MS en science des données
San Francisco, États-Unis d'Amérique
DURÉE
1 Years
LANGUES
Anglais
RYTHME
À plein temps
DATE LIMITE D'INSCRIPTION
Date limite de dépôt des demandes
DATE DE DÉBUT AU PLUS TÔT
Jun 2025
FRAIS DE SCOLARITÉ
USD 39 840 / per year *
FORMAT D'ÉTUDE
Sur le campus
* les frais de scolarité par an ne sont que des estimations ; les coûts peuvent varier en fonction de l'inscription réelle aux cours
Introduction
Le programme de maîtrise ès sciences en science des données (MSDS) d'un an de l'USF propose un programme rigoureux axé sur les techniques mathématiques et informatiques dans le domaine émergent de la science des données. Le programme met l'accent sur la formulation minutieuse des problèmes commerciaux, la sélection de techniques analytiques efficaces pour résoudre ces problèmes et la communication de solutions de manière claire et créative.
Plus de 90 % de tous les diplômés depuis la création du programme en 2012 ont reçu une offre d'emploi dans les trois mois suivant l'obtention de leur diplôme dans des entreprises telles qu'Amazon, Apple, Facebook, LinkedIn, Lyft, Zillow, Twitch, Tesla, Microsoft, Pinterest et Visa.
Un programme techniquement exigeant
Le programme stimulant du programme comprend des cours de sept semaines conçus spécifiquement pour nos étudiants - ils ne sont pas proposés dans d'autres programmes ou départements. Les étudiants maîtrisent des matières d'informatique, de statistiques et de gestion telles que la régression, le grattage Web, la gestion de bases de données SQL et NoSQL, le traitement du langage naturel, les communications d'entreprise, l'apprentissage automatique, l'analyse de cluster, le développement d'applications et les compétences en entretien. Les étudiants utilisent principalement le langage de programmation Python dans leurs cours et apprennent à utiliser efficacement la technologie informatique distribuée telle que MapReduce, Hadoop et Spark, et se familiarisent intimement avec la technologie cloud telle qu'Amazon Web Services. Les étudiants ont accès au cluster de calcul GPU du Data Institute.
la faculté
Notre corps professoral représente la nature multidisciplinaire fondamentale de l'industrie des mégadonnées. Ce sont des universitaires traditionnels et des scientifiques des données qui travaillent activement sur le terrain, utilisant une expérience réelle de l'industrie pour inspirer leur enseignement. Leurs domaines d'expertise comprennent l'apprentissage en profondeur, le traitement du langage naturel, les bases de données, la modélisation statistique, l'analyse de réseau, les algorithmes, l'apprentissage non supervisé, l'apprentissage automatique, l'optimisation, l'analyse de la santé et le traitement du signal.
Admissions
Curriculum
Major Requirements (35 units)
Examen d'algèbre linéaire
- Tous les étudiants doivent réussir un examen d'algèbre linéaire avant le début du semestre d'automne pour démontrer leurs compétences. Les étudiants ont deux tentatives pour réussir l'examen et disposent de dix heures de ressources vidéo et de questions pratiques.
Cours obligatoires (35 unités)
- MSDS 501 – Calcul pour la science des données
- Fiche signalétique 504 - Probabilités et statistiques de révision
- FDS 593 - Analyse et visualisation exploratoires des données
- FDS 601 - Analyse de régression linéaire
- MSDS 603 – Entrepreneuriat en science des données
- FDS 604 - Analyse des séries chronologiques
- MSDS 605 - Stage en science des données I
- Fiche signalétique 610 – Communication pour la science des données
- MSDS 621 – Introduction à l'apprentissage automatique
- MSDS 625 - Stage en science des données II
- MSDS 627 - Stage en science des données III
- Fiche signalétique 629 - Expériences en science des données
- Fiche signalétique 630 - Apprentissage automatique avancé
- MSDS 631 – Sujets spéciaux en science des données
- MSDS 632 - Stage en science des données IV
- MSDS 633 - Éthique en science des données
- Fiche signalétique 634 - Apprentissage profond
- MSDS 689 - Structures de données et algorithmes
- FDS 691 - Bases de données relationnelles
- Fiche signalétique 692 - Acquisition de données
- Fiche signalétique 694 - Informatique distribuée
- FDS 697 - Systèmes de données distribuées
- Fiche signalétique 699 - Laboratoire d'apprentissage automatique
Seminars
- Fiche signalétique 640 - Série de séminaires I
- Fiche signalétique 641 - Série de séminaires II
- Fiche signalétique 642 - Série de séminaires III
- Fiche signalétique 643 - Série de séminaires IV
- Fiche signalétique 644 - Série de séminaires V
Résultat du programme
Students will:
- Posséder une compréhension théorique des modèles statistiques classiques (par exemple, les modèles linéaires généralisés, les modèles de séries chronologiques linéaires, etc.), ainsi que la capacité d'appliquer ces modèles efficacement
- Posséder une compréhension théorique des techniques d'apprentissage automatique (par exemple, forêts aléatoires, réseaux neuronaux, Bayes naïf, k-means, etc.), ainsi que la capacité d'appliquer ces techniques efficacement.
