ECONOMIE POLITIQUE

Master en science des données appliquées

Le Master en science des données appliquées de l' University of Bay Area propose un programme complet conçu pour vous doter des compétences nécessaires pour exceller dans le monde actuel, axé sur les données. Au cours de 36 unités , vous explorerez en profondeur les domaines clés de la science des données, des statistiques fondamentales aux techniques de pointe en IA et en machine learning. Cours de base (36 unités) : Probabilités et statistiques pour la science des données Comprendre les principes fondamentaux des probabilités et des statistiques, en se concentrant sur leurs applications en science des données. Programmation avec Python Apprenez les compétences essentielles de programmation en Python, l’un des langages les plus utilisés pour la science des données.Inférence statistique et processus stochastiques Explorer les méthodes statistiques et les processus stochastiques pour analyser et faire des prédictions à partir des données.Systèmes de collecte et de gestion des données Acquérir une expertise dans la conception et la gestion de systèmes de collecte de données et garantir la qualité et l’intégrité des ensembles de données.Visualisation des données pour la science des données Maîtrisez l’art de présenter clairement des informations de données complexes grâce à de puissantes techniques de visualisation de données.Analyse et prévision des séries chronologiques Apprenez à analyser les données dépendantes du temps et à développer des modèles prédictifs pour prévoir les tendances futures.Inférence causale avancée Plongez dans des méthodes avancées pour identifier et estimer les relations causales dans les données.Conception et analyse d'expériences en science des données Étudier la conception expérimentale et les méthodes statistiques pour analyser les données d’expériences contrôlées.Sujets avancés en apprentissage automatique Explorez des sujets de pointe en matière d’apprentissage automatique, notamment l’apprentissage en profondeur, l’apprentissage par renforcement et les techniques d’évaluation de modèles.Réseaux neuronaux et apprentissage profond Comprendre la théorie et l’application des réseaux neuronaux, pierre angulaire de l’IA moderne, et des modèles d’apprentissage en profondeur comme les réseaux neuronaux convolutifs et récurrents.Big Data : Exploitation d'ensembles de données massifs