکنیکهای مناسب و نحوه استفاده از آنها در مسائل تجاری که متناسب با زمینههای خاص هستند، ارائه شود. این ممکن است در زمینه مشاغل موجود یا ارائه خدمات مشاوره به مشاغل خاص باشد.
تعداد ساعات برنامه ریزی شده برای کلاس: ۳۶
ساعات مطالعه مستقل (self study): ۱۱۴
نحوه ارزیابی
- 100% Assignment: ارائه ۴۰۰۰ کلمه ای به صورت انفرادی
این ماژول مسائل اخلاقی مرتبط با علم داده و تکنیک های یادگیری ماشین را پوشش می دهد. از نقطه نظر تحقیقات ایمنی هوش مصنوعی و همچنین اهمیت اجتناب از سوگیری در داده ها. ما همچنین در مورد مالکیت معنوی و منبع داده های اخلاقی بحث خواهیم کرد.
تعداد ساعات برنامه ریزی شده برای کلاس: ۳۶
ساعات مطالعه مستقل (self study): ۱۱۴
نحوه ارزیابی
- 100% Assignment: ارائه ۴۰۰۰ کلمه ای به صورت گروهی
این ماژول تکنیکهای پشت یادگیری ماشین و بهینهسازی را در زمینه کاربردهای علم داده برای مسائل دنیای واقعی پوشش میدهد.
تعداد ساعات برنامه ریزی شده برای کلاس: ۴۸
ساعات مطالعه مستقل (self study): ۲۵۲
نحوه ارزیابی
- 100% Assignment: ارائه ۸۰۰۰ کلمه ای به صورت انفرادی
پایان نامه بزرگترین بخش از کار ارزیابی شده توسط دانشجو است و برای ترکیب طیف وسیعی از دانش و مهارت های کسب شده در طول دوره طراحی شده است. پایان نامه فرصتی را برای دانشجویان فراهم می کند تا تحقیقات پایدار و فشرده را در یک زمینه پروژه انجام دهند، با تکیه بر مهارت های شناختی و عملی مرتبط با برنامه و یافته های خود را به شیوه ای رسمی مطابق با کنوانسیون های دانشگاهی ارائه کنند.
این ماژول علاوه بر این، فرصت های بالقوه ای را برای انجام پایان نامه ای که توسط یک پروژه مرتبط با صنعت پشتیبانی می شود، ارائه می دهد.
ساعات مطالعه مستقل (self study): ۶۰۰
نحوه ارزیابی
- 25% Assignment: ارائه ریسرچ پروپوزال ۴۰۰۰ کلمه ای به صورت انفرادی
- 75% Dissertation: ارائه پروژه ۱۲۰۰۰ کلمه ای یا معادل آن
شهریه
برای دانشجویان ایرانی و بین المللی برابر 15,000£ میباشد.
در ابندا 3,000£ از شهریه را باید پرداخت کنید تا پذیرش شما نهایی شود و سپس معمولا در ۲ قسط مابقی شهریه را پرداخت خواهید کرد.
آینده شغلی
فارغ التحصیلان پس از تحصیل در رشته دیتا ساینس می توانند به شرح زیر مشغول به کار شوند:
- دانشمند داده
- مهندس داده
- مهندس یادگیری عمیق
- تحلیلگر داده
- رهبر تحقیق
- کارشناس یادگیری ماشین
اساتید رشته
مدیر گروه رشته دیتا ساینس
Dr Will Sayers
از زمانی که شروع به بازی در کنسول میکرو کردم، شیفته نحوه کار آنها شدم. این باعث شد که از سن هفت سالگی شروع به یادگیری برنامه نویسی کنم و از آن زمان تاکنون این کار را انجام می دهم. در طول دوران تحصیلم در دانشگاه، من واقعاً به هوش مصنوعی علاقه مند شدم، و این باعث شد که به دکتری برسم، که مبتنی بر بهینه سازی و هوش مصنوعی در مسائل مهندسی بود. من همیشه از کمک به دیگران برای یادگیری لذت برده ام، به خصوص زمانی که یک موضوع را دوست داشته باشم.
Prof Shujun Zhang
استاد محاسبات و فناوری کاربردی
