更新時間：2024-10-06 15:50:38作者：留學之路
我們多元化的研究生群體來自許多不同的國家和許多本科專業，包括統計、數學、計算機科學、物理、工程、信息和數據科學。雖然數據科學本科專業不是必需的，但申請人在加入之前至少要具備以下背景:
?2個學期的大學微積分
?1學期的線性或矩陣代數
?計算機入門課程
密歇根安娜堡大學數據科學專業課程：必修課程
學生必須修習下列核心課程:
MATH 465:組合學導論
EECS402為科學家和工程師編寫程序
EECS 403:科學家和工程師的數據結構
下列其中一項
?BIOSTATS 601:概率與分布
?STATS 425:概率論導論
?STATS 510:概率和分布
下列其中一項
?BIOSTATS 602:生物統計推斷
?STATS 426:理論統計入門
?STATS 511:統計推斷
所有學生必須修習下列核心課程:
EECS 409:數據科學討論會
數據管理和操作方面的專業知識
下列其中一項
?EECS 484:數據庫管理系統
?EECS 584:高級數據庫系統
下列其中一項
?EECS 485: Web系統
?EECS 486:信息檢索和Web搜索
?EECS 549/SI 650:信息檢索
?SI 618:數據操作分析
?STATS 507:使用Python進行數據科學分析
數據科學技術專業知識
以下其中一項:
?BIOSTAT 650:應用統計學I:線性回歸
?STATS 413:應用回歸分析
?STATS 500:統計學習I:線性回歸
?STATS 513:回歸和數據分析
以下其中一項:
?STATS 415:數據挖掘和統計學習
?STATS 503:統計學習II:多元分析
?EECS 545:機器學習
?SI 670:應用機器學習
?SI 671:數據挖掘:方法和應用
?BIOSTAT 626:健康科學的機器學習
頂石項目
?STATS 504:有效統計咨詢的原則和實踐
?STATS 750:定向閱讀
?EECS 599:指導研究
?SI 599-00X:計算社會科學
?SI 691:獨立學習
?SI 699-004:大數據分析
?BIOSTAT 610:閱讀生物統計學
?BIOSTAT 629:健康大數據案例研究
?BIOSTAT 698:流行病學研究中的現代統計方法
?BIOSTAT 699:生物統計調查分析
密歇根安娜堡大學數據科學專業課程：選修課
從每個類別中選擇一個。學生不得在多個類別中重復計算一門課程。選修課組必須包括至少兩門高級研究生課程。
1.數據科學原理
BIOSTAT 601 (概率分布理論)| BIOSTAT 602 (生物統計學推理)| BIOSTAT 617 (樣本設計)| BIOSTAT 626 (健康科學機器學習)| BIOSTAT 680 (隨機過程)| BIOSTAT 682 (貝葉斯分析)| EECS 501(概率和隨機過程) | EECS 502(隨機過程) | EECS 505(計算數據科學和機器學習) | EECS 551(矩陣信號處理方法,數據分析和機器學習) | EECS 553(數據壓縮的理論與實踐) | EECS 564(估計、過濾和檢測)| SI 670(應用機器學習)| STATS 451 (介紹貝葉斯數據分析)| STATS 470 (實驗設計概論)| STATS 510 (概率分布理論)| STATS 511 (統計推斷)| STATS 551 (貝葉斯建模和計算)| STATS 570 (試驗設計)
2.數據分析
BIOSTAT 645 (時間序列)| BIOSTAT 651 (廣義線性模型)| BIOSTAT 653 (縱向分析)| BIOSTAT 665 (種群遺傳學)| BIOSTAT 666 (統計模型和數值方法在人類遺傳學)| BIOSTAT 675 (生存分析)| BIOSTAT 685 (非參數統計)| BIOSTAT 695 (分類數據)| BIOSTAT 696 (空間數據) | EECS 556(圖像處理) | EECS 559(先進信號處理) | EECS 659(自適應信號處理)| STATS 414 (在應用主題數據分析)| STATS 449 (應用生存分析)| STATS 501 (統計分析相關數據)| STATS 503 (統計學習2:多變量分析)| STATS 509 (財務數據統計)| STATS 531 (時間序列分析)| STATS 600 (線性模型)| STATS 601 (多變量分析和分類數據)| STATS 605 (高級主題建模和數據分析)| STATS 700 (應用統計學的課題)