Brive logo
Σπουδές
Ξεκλείδωσε
Αναζήτηση
Μεταπτυχιακά
image/svg+xml
Πληροφορική & Τεχνολογία
image/svg+xml
Επιστήμη Δεδομένων (Distance)
Κάνε αίτηση στο πρόγραμμα
Είμαστε επίσημοι συνεργάτες! Ολοκλήρωσε την αίτησή σου δωρεάν και εξασφάλισε προνόμια!
Αυξάνεις τις πιθανότητες εισαγωγής σου, λαμβάνοντας δωρεάν έλεγχο στην αίτησή σου
Εξασφαλίζεις εξατομικευμένη υποστήριξη, έως και την έναρξη των σπουδών σου
Αποθηκεύεις την αίτησή σου για αργότερα, ενώ ξεκλειδώνεις και το "one-click apply"
ΜΕΤΑΠΤΥΧΙΑΚΑ

Επιστήμη Δεδομένων (Distance)

University of Nicosia
Λευκωσία, Κύπρος
E-learning
€12,060.00σύνολο
 1206 Πόντοι
Διάρκεια
1 Έτος, 6 Μήνες
Γλώσσα
Αγγλικά

Περιγραφή Προγράμματος

Στόχος του προγράμματος είναι να καλλιεργήσει στους φοιτητές προηγμένες τεχνικές δεξιότητες και βαθιά κατανόηση της επιστήμης των δεδομένων. Επιπλέον, το πρόγραμμα θα βοηθήσει τους σπουδαστές να αναπτύξουν ερευνητικές δεξιότητες ώστε να μπορούν να σχεδιάσουν νέες επιστημονικές μεθόδους που θα ωθήσουν τα όρια αυτού του αναδυόμενου πεδίου. Οι μαθησιακοί στόχοι αλλά και τα προσόντα που θα αποκτήσουν οι φοιτητές έχουν σχεδιαστεί σε συνεργασία με εταιρείες και οργανισμούς που εφαρμόζουν στην πράξη αυτές τις τεχνολογίες.

Η επιστήμη των δεδομένων είναι μια εφαρμοσμένη καινοτόμα επιστήμη που επηρεάζει πολλούς τομείς βιομηχανίας (από την Πληροφορική και τις Επικοινωνίες έως την Ιατρική, τη Δημοσιογραφία και τα Οικονομικά). Το Πανεπιστήμιο Λευκωσίας έχει αναπτύξει συνεργασίες με καθηγητές που προέρχονται από διάφορους βιομηχανικούς τομείς και ένα πρόγραμμα σπουδών που έχει σχεδιαστεί από κοινού με τις βιομηχανίες αυτές.

Το πρόγραμμα θα εκπαιδεύσει καλά καταρτισμένους επιστήμονες δεδομένων, οι οποίοι θα μπορούν να συλλέγουν προδιαγραφές, να σχεδιάζουν καινοτόμες λύσεις τις οποίες θα μπορούν να εφαρμόζουν και να αξιολογούν.

Προϋποθέσεις Εισαγωγής

Σου ταιριάζει αυτό το πρόγραμμα;
Το τεστ συμβατότητας θα στο αποκαλύψει σε αριθμούς!
Εκπαίδευση
Πτυχίο Πανεπιστημίου - Bachelor's Degree
6
ή
Πτυχίο ΤΕΙ
6
Επίπεδο Αγγλικών
IELTS
6
ή
TOEFL (paper based)
550
ή
Cambridge Proficiency (CPE)
C
ή
Cambridge Advanced (CAE)
B
ή
IGCSE
C
ή
International Baccalaureate
4.0
Σημειώσεις:

Πληροφορίες σχετικά με τα κριτήρια εισδοχής:

  • Προπτυχιακός τίτλος σπουδών σε θετικές (και συναφείς με αυτές) επιστήμες όπως: Επιστήμη Υπολογιστών, Μηχανικών Υπολογιστών, Μαθηματικών, Φυσικής, Βιολογίας, Οικονομικών, Ηλεκτρολόγων Μηχανικών, από αναγνωρισμένο πανεπιστήμιο
  • Προσωπική Έκθεση: Μια επιστολή που περιγράφει τις ικανότητες και δυνατά σημεία του υποψηφίου και παραθέτει τις σκέψεις του σχετικά με τις προσδοκίες του από το πρόγραμμα σπουδών και την εξέλιξη της σταδιοδρομίας του μέσα και μετά από αυτό.
  • Βιογραφικό σημείωμα που αναφέρει τις σπουδές του υποψηφίου, την ακαδημαϊκή και την επαγγελματική εμπειρία, δημοσιεύσεις (αν υπάρχουν), βραβεία κ.λπ.

