在大數據時代，為了從數據寶庫中受益，例如增強優化、改善運營、促進決策等，數據科學和工程已經成為許多領域的重要組成部分，如醫療保健、媒體與娛樂、天氣預測、交通運輸、營銷和供應鏈管理。大數據分析不僅幫助公司和研究人員發現龐大且多樣的數據集中的隱藏模式、未知關聯和重要見解，還作為新產品/應用程序創新發展的重要推動力。事實上，數據分析為問題解決提供了新的范式。

數據科學和工程涵蓋廣泛的領域，包括從大型數據集中可視化分析結果、數據安全和隱私、數據使用引發的法律問題、在大數據分析中有效應用統計理論以及將這些理論納入大數據分析引擎。

該課程以數據科學、計算、數學、統計和法律等基礎課程巧妙結合而成，旨在為學生提供數據科學與工程領域理論和實踐的高級培訓。該課程獨特之處在于強調數據隱私、數據科學專業的倫理和法律問題以及隱私保護技術。學生還可以選擇在數據密集領域追求輔修，從而將特定領域的知識與數據科學和工程技能相結合。

課程補習內容

CAES1000 核心大學英語

CAES9542 計算機科學技術英語

CENG9001 工科學生實用漢語

ENGG1320 現代世界中的工程師

ENGG1330 計算機編程 I

ENGG1340 計算機編程 II

MATH1013 大學數學 II

COMP2119 數據結構和算法概論

COMP2501 數據科學與工程概論

MATH2014 多元微積分和線性代數

STAT2601 概率與統計學 I

STAT2602 概率與統計學 II

COMP3278 數據庫管理系統概論

COMP3314 機器學習

COMP3312 數據科學中的法律和倫理

為什么選擇數據科學與工程專業?

工程背景對數據科學行業有何幫助?數據科學家對不同數據系統有深刻的理解，他們的編程能力有助于提高算法代碼的生產效率和質量。他們還具備數據清洗和檢測數據集中異常值的經驗，從而生成更準確和有效的決策。擁有從數據提取到洞察力和軟件工程等多方面技能的工程背景的數據科學家在職業上更具優勢。

反之亦然，具備數據科學技能的工程師可以在收集數據后處理大量數據。例如，土木工程師可以通過數據挖掘、傳感和分析來監測地上和地下的基礎設施狀況。化學工程師可以受益于掌握數據科學技術以處理大型數據集。

迄今為止，數據科學家的數量仍然不足。然而，許多行業已經轉向數據專家，幫助從大量數據中提取有用信息，然后利用機器學習來分析有助于業務決策和產品設計的數據。因此，在應對人才短缺問題時，彌合數據科學和工程之間的知識鴻溝尤為關鍵。接受數據分析培訓的工程師更有優勢，能夠發現更多的就業機會和突破。

通過課程補習留學生將會掌握

1.將數據科學和工程技術的知識應用于與項目結果和相關學科相適應的數據科學應用

2.將數據科學和工程技術的知識應用于數據科學應用的抽象和概念化

3.分析以數據為中心的問題，并確定和定義適合解決問題的數據科學和工程方法和技術

4.設計、實施和評估數據科學解決方案、流程、組件或項目，以滿足所需的需要，并充分考慮公共衛生與安全、社會和環境因素

5.有效地在團隊中合作，實現共同目標

6.具備專業、道德、法律、安全和社會問題的理解和責任意識

7.有效地與各種受眾進行溝通

8.分析數據科學技術對個人、組織和社會的本地和全球影響

9.認識到進行持續專業發展的需求，并具備參與的能力

10.使用當前的技術、技能和工具，以理解其限制，從而進行數據科學和工程實踐。

海馬課堂專業課程輔導，3500+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。