在過去的十年里，從手機、互聯網、傳感器和儀器中捕獲的數據量激增。捕獲這些數據是大生意，但我們如何理解這一切呢?這個專業會學習整合和應用統計和計算原理，用大規模的數據科學來解決現實世界的問題，并為自己未來的職業生涯做好準備。墨爾本大學數據科學本科課程輔導，以下是關于課程的講解。

一、專業概述

在本專業中，你將在數據分析的統計方面(數據收集、數據挖掘、建模和推理)和計算機科學原理(算法、數據結構、數據管理和機器學習)打下堅實的基礎。

二、您的專業結構

你將完成本專業作為理科學士學位的一部分。

在第一年和第二年，你將完成本專業的先決科目，包括數學、統計學和計算機。

在第三年，你將完成50分(四個科目)的數據科學的深入和專門研究。

在整個學位期間，你還將學習科學選修科目和廣度(非科學)科目。

閱讀更多關于在墨爾本大學學習數學和統計的信息。

三、核心課程

1.計算機基礎(COMP10001)

解決商業、生物、物理、化學、工程、人文和社會科學等領域的問題，往往需要通過計算機編程對數據進行操作、分析和可視化。本科目教授沒有或很少有計算機編程背景的學生如何使用高級程序性編程語言設計和編寫基本程序，并使用這些技能解決簡單問題。

本科目是計算與軟件系統和信息學專業的第一個科目，向學生介紹編程和算法思維的基礎知識。

2.線性代數 (MAST10007)

本科目在科學和技術所需的現代數學的關鍵領域提供了堅實的基礎。它發展了向量、矩陣和線性代數方法的概念。學生應該發展使用線性代數方法的能力，并獲得對數學證明的欣賞。這里的材料幾乎沒有在學校里見過，所要求的理解水平在以前的學習中是有進步的。

線性方程組，矩陣和行列式；實n空間的向量，交叉積，標量三乘積，線和平面；向量空間，線性獨立，基，維；線性變換，特征值，特征向量；內積，最小二乘估計，對稱和正交矩陣。

3.算法基礎(COMP10002)

4.線性統計模型 (MAST30025)

線性模型是現代統計學理論和實踐的核心。它們被用來將反應建模為解釋變量的線性組合，是實踐中使用最廣泛的統計模型。本課題從一系列應用領域的例子入手，發展了一個優雅的統一理論，包括模型參數的估計、二次形式、使用方差分析的假設檢驗、模型選擇、模型假設的診斷和預測。全等級模型和非全等級模型都被考慮。該理論用常見的模型和實驗設計進行了說明。

5.機器學習 (COMP30027)

機器學習是數據科學的一門核心學科，在科學、技術、社會科學和醫學領域都很普遍；它推動了我們日常使用的許多產品，如橫幅廣告選擇、電子郵件垃圾郵件過濾和社交媒體新聞源。機器學習關注的是如何從數據中做出準確的、具有計算效率的、可解釋的和穩健的推斷。機器學習最初產生于人工智能，在歷史上率先探索更復雜的預測模型并強調計算，而在過去的二十年里，機器學習越來越接近統計學，并獲得了堅實的理論基礎。

以上就是關于墨爾本大學數據科學本科課程輔導的全部內容，海馬課堂專業課程輔導，2100+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、 難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。