新加坡国立大学数据科学与机器学习理学硕士学位课程简介

数据科学与机器学习理学硕士

  MSc in Data Science and Machine Learning  

新加坡国立大学（National University of Singapore，NUS）数据科学与机器学习理学硕士（MSc in Data Science and Machine Learning）学位课程。

申请新加坡国立大学数据科学与机器学习理学硕士学位课程，2021年本课程入学申请将于2020年10月至2021年1月开放。

本硕士学位课程：

• 培养数据科学与机器学习领导者

• 具备跨学科优势

• 提供细分专业方向

• 毕业就业前景可观

01

培养数据科学与机器学习领导者

在数据科学与机器学习领域，每天都在发生新的进展。一个概念渴望被更新的概念所更迭；在不同的学科交叉点上，各种创新飞跃正马不停蹄地前进；在不同的行业垂直领域，应用所产生的新知识不断反馈为技术升级。

成为数据科学与机器学习领域的领导者，需要复合而专精的知识结构和技能，以及对未来的洞见与预判，同时也需要终身学习终身成长的坚韧与热情。

新加坡国立大学数据科学与机器学习理学硕士学位课程，旨在赋予学生特定行业/领域的数据科学与机器学习基础原理以及综合数据分析能力，以满足金融、医疗、制造业、电子商务和新能源等关键行业对大数据专业人才日益增长的需求。

除了师从学术界和业界名师，你还可以通过参与行业相关的项目模块获得深入体验以及自我指导学习的机会。

数据科学、机器学习、人工智能，这些名词已非陌生，而对于有志于从事领域内职业的潜在学习者来说，了解它们的各自的主要特征将有助于对课程的选择：

简单来说，数据科学是一门多学科专业，它融合统计学、数学和计算机科学，涵盖了如何收集数据、整合数据、可视化数据、分析数据、解释数据（见解）以及根据见解提出可行建议有关的所有方面；

机器学习是一门让计算机像人类一样学习和行动，并以动态和自主的方式随着时间的推移改进学习的科学。机器学习使编程更具可伸缩性，有助于在更短的时间内产生更好的结果；

而人工智能专注于开发像人类一样思考和行动的智能设备。这些设备经过训练，可以比人类更有效地解决问题和学习。

数据科学涉及机器学习和人工智能，广泛地为数字技术发展提供支持。在新加坡国立大学数据科学与机器学习理学硕士学位课程中，以数据科学、机器学习领域内容为主。

张洛欣教授

新加坡国立大学数据科学与机器学习

理学硕士学位课程学术主任

本课程于2020年秋季正式开展。2020年1月6日，课程学术主任张洛欣教授在《海峡时报》上分享五问五答，简明扼要地介绍了课程目标以及收益预期。

问1 这是什么课程？

答：数据科学与机器学习理学硕士是一个跨学科研究生学位课程，全日制项目时长一到两年。它将有助于满足所有行业对大数据专业人员日益增长的需求，将定量科学的毕业生转变为数据科学和分析从业人员。

问2 这门课程为谁开设？

答：该课程旨在培养数据科学领域的下一代领导者。它面向希望学习数据科学和机器学习方面的高级论题和技能的学习者，这些论题和技能对于想在政府、零售和物流、计算机视觉、医疗保健和金融等领域开展职业生涯的数据科学家、机器学习或人工智能专家是必不可少的。

问3 近年来，数据科学和机器学习变得有多重要？

答：我们现在面临着由组织、政府，甚至像你和我这样的个人生成和保留的数据量的巨大爆炸。在高度依赖新技术和大数据的未来经济中，分析和处理数据的能力已成为一项关键技能。数据科学家将能够提取数据中的意义，并使用它来指导业务决策。

问4 学生们能期待什么？

答：该课程为那些希望掌握数据科学和机器学习知识、数据分析技能的人提供了提高的机会。它为学生提供这两个领域的坚实基础，以及数据分析的计算技能。这是通过整合统计学、数学和计算，以及机器学习和人工智能来实现的。

问5 学生们从该课程毕业后能得到什么？

答：他们将做好充分准备，利用数据的力量来解决问题，并为他们的组织带来有意义的成果。

张洛欣教授个人目前的研究重点是癌症基因组学和复杂网络中的数据分析，例如他对开发生物信息工具以发现诊断和治疗癌症的生物标记物感兴趣。本课程欢迎也鼓励每一位申请人在自身感兴趣的领域展开数据科学与机器学习研究与应用，实现个性化目标。

02

具有跨学科优势

新加坡国立大学数据科学与机器学习理学硕士学位课程由理学院的数学系和统计与应用概率系、计算机学院的计算机科学系联合提供，并得到工程学院和苏瑞福公共卫生学院在教学上的大力协助。

在2020年QS世界大学学科排名（QS World University Rankings）中，新加坡国立大学在数学领域位列世界第13，在统计与运筹学领域位列世界第11，在计算机科学与信息系统领域位列世界第12，在工程技术领域位列世界第10，在生命科学与医学领域均为亚洲之首。

强大的课程背景带来雄厚的师资力量，新加坡国立大学数据科学研究拥有多学科专家，同时，课程还将纳入行业精英导师，提供行业咨询和应用项目，为学生带来前沿内容以及深入职业岗位的机会。

此外，2016年新加坡国立大学成立数据科学研究院（Institute of Data Science），该研究院致力于支持新加坡迈向智慧国家，重视凝聚多学科人才共同深入数据科学领域，从而在社会发展的众多重要领域如医药、商业及教育等方面，研发出新颖的解决方案。研究院与新加坡本地及国际企业如微软合作，开展丰富的课题项目。明年，部分研究院专家将加入数据科学与机器学习硕士学位课程，担任兼职教授。