Άλλα αποδεκτά προσόντα:

  • Σε περίπτωση που δεν υπάρχουν συγκεκριμένα μαθήματα, ο/η υποψήφιος/α θα πρέπει να υποβάλει τεκμήρια / πιστοποιητικά από αναγνωρισμένους οργανισμούς που αποδεικνύουν αυτή του τη γνώση.
  • Οι φοιτητές θα πρέπει να προσκομίσουν αποδεικτικά βασικών γνώσεων (όπως πιστοποιητικό από αναγνωρισμένο ίδρυμα ή άλλο είδος τεκμηρίωσης) προγραμματισμού (βασικές αρχές) και μαθηματικών (πιθανότητες ή/και στατιστική ή/και γραμμική άλγεβρα ή/και ανάλυση) εκτός αν αυτό το υπόβαθρο είναι προφανές από τη λίστα μαθημάτων των προηγούμενων σπουδών τους.

Πληροφορίες Αγγλικής γλώσσας:

  • Computer-based TOEFL: 213 και άνω
  • Anglia Examinations: Proficiency or Mastery
  • Michigan Language Assessment: 750 και άνω

Λοιπά απαιτούμενα έγγραφα:

  • Κατάλογος μαθημάτων και βαθμοί των προηγούμενων σπουδών. Ο υποψήφιος πρέπει να υπογραμμίσει τα μαθήματα που αποδεικνύουν τη βασική γνώση του προγραμματισμού και των μαθηματικών.

Περισσότερες πληροφορίες:

  • Μπορεί να υπάρξει ένα πρόσθετη χρέωση αίτησης από αυτό το Πανεπιστήμιο.

Σκοπός Πτυχίου

Πιο συγκεκριμένα, το πρόγραμμα αποσκοπεί στο να:

  • Προσφέρει τις τεχνικές και αναλυτικές δεξιότητες που απαιτούνται για την ανάκτηση, διαχείριση, ανάλυση, και εξαγωγή γνώσης από ετερογενείς πηγές δεδομένων. Θα αναπτυχθούν κρίσιμες δεξιότητες οι οποίες θα βοηθήσουν τους φοιτητές να λαμβάνουν αποφάσεις σχετικά με τον κατάλληλο αγωγό ανάλυσης δεδομένων. Οι φοιτητές θα μπορούν να συλλέγουν προδιαγραφές, να σχεδιάζουν, να εφαρμόζουν και να αξιολογούν λύση ανάλυσης δεδομένων.
  • Προσφέρει τα απαραίτητα μαθηματικά θεμέλια που θα επιτρέψουν στους φοιτητές να διαμορφώσουν και να συνθέσουν κατάλληλα μοντέλα επιστήμης δεδομένων και να εφαρμόσουν τεχνικές βελτιστοποίησης αντιμετωπίζοντας τις διάφορες προκλήσεις της ανάλυσης δεδομένων.
  • Δώσει την ευκαιρία στους φοιτητές να αναπτύξουν δεξιότητες προγραμματισμού για δεδομένα σε διάφορα πεδία εφαρμογής και να αντιμετωπίσουν πιθανές προκλήσεις (Δεδομένα Μεγάλου Όγκου, Θορυβώδη Δεδομένα, κλπ.).
  • Προσφέρει τη δυνατότητα στους φοιτητές να αξιολογήσουν και να αναπτύξουν λύσεις σε θέματα ιδιωτικότητας, ηθικής και δεοντολογίας που προκύπτουν κατά την εφαρμογή της αναλυτικής δεδομένων.
  • Αποκτήσει ο φοιτητής επίγνωση των προκλήσεων που αντιμετωπίζει ένας επαγγελματίας όταν μεταβαίνει από τη θεωρία στην πράξη και να γνωρίζει πώς να ξεπεράσει αυτές τις προκλήσεις. Για το σκοπό αυτό, το πρόγραμμα έχει αναπτύξει συνεργασίες με από διάφορους βιομηχανικούς τομείς.
  • Δώσει την ευκαιρία στον σπουδαστή να δουλέψει με πραγματικό κόσμο και πραγματικά δεδομένα σε συνεργασία με βιομηχανικούς συνεργάτες. Οι φοιτητές θα αποκτήσουν πρακτική εμπειρία με τις τελευταίες εξελίξεις στο χώρο όπως η βαθιά μάθηση και η ενισχυτική μάθηση.
  • Προετοιμάσει τους φοιτητές ώστε να μπορέσουν να εκπονήσουν διδακτορική διατριβή στην επιστήμη των δεδομένων ή σε οποιοδήποτε άλλο πεδίο όπου απαιτούνται δεξιότητες επιστήμης των δεδομένων (π.χ. βιοπληροφορική, υπολογιστική κοινωνική επιστήμη, δημοσιογραφία βάσει δεδομένων, κτλ).
  • Καλλιεργήσει μια συνείδηση κοινωνικής ευθύνη και ικανότητες ανεξάρτητης μάθησης.
Περισσότερα