- Utiliser efficacement les langages de programmation modernes (par exemple, R, Python, SQL, etc.) et les technologies (AWS, Hive, Spark, Hadoop, etc.) pour extraire, nettoyer, organiser, interroger, résumer, visualiser et modéliser de grands volumes et variétés de données.
- Préparez-vous à une carrière de data scientists en résolvant des problèmes commerciaux réels, axés sur les données, avec d'autres data scientists, et en comprenant les problèmes sociaux, éthiques, juridiques et politiques auxquels les data scientists sont de plus en plus confrontés.
- Développez des compétences en communication professionnelle (par exemple, présentations, entretiens, étiquette de courrier électronique, etc.) et commencez à vous intégrer à la communauté scientifique des données de la région de la baie.
Bourses et financement
Le programme MSCS offre un nombre limité de bourses d'études fondées sur le mérite aux étudiants diplômés entrants et actuels, nationaux et internationaux, sur une base compétitive.
Bourse d'admission au MSCS
Décerné aux nouveaux candidats au MSCS dont les candidatures sont exceptionnelles, quelle que soit leur origine. Les bourses peuvent atteindre jusqu'à 5 000 $ au cours de la première année d'études.
Bourse de mérite MSCS
Décerné aux nouveaux candidats au MSCS ayant présenté des candidatures exceptionnelles de tous horizons, ou aux étudiants diplômés actuels du MSCS qui font preuve de compétences et de leadership exceptionnels. Les bourses varient approximativement de 5 000 à 10 000 $ sur un à deux semestres.
The Dean's Scholarship
Une bourse pouvant atteindre 15 000 $ à utiliser pour les frais de scolarité, la recherche et les déplacements pour les conférences. Entrez en contact avec d'autres bénéficiaires de la bourse du doyen et des dirigeants du College of Arts & Sciences. Agissez en tant que représentant du programme auprès des initiatives des donateurs de l'USF pour aider à transformer la vie d'autres étudiants de l'USF. Veuillez consulter le site Web des bourses du doyen du College of Arts and Sciences pour plus d'informations.
Double Dons Scholarship
Les anciens élèves et les étudiants actuels de l'USF peuvent bénéficier de la bourse USF Double Dons lors de leur admission. La bourse couvre 20 % des frais de scolarité du programme et ne peut pas être cumulée avec d'autres bourses USF. Des exceptions peuvent s'appliquer.
Opportunités de carrière
Les étudiants du MS en science des données bénéficient d'un solide programme de services de carrière interne ainsi que d'un accès au Career Services Center fourni par l'Université. Le programme interne est conçu par nos professeurs spécifiquement pour nos étudiants.
Ateliers sur les techniques d'entretien et la carrière
Tous les étudiants doivent suivre 10 heures de formation aux techniques d'entretien en dehors des heures de cours prévues par le programme. Cela comprend une série d'ateliers qui couvrent le coaching de recherche d'emploi, la préparation de CV et de lettres de motivation, les entretiens techniques, la négociation salariale, etc. Chaque année, le programme invite les anciens élèves à animer des simulations d'entretien avec les étudiants actuels afin de leur fournir des exercices et des commentaires précieux.