创立于2011年的苏瑞福公共卫生学院本身即以跨学科研究为方针，在流行病学、传染病研究、卫生技术评估等领域开展研究，致力于促进群体健康和公共安全。在当前的2019冠状病毒病疫情中，学院产出的研究包括数据分析，持续支持新加坡乃至亚洲和全球的抗疫战斗。

作为跨学科专业，数据科学与机器学习的课程质量得益于多方支持，在新加坡国立大学，多种强势学科的资源共享将助力你在该领域获得令人兴奋的成长。

03

提供细分专业方向

本课程共计40学分，其中20学分为核心模块，20学分为选修模块。

▲课程结构示意

核心模块课程包括：

• 行业大数据概论

• 大规模数据驱动型推理的优化

• 机器学习基础

• 云计算

• 行业咨询和应用项目

选修模块课程需要在下列2个或2个以上研究生证书类别中至少完成5个选修模块，这里可选择的专业方向有：

• 面向数据科学家的深度学习

• 行业数据挖掘

• 行业大数据

• 计算机视觉数据科学

• 定量金融数据科学

• 物联网数据科学

• 医疗保健数据科学课程组合

• 数学课程组合 

• 统计课程组合

• 计算课程组合

通过自主组合修读模块，学生可以掌握普适的数据科学与机器学习原理，并深入自身目标专业，获得领域内经验，为进入行业角色做好准备。

04

毕业就业情景可观

全球职场社交平台LinkedIn（领英）日前发布《2020年新兴职业报告（美国）》，列出过去4年招聘大幅增长、增长趋势持续看好的15个热门职位：

其中，最热门的是人工智能专家（Artificial Intelligence Specialist），过去4年需求年增长率为74%。其特有技能为机器学习、深度学习、TensorFlow、Python、自然语言处理；对其需求最多的行业为计算机软件、互联网、信息技术和服务、高等教育、消费类电子产品等。

数据科学家（Data Scientist）以37%年增长率排在第三，其特有技能为机器学习、数据科学、Python、R、Apache Spark；对其需求最多的行业为信息技术和服务、计算机软件、互联网、金融服务、高等教育等。

数据工程师（Data Engineer）以33%年增长率排在第八，其特有技能为Apache Spark、Hadoop、Python、ETL、AWS；对其需求最多的行业为信息技术和服务、互联网、计算机软件、金融服务、医院和医疗保健等。

在领英发布的《2019年新兴职业报告（中国）》中，数据分析师（Data Analyst）位列五大新兴职业。报告还指出，在中国，数据分析师大多由技术或研究人员转型而来，五年前他们的职业身份可能是项目经理、软件工程师、商业分析师、研究员。未来，对职业化数据分析师的需求将持续增长。

更多职业岗位正在争夺数据科学与机器学习人才，例如：

• 大数据工程师（Big Data Engineer）

• 大数据系统架构师（Big Data Systems Architect）
  

• 数据挖掘工程师（Data Mining Enginner）
  

• 数据分析专家（Data Analytics Specialist）

• 数据可视化开发人员（Data Visualisation Developer）

• 机器学习工程师（Machine Learning Engineer）

• 机器学习科学家（Machine Learning Scientist） 

• 网络数据科学家（Cyber Data Scientist）

• 统计学家（Statistician）

• 生物统计学家（Biostatistician） 

• 商业分析师（Business Analyst） 

• 情报分析师（Intelligence Analyst）

• 风险分析师（Risk Analyst） 

• 定价分析师（Pricing Analyst） 

• 受众洞察分析师（Audience Insights Analyst） 
  

• 市场研究分析师（Market Research Analyst） 

• 信用风险建模分析师（Credit Risk Modelling Analyst）

• 财务分析专家（Financial Analytics Specialist）

• 人力资本分析专家（Human Capital Analytics Specialist）

• 质量保证专员（Quality Assurance Officer）

• 精算师（Actuary）

• 研究员（Researcher）

• ……

随着数据科学与机器学习在行业升级转型中的普遍应用，重大战略决策往往离不开数据科学产出的见解，以及机器学习产出的预测。人们也越来越离不开数据科学与机器学习带来相关生活服务，比如最常见电商购物个性化推荐，或者我们熟悉的视频网站个性化推荐，自动驾驶技术等等。

许多2010年尚未出现的职业，在2020年已成为或将成为左右发展趋势的关键角色之一，加入新加坡国立大学数据科学与机器学习硕士学位课程将是通往这些角色的有力一步。

05

相关要求简介

一、入学要求

申请新加坡国立大学数据科学与机器学习理学硕士学位课程，申请人应具有学士（荣誉）学位，或四年制定量科学（数学、应用数学、计算数学、统计学和物理学）学士学位，或工程学士学位。

对于大学授课语言非英语的申请人，要求通过托福（笔试最低分580分，网络考试最低分85分，写作部分最低分22分）或雅思（最低分6.0分）来证明英语水平。

二、学习方式

数据科学与机器学习理学硕士学位课程提供全日制与非全日制两种学习方式。全日制预估需要12至24个月完成课程，非全日制预估需要24到48个月完成课程。

三、毕业要求

数据科学与机器学习理学硕士学位课程毕业基本要求为：

• 学习并通过5个核心模块；

• 学习并通过5个选修模块；
  

• 获得3.00或以上的绩点。

本文部分图文信息来自http://news./

---