Χρησιμοποιούμε cookies για να σας παρέχουμε καλύτερες υπηρεσίες. Με τη χρήση αυτού του ιστότοπου, αποδέχεστε τους όρους χρήσης και τη χρήση των cookies.
Αντικείμενο
Πόλη
Λευκωσία
Πρόσθετες Πληροφορίες

Περιγραφή Προγράμματος

Στόχος του προγράμματος είναι να παράσχει στους φοιτητές τεχνικές δεξιότητες και πρακτική γνώση στην Επιστήμη των Δεδομένων. Το πρόγραμμα Επιστήμης Δεδομένων συνδυάζει τη θεωρία και την πρακτική, βασισμένη σε τρεις κύριους κλάδους, Πληροφορική, Στατιστική και Μαθηματικά, και τομείς εφαρμογών πραγματικού κόσμου. Έχει σχεδιαστεί ώστε οι απόφοιτοι του προγράμματος να ανταποκριθούν στις απαιτήσεις της μελλοντικής Οικονομίας που βασίζεται στα δεδομένα.

Πιο συγκεκριμένα, το πρόγραμμα αποσκοπεί στο να:

  1. Προσφέρει στους φοιτητές τις τεχνικές και αναλυτικές δεξιότητες που απαιτούνται για την απόκτηση, τη διαχείριση, την ανάλυση και την εξαγωγή γνώσης από τα δεδομένα.
  2. Προσφέρει στους φοιτητές ένα ισχυρό μαθηματικό και στατιστικό υπόβαθρο που θα τους δώσει τη δυνατότητα να διαμορφώνουν τα κατάλληλα μοντέλα και να εφαρμόζουν τεχνικές βελτιστοποίησης για την ανάλυση δεδομένων.
  3. Προσφέρει στους φοιτητές δεξιότητες μηχανικής λογισμικού και μηχανικής μάθησης για το σχεδιασμό και την υλοποίηση αξιόπιστων, συντηρήσιμων και κλιμακώσιμων λύσεων για προβλήματα που σχετίζονται με τα δεδομένα.
  4. Δώσει τη δυνατότητα στους φοιτητές να αξιολογήσουν το επίπεδο ιδιωτικότητας και ασφάλειας μιας τεχνικής λύσης σε ένα πρόβλημα επιστήμης των δεδομένων.
  5. Προετοιμάσει τους φοιτητές για περαιτέρω μεταπτυχιακές σπουδές και έρευνα που απαιτούν εμπειρογνωμοσύνη στην Επιστήμη των Δεδομένων και αναλυτική σκέψη (όπως επιχειρηματική ανάλυση δεδομένων, χρηματοοικονομικά, υγεία, βιοπληροφορική).
  6. Καλλιεργήσει μια συνείδηση κοινωνικής ευθύνη και ικανότητες ανεξάρτητης μάθησης.

Πλήρης και Μερική φοίτηση

Semester 1

  • Introduction to Data Science
  • Programming Principles I    
  • Discrete Mathematics    
  • Calculus I    
  • English Composition    

Semester 2

  • Programming Principles II    
  • Software Development Tools for Data Science
  • Calculus II    
  • Probability and Statistics I
  • Principles of Sociology

Semester 3

  • Data Structures
  • Data Programming    
  • Probability and Statistics II    
  • Bayesian Statistics
  • Elements of Biology    

Semester 4

  • Algorithms    
  • Database Management Systems    
  • Linear Algebra I
  • Machine Learning and Data Mining I
  • Project in Data Science    

Semester 5

  • Machine Learning and Data Mining II    
  • Optimization Techniques    
  • Data Visualization    
  • Data Privacy and Ethics
  • Visual Programming    

Semester 6

  • Big Data    
  • Web and Social Data Mining    
  • Linear Models I
  • Technical Writing and Research    
  • Knowledge Management    

Semester 7

  • Artificial Intelligence
  • Neural Networks and Deep Learning    
  • Data Science Final Year Project I    
  • Blockchain Programming    
  • Marketing    

Semester 8

  • Data Science Final Year Project II
  • Industry Placement in Data Science    
  • Times Series Modeling and Forecasting
  • Cloud Computing    
  • Linear Algebra II

Έχει σχεδιαστεί ώστε οι απόφοιτοι του προγράμματος να ανταποκριθούν στις απαιτήσεις της μελλοντικής Οικονομίας που βασίζεται στα δεδομένα.

Προετοιμάσει τους φοιτητές για περαιτέρω μεταπτυχιακές σπουδές και έρευνα που απαιτούν εμπειρογνωμοσύνη στην Επιστήμη των Δεδομένων και αναλυτική σκέψη (όπως επιχειρηματική ανάλυση δεδομένων, χρηματοοικονομικά, υγεία, βιοπληροφορική).

Παραδείγματα πιθανών θέσεων εργασίας:

  • Data Analyst
  • Machine Learning Engineer
  • Software Engineer
  • Business Analyst
  • Στατιστικολόγος
Έχετε να μας προτείνετε κάποια διόρθωση; Επικοινωνήστε μαζί μας στο info eduguide.gr

Μεταπτυχιακά & Πτυχία σε Ελλάδα και Κύπρο