你好,我想問一下澳大利亞阿德萊德大學(xué)Data science課程有必要預(yù)習(xí)嗎?因?yàn)槲覀儸F(xiàn)在還沒正式開學(xué),業(yè)余時(shí)間比較充裕,所以我就想先看一看開學(xué)之后要學(xué)的內(nèi)容,不知道這些課用不用預(yù)習(xí)?
澳大利亞阿德萊德大學(xué)Data science課程旨在幫助同學(xué)建立編程(Python、R和Julia)、數(shù)學(xué)和統(tǒng)計(jì)數(shù)據(jù)科學(xué)方面的核心技能。使同學(xué)了解數(shù)據(jù)科學(xué)技術(shù)如何推動(dòng)組織、行業(yè)和社區(qū)的變革,從而能夠用數(shù)據(jù)來回答相關(guān)領(lǐng)域的問題。對(duì)于中國學(xué)生而言,提前預(yù)習(xí)課程是很有必要的。因?yàn)檫@樣不僅可以使同學(xué)熟悉未來所要學(xué)習(xí)的內(nèi)容,還能幫助同學(xué)快速適應(yīng)澳洲的教學(xué)模式和語言環(huán)境,以更好地狀態(tài)來面對(duì)學(xué)習(xí)上的挑戰(zhàn)。以下是建議預(yù)習(xí)的課程,同學(xué)如果有預(yù)習(xí)的打算,可以適當(dāng)進(jìn)行參考哦。
一、COMP SCI 7210 計(jì)算機(jī)科學(xué)基礎(chǔ)A
該課程將培養(yǎng)同學(xué)的編程和解決問題的技能,重點(diǎn)是數(shù)據(jù)和數(shù)據(jù)科學(xué)。同學(xué)將學(xué)習(xí)算法設(shè)計(jì)以及基本的編程概念,如數(shù)據(jù)、選擇、迭代、數(shù)據(jù)抽象和組織。同學(xué)將建立基本的軟件開發(fā)技能,包括Python編程語言和工具的使用、調(diào)試、測(cè)試以及良好編程實(shí)踐、風(fēng)格和設(shè)計(jì)的基礎(chǔ)。
二、COMP SCI 7211 計(jì)算機(jī)科學(xué)基礎(chǔ)B
該課程將介紹用Python構(gòu)建數(shù)據(jù)科學(xué)應(yīng)用程序的基本概念。內(nèi)容涉及面向?qū)ο蠡A(chǔ)x001A方法和類;算法和問題解決,問題解決過程和策略;算法的計(jì)算復(fù)雜性;軟件開發(fā)工具和技術(shù),測(cè)試(黑盒),要求;大規(guī)模數(shù)據(jù)集的表示和操作。
三、MATHS 7027 數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ)
該課程介紹了與計(jì)算機(jī)科學(xué)相關(guān)的基本數(shù)學(xué)概念,并為數(shù)據(jù)科學(xué)、統(tǒng)計(jì)機(jī)器學(xué)習(xí)和網(wǎng)絡(luò)安全的進(jìn)一步研究生學(xué)習(xí)提供了基礎(chǔ)。主題涉及:概率(集合,計(jì)數(shù),概率公理,貝葉斯定理);優(yōu)化和微積分(微分、積分、多變量函數(shù)、級(jí)數(shù)逼近);線性代數(shù)(向量和矩陣,矩陣代數(shù),向量空間);離散數(shù)學(xué)和統(tǒng)計(jì)(線性回歸,線性最小二乘法,正則化)。該理論在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)方面的應(yīng)用將得到發(fā)展。
四、MATHS 7107 數(shù)據(jù)馴服
該課程介紹了如何使用統(tǒng)計(jì)方法在雜亂的數(shù)據(jù)集中爭(zhēng)論、尋找關(guān)系并做出預(yù)測(cè)。課程研究了整理數(shù)據(jù)的原理、數(shù)據(jù)類型和數(shù)據(jù)格式、探索性數(shù)據(jù)分析、數(shù)據(jù)轉(zhuǎn)換,以及使用統(tǒng)計(jì)機(jī)器學(xué)習(xí)工具進(jìn)行模型擬合和預(yù)測(cè)。重點(diǎn)將是介紹數(shù)據(jù)科學(xué)應(yīng)用程序的R編程,特別是通過真實(shí)世界的案例研究。
五、STATS 7022 數(shù)據(jù)科學(xué)PG
該課程將介紹現(xiàn)代數(shù)據(jù)科學(xué)的基本概念,提供處理真實(shí)、雜亂數(shù)據(jù)的工具,使同學(xué)理解適當(dāng)?shù)氖褂梅椒?,發(fā)展安全使用這些工具的能力。主題涉及:數(shù)據(jù)結(jié)構(gòu);回歸模型,包括套索回歸、嶺回歸和樣條非線性;分類模型,包括邏輯回歸、線性判別分析、支持向量機(jī)和隨機(jī)森林;主成分分析、k-means、層次聚類等無監(jiān)督學(xué)習(xí)方法。
上述五門均為澳大利亞阿德萊德大學(xué)Data science碩士核心課程,同學(xué)如果能夠提前把這幾門課預(yù)習(xí)好,那么之后的學(xué)習(xí)會(huì)輕松很多。