MSc i dataanalyse
Oxford Brookes University
Nøgleinformation
Campus placering
Wheatley, Det Forenede Kongerige
Lingvistik / Sprogvidenskab
Engelsk
Studieformat
På campus
Varighed
1 - 5 År
Hastighed
Fuldtid, Deltid
Studieafgifter
GBP 16.600 / per year *
Ansøgningsfrist
Kontakt skolen
Tidligste startdato
Kontakt skolen
* UK studerende på fuld tid: £1.080 pr. enkelt modul | Internationale/EU-studerende på fuld tid: £16.600
Stipendier
Udforsk stipendiemuligheder for at hjælpe med at finansiere dine studier
Introduktion
Med vores MSc i Data Analytics lærer du grundlæggende teori og praktiserer matematisk og statistisk modellering. Med særlig reference til dataanalyse og visualisering.
Med den seneste udvikling inden for digital teknologi er samfundet gået ind i 'big data's æra. Den britiske regering anerkender big data som en af de otte store teknologier. Det har prioriteter for finansiering og forskning og vil spille en central rolle i genopbygningen og styrkelsen af økonomien.
Eksplosionen og rigdommen af tilgængelige data inden for en lang række applikationsdomæner giver anledning til nye udfordringer og muligheder på alle områder. En stor udfordring er, hvordan man kan udnytte det hidtil usete omfang af data. Og hvordan man får yderligere indsigt og viden for at forbedre kvaliteten af tilbudte produkter og tjenester.
Vi har designet MSc i Data Analytics til dem, der i øjeblikket er i beskæftigelse. Og at løbe sammen med MSc i Data Analytics for Government. Den er tilgængelig for alle studerende og er ikke eksklusiv for nogen bestemt beskæftigelsessektor.
Galleri
Indlæggelser
Stipendier og finansiering
Læreplan
Undersøgelsesmoduler
Obligatoriske moduler
- Research and Study Methods (10 credits)
Dette modul vil give dig de nødvendige færdigheder til at udføre forskning og anvende effektive undersøgelsesmetoder, som vil understøtte din afhandling. - Data Science Foundations (10 credits)
Dette modul giver et overblik over centrale datavidenskabelige koncepter og værktøjer med fokus på virkelige datavidenskabelige forskningsspørgsmål med praktisk anvendelse af R- og/eller Python-programmering som en integreret del af kurset. - Grundlæggende undersøgelser (10 credits)
Dette modul giver et overblik over grundlæggende principper for stikprøveudtagning og estimering. - Statistisk programmering (10 credits)
Dette modul introducerer centrale programmeringsteknikker i R, som er vigtige for datamanipulation, databehandling og dataanalyser af traditionelle og alternative datakilder gennem praktiske sessioner. - Introduktion til surveyundersøgelser (10 credits)
Dette modul introducerer de faser, der er involveret i planlægning og gennemførelse af undersøgelser. Den vil overveje de metodologiske spørgsmål, der kan opstå, herunder fejl, og vil drøfte mulighederne for at minimere virkningerne gennem undersøgelsens udformning. - Regressionsmodellering (10 credits)
Dette modul introducerer den grundlæggende regressionsmodel - residualanalyse, modelopbygning og -valg samt håndtering af kategoriske variabler. Der vil også blive introduceret logistisk regression (binær responsregression), vurdering af modeltilpasning samt modelopbygning og -valg. Endelig introduceres multipel regression og multivariat regressionsmodellering. - Avanceret statistisk modellering (10 credits)
Dette modul introducerer en bred klasse af lineære og ikke-lineære statistiske modeller og principperne for sandsynlighedsinferens til en række almindeligt forekommende dataanalyseproblemer inden for en række forskellige discipliner. - Time Series Analysis (10 credits)
Dette modul introducerer dig til tidsserier og prognosemetoder. - Introduktion til maskinlæring (10 credits)
Dette modul giver dig en indføring i principperne for computerlæring og dens anvendelser. Den dækker de grundlæggende metoder til maskinlæring, implementeringer og analysemetoder, der er relevante for maskinlæringsapplikationer. - Avanceret maskinlæring (10 credits)
Dette modul bygger videre på modulet Intro til maskinlæring. Den fokuserer på avancerede programmeringsfærdigheder og neurale computere som en udvidelse af maskinlæring, behandling af naturlige sprog & multimedier. Den omfatter overvågede og uovervågede maskinlæringsalgoritmer (tilfældige skove, neurale netværk, clustering, logregression og supportvektormaskiner) sammen med mere avanceret billedbehandling og multimediebehandling af data. - Introduktion til distribuerede systemer (10 credits)
Dette modul giver et overblik over behandling af data i stor skala og parallel behandling. Den introducerer Hadoop og Spark og brugen af parallelle behandlingsparadigmer. - Datavisualisering (10 credits)
Dette modul bygger videre på de grundlæggende datavisualiseringer, der introduceres i de obligatoriske moduler. Den vil dække informationsdesign, interaktionsdesign og brugerinddragelse; de nyeste værktøjer til at skabe nyttige visualiseringer til forskellige typer datasæt og anvendelsesscenarier.
Afsluttende projekt
- Afhandling i dataanalyse (60 credits)
Studerende på kandidatuddannelsen skal også gennemføre en afhandling om et datalogisk emne med fokus på datalogi i forbindelse med deres studieprogram.
Det nøjagtige indhold af hver enkelt afhandling varierer alt efter titlen, men vil omfatte en litteraturgennemgang og forskning i emnet på et avanceret niveau, udarbejdelse af et projektforslag, anvendelse af analytiske teknikker og akademiske tilgange til at finde alternative løsninger og syntetisere en løsning på det komplekse problem, der er under behandling, samt præsentation af løsningen i mundtlig og skriftlig form.
Læring og undervisning
Vores kursus har en understøttende undervisnings- og læringsstrategi, der er baseret på aktivt engagement fra de studerendes side.
Vi bruger en række forskellige undervisnings- og evalueringsmetoder, f.eks:
- kritiske vurderingsrapporter
- dataanalyserapporter
- dataanalyse ved hjælp af softwareapplikationer
- præsentationer og casestudier.
Læringsmetoderne omfatter:
- blended learning
- formelle foredrag
- praktikopgaver til problemløsning
- vejledt selvstændig læring
- brug af det computerbaserede virtuelle læringsmiljø "Moodle
- uafhængig forskning
- software dataanalyser
- eksperimenter.
Programundervisning
Karrieremuligheder
Dette program giver kandidater mulighed for at påtage sig en bred vifte af roller inden for datalogi. Almindelige karrierer inden for dette område er som:
- dataingeniører
- forretningsanalytikere
- dataansvarlige
- praktikere inden for maskinlæring
- dataloger.