Tietojenkäsittelytieteen maisteri
upGrad
Keskeiset tiedot
Kampuksen sijainti
Online United Kingdom
Kieli (kielet
Englanti
Opintomuoto
Etäopiskelu
Kesto
20 kuukaudet
Vauhti
Osa-aikainen
Lukukausimaksut
USD 8 249
Hakemuksen määräaika
Pyydä tietoja
Aikaisin aloituspäivä
Pyydä tietoja
Apurahat
Tutki stipendimahdollisuuksia opintojen rahoittamiseksi
Johdanto
Aloita tietotieteen matka Liverpoolin John Moores -yliopiston globaalisti tunnetun mestarin kanssa.
Tärkeimmät kohokohdat
- Ilmainen Python -ohjelmointi Bootcamp
- Career Essential Soft Skills -ohjelma
- WES tunnustettu
- 500+ tuntia oppimista
- 60+ tapaustutkimusta ja hanketta
- Kahden viikon välein ryhmävalmennus teollisuuden mentorien kanssa
- Yksittäiset teollisuuden mentorit
- Oikea -aikainen epäilyksenratkaisu
- Tuki saatavilla kaikkina päivinä kello 9.00–21.00 IST kyselyille
- IIIT Bangalore & LJMU Alumni Status
Ohjelman tulos
Parhaat taidot, jotka opit
Tilastot, ennakoiva analytiikka Pythonin avulla, koneoppiminen, tietojen visualisointi, Big Data Analytics jne.
Maisterin tutkinto LJMU:sta
Liverpool John Mooresin yliopisto, Iso-Britannia, jonka perintö ulottuu vuoteen 1823, on nyt yksi Yhdistyneen kuningaskunnan suurimmista ja vakiintuneimmista yliopistoista. Se on sijoittunut Top 100 World Young Universityn ja Top 50: n joukkoon Isossa-Britanniassa Student Satisfactionin mukaan.
- Suorita kaikki kurssit saavuttaaksesi tämän arvostetun M.Sc. Tutkinto LJMU: sta, Iso-Britanniasta, aloittaaksesi urasi datatieteessä.
- Hanki pääsy LJMU: n täydelliseen digitaaliseen kirjastoon tutkiaksesi ja kirjoittaaksesi väitöskirjasi.
- Ansaitse maisterin tutkinto, jonka WES tunnustaa, 1/10 offline-ohjelman kustannuksista.
Opetussuunnitelma
Luokkansa paras sisältö johtavilta tiedekunnan ja alan johtajilta videoiden, tapausten ja projektien, tehtävien ja live-istuntojen muodossa.
Ohjelmaa edeltävä valmisteleva sisältö
- Tietojen analysointi Excelissä
- Analytiikan ongelmanratkaisu
Tietojen työkalupakki
- Johdatus Pythoniin
- Ohjelmointi Pythonissa
- Python datatieteelle
- Tietojen visualisointi Pythonissa
- Tutkiva tietojen analyysi
- Luotto-EDA-tapaustutkimus
- Inferentiaaliset tilastot
- Hypoteesin testaus
- Tietojen analysointi SQL:n avulla
- Edistynyt SQL ja parhaat käytännöt
- SQL-tehtävä: RSVP-elokuvat
Koneoppiminen
- Lineaarinen regressio
- Lineaarisen regression määritys
- Logistinen regressio
- Luokittelu päätöspuiden avulla
- Valvomaton oppiminen: Klusterointi
- NLP: n ja tekstinlouhinnan perusteet
- Liiketoiminnan ongelmanratkaisu
- Tapaustutkimus: Liidien pisteytys
Erikoistuminen - syväoppiminen
- Säkitys ja satunnainen metsä
- Lisäämällä
- Mallin valinta ja yleiset ML-tekniikat
- Pääkomponentin analyysi
- Edistynyt regressio
- Edistynyt ML-kotelo Stuy
- Aikasarja-analyysi
- Johdatus neuroverkkoihin ja ANN: ään
- Neuroverkon määritys
- Konvoluutiohermoverkot
- Konvoluutioneuroverkot - teollisuuden sovellukset