Κορμός Μαθημάτων

1ο Εξάμηνο

Data Programming

Mathematics for Data Science

Data Privacy and Ethics

2ο Εξάμηνο

Machine Learning

Managing and Visualizing Data

Research Seminars and Methodology

Project in Data Science

3ο Εξάμηνο

Deep and Reinforcement Learning

Big Data Management and Processing

Artificial Intelligence

Thesis

Μαθησιακά Αποτελέσματα

Μετά την επιτυχή ολοκλήρωση αυτού του προγράμματος, ο φοιτητής θα μπορεί να:

  • Συλλέξει απαιτήσεις, σχεδιάσει, εφαρμόσει και να αξιολογήσει την απόδοση μιας λύσης Επιστήμης Δεδομένων.
  • Διεξάγει έρευνα και να αναπτύξει καινοτόμες μεθόδους στην Επιστήμη των Δεδομένων ή σε οποιοδήποτε άλλο διεπιστημονικό πεδίο που απαιτεί τέτοια εξειδίκευση (π.χ. Βιοπληροφορική, Δημοσιογραφία, Υπολογιστική Κοινωνική Επιστήμη, Επιχειρηματική Ευφυία, κτλ).
  • Αναγνωρίζει και να επικοινωνεί τα θέματα ιδιωτικότητας και ηθικής που προκύπτουν από την εφαρμογή εργαλείων Επιστήμης Δεδομένων. Οι απόφοιτοι θα είναι σε θέση να συνθέσουν λύσεις που επιλύουν τα θέματα αυτά.
  • Εργαστεί παραγωγικά και σε αρμονία με μία διεπιστημονική ομάδα εργασίας. Ο απόφοιτος θα είναι σε θέση να επικοινωνεί σε τεχνικό αλλά και μη-τεχνικό επίπεδο.
  • Σχεδιάσει λύσεις για τις πραγματικές προκλήσεις της εξόρυξης δεδομένων (δεδομένα μεγάλου όγκο, ροές δεδομένων, ετερογενή δεδομένα, θορυβώδη δεδομένα κλπ.)
  • Συνθέσει αναφορές και παρουσιάσεις με σκοπό να γνωστοποιεί τα αποτελέσματα των αναλύσεων και να επιχειρηματολογήσει σε σχέση με αυτά.
  • Γνωρίζει, συγκρίνει και συνδυάζει τις τελευταίες εξελίξεις στην επιστήμη των δεδομένων, τη μηχανική μάθηση και την τεχνητή νοημοσύνη και να εφεύρει καινοτόμες εφαρμογές με κοινωνική και επιχειρηματική αξία.
Περισσότερα

Τα σχόλια των Brivers

Άφησε το δικό σου σχόλιο
Θες να δεις τα σχόλια των Brivers;
Για να διαβάζεις ή να κάνεις σχόλια, συνδέσου ή εγγράψου στην πλατφόρμα!

Αναζητάς το κατάλληλο πρόγραμμα;

Προγραμμάτισε, σήμερα, μία δωρεάν συμβουλευτική συνεδρία με έναν ειδικό!
NEWSLETTER
Τα πιο brive νέα απευθείας στο inbox σου... Κάνε την εγγραφή σου!
Δέχομαι να λαμβάνω νέα και συναινώ το Brive να διαχειρίζεται τα στοιχεία μου με ασφάλεια, όπως ορίζει η
 
Πολιτική Απορρήτου
© Brive.com | All Rights Reserved.