Brive logo
Η πλατφόρμα
image/svg+xml
Ανακάλυψε τις επαγγελματικές κλίσεις σου ανάμεσα σε 270 εξειδικεύσεις
Δες πόσο ταιριάζεις με χιλιάδες προγράμματα σε όλον τον κόσμο
Κλείσε online ραντεβού, για να λάβεις βοήθεια στην αίτησή σου
Κάνε online αίτηση σε πανεπιστήμια όλου του κόσμου μέσα από την ίδια πλατφόρμα
Στηρίζουμε κάθε βήμα σου, με στόχο την εισαγωγή σου σε μία από τις top επιλογές σου
Συγκέντρωσε πόντους και κέρδισε cashback κάνοντας την αίτησή σου μέσω Brive
Αναζήτηση
Προπτυχιακά
image/svg+xml
Πληροφορική & Τεχνολογία
image/svg+xml
Πτυχίο σε Επιστήμη Δεδομένων (BSc) - Πανεπιστήμιο Λευκωσίας
Αίτηση μέσω Brive
Συμπλήρωσε την αίτησή σου για αυτό το πρόγραμμα, και τα υπόλοιπα τα αναλαμβάνουμε εμείς!
Λαμβάνεις δωρεάν έλεγχο/κατάθεση αίτησης
Αυξάνεις τις πιθανότητες εισαγωγής σου
Είμαστε επίσημοι αντιπρόσωποι στην Ελλάδα
ΠΡΟΠΤΥΧΙΑΚΑ

Πτυχίο σε Επιστήμη Δεδομένων (BSc) - Πανεπιστήμιο Λευκωσίας

University of Nicosia
ΛευκωσίαΚύπρος
On campus
Full-time
€9,540.00€8,586.00/έτος
 1202 Πόντοι
Διάρκεια
4 Έτη
Γλώσσα
Αγγλικά
Αιτήσεις έως
Σεπ 2024
Έναρξη
Σεπ 2024

Περιγραφή Προγράμματος

Στόχος στο πτυχίο σε Επιστήμη Δεδομένων (BSc) είναι να παρέχει 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.

Προϋποθέσεις Εισαγωγής

Καλύπτεις τα κριτήρια;

Κάνε εγγραφή, διάβασε τις προϋποθέσεις εισαγωγής και δες τη συμβατότητά σου.

Σκοπός Προγράμματος

  • Προσφέρει στους φοιτητές τις τεχνικές και αναλυτικές δεξιότητες που απαιτούνται για την απόκτηση, τη διαχείριση, την ανάλυση και την εξαγωγή γνώσης από τα δεδομένα.
  • 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.
  • 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.
  • Δώσει τη δυνατότητα στους φοιτητές να αξιολογήσουν το επίπεδο ιδιωτικότητας και ασφάλειας μιας τεχνικής λύσης σε ένα πρόβλημα επιστήμης των δεδομένων.
  • 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).
  • Καλλιεργήσει μια συνείδηση κοινωνικής ευθύνη και ικανότητες ανεξάρτητης μάθησης.
Περισσότερα

Μαθησιακά Αποτελέσματα

  • Εφαρμόζουν θεωρίες και μεθοδολογίες από μαθηματικά, στατιστική και πληροφορική για την επίλυση προβλημάτων του πραγματικού κόσμου που σχετίζονται με τα δεδομένα.
  • Εφαρμόζουν σύγχρονες τεχνολογίες πληροφορικής, όπως μηχανική μάθηση και εξόρυξη δεδομένων, Τεχνητή Νοημοσύνη, παράλληλη και κατανεμημένη υπολογιστική, για την επίλυση πρακτικών προβλημάτων που χαρακτηρίζονται από μεγάλα δεδομένα.
  • Υλοποιούν αλγόριθμους για βασικές εργασίες Επιστήμης Δεδομένων όπως μηχανική μάθηση και εξόρυξη δεδομένων, στατιστική συμπερασματολογία κλπ., χρησιμοποιώντας μια γλώσσα υψηλού επιπέδου που είναι κατάλληλη για την επιστήμη των δεδομένων (π.χ. Python, R).
  • Εφαρμόζουν διαχείριση δεδομένων για τον καθαρισμό, το μετασχηματισμό και την αναζήτηση δεδομένων.
  • Επιλέγουν και να εφαρμόζουν κατάλληλους αλγόριθμους μηχανικής μάθησης και εργαλεία λογισμικού για την ανάλυση δεδομένων.
  • Απεικονίζουν δεδομένα και να εφαρμόζουν διαδικασίες συμπερασμάτων για την ανάλυση δεδομένων και την ερμηνεία και επικοινωνία των αποτελεσμάτων.
  • Αξιολογούν θέματα ιδιωτικότητας και ασφάλειας που προκύπτουν στα διάφορα στάδια διαχείρισης δεδομένων.
  • Επιδεικνύουν επαγγελματική και ηθική ευθύνη όσον αφορά την ιδιοκτησία, την ασφάλεια και την ευαισθησία των δεδομένων.
  • Επικοινωνούν αποτελεσματικά τεχνικές ιδέες μέσω προφορικών παρουσιάσεων και γραπτών εκθέσεων.
Περισσότερα

Κορμός Μαθημάτων

1ο Έτος

1ο Εξάμηνο

Introduction to Data Science

Programming Principles I

Discrete Mathematics

Calculus I

English Composition

2ο Εξάμηνο

Programming Principles II

Software Development Tools for Data Science

Calculus II

Probability and Statistics I

Principles of Sociology

2ο Έτος

3ο Εξάμηνο

Data Structures

Data Programming

Probability and Statistics II

Linear Algebra I

Elements of Biology

4ο Εξάμηνο

Algorithms

Database Management Systems

Bayesian Statistics

Machine Learning and Data Mining I

Project in Data Science

3ο Έτος

5ο Εξάμηνο

Machine Learning and Data Mining II

Optimization Techniques

Data Visualization

Data Privacy and Ethics

Visual Programming

6ο Εξάμηνο

Big Data

Web and Social Data Mining

Linear Models I

Technical Writing and Research

Knowledge Management

4ο Έτος

7ο Εξάμηνο

Artificial Intelligence

Neural Networks and Deep Learning

Data Science Final Year Project I

Blockchain Programming

Marketing

8ο Εξάμηνο

Data Science Final Year Project II

Industry Placement in Data Science

Times Series Modeling and Forecasting

Cloud Computing

Linear Algebra II

Χρειάζεσαι βοήθεια στην αίτησή σου;

Προγραμμάτισε, σήμερα, μία δωρεάν συμβουλευτική συνεδρία μαζί μας!

Παρόμοια προγράμματα