- Kohteen tunnistus ja kuvan segmentointi (valinnainen)
- Toistuvat neuroverkot
- Eleiden tunnistus
- Capstone-projekti
Erikoistuminen - Business Intelligence/Data Analytics
- Visualisointi Tableaun avulla
- Edistynyt Excel
- Visualisointi PowerBI:n avulla
- Jäsennelty ongelmanratkaisu kehysten avulla
- Tietojen tarinankerronta
- Airbnb:n tapaustutkimus
- Tietojen mallinnus
- Edistynyt SQL ja parhaat käytännöt
- Johdatus Big Dataan ja pilveen
- Analytiikka Sparkin avulla
- Big Data -tapaustutkimus
- Tietorakenteet - joukot, sanakirjat, pinot, jonot
- Hakeminen ja lajittelu
- Algoritmianalyysi + rekursio
- Edistynyt tietokantaohjelmointi pandojen avulla
- Python ja SQL Lab
- Capstone-projekti
Erikoistuminen - Tietotekniikka
- Tiedonhallinta ja relaatiotietokannan mallinnus
- Johdatus Big Dataan (valinnainen)
- Johdanto pilvi- ja AWS-asetuksiin
- Johdatus Hadoop- ja MapReduce-ohjelmointiin
- Tehtävä (valinnainen)
- NoSQL-tietokannat ja Apache HBase- ja NoSQL-tietokannat sekä MongoDB (valinnainen)
- Tietovarastointi (valinnainen)
- Tietojen käsittely Apache Sqoopin ja Apache Flumen kanssa
- Kartta vähentää ohjelmointimääritystä
- Pesä ja kyselyt
- Tehtävä (valinnainen)
- Amazonin punasiirtymä
- Johdatus Apache Sparkiin
- Projekti: ETL Data Pipeline
- AWS-pilvi-infrastruktuuri (valinnainen)
- Sparkin optimointi laajamittaiseen tietojenkäsittelyyn
- Apache Flink (valinnainen)
- Reaaliaikainen tietojen suoratoisto Apache Kafkan avulla
- Reaaliaikainen tietojenkäsittely Spark Streamingin avulla
- Tehtävä (valinnainen)
- Automaattisten dataputkistojen rakentaminen ilmavirralla
- Analytiikka PySparkin avulla
- Projekti: Reaaliaikainen tietojenkäsittely
- Capstone-projekti
Tutkimusmenetelmät
- Johdatus tutkimukseen ja tutkimusprosessiin
- Tutkimuksen suunnittelu
- Kirjallisuuden tarkastelu
- Tutkimusprojektien hallinta
- Raportin kirjoitus- ja esitystaidot
- Tieteellinen etiikka
Pro gradu -tutkielma
- Tutki noutoruokakuluttajien ruokavaliomalleja ja metaboliittisormenjälkiä PCA- ja klusterointimenetelmien avulla
- Tutki silmäsairauksien diagnoosia oftalmologisten kuvantamistietojen avulla
- Rakenna lääketieteelliset kuvat informaatiogeometrialla
- Sosiaalisen median syötteen käyttäminen luonnonkatastrofeja koskevien twiittien sijoittamiseen kartalle
- Luottokorttipetosten estäminen hahmontunnistuksen avulla
- Mediajätille suosittelujärjestelmän kehittäminen
- Rahoitustoiminnan ja investointipankkitoiminnan riskimallinnus
Pääsymaksut
Ihanteelliset opiskelijat
Kenelle tämä ohjelma on tarkoitettu?
Mikä tahansa erikoistuminen voidaan valita taustasta riippumatta. Ohjelma palvelee insinöörejä, markkinoinnin ja myynnin ammattilaisia, tuoreita, data-ammattilaisia, verkkotunnusasiantuntijoita, ohjelmisto- ja IT-ammattilaisia
Uramahdollisuudet
Edistä uraasi
- Dataanalyytikko,
- Data Scientist,
- Tuoteanalyytikko,
- Koneoppimisinsinööri,
- Liiketoiminnan analyytikko