Magister / doktor nauk o danych i analityki
Guangzhou, Chiny
Doktorat
CZAS TRWANIA
8 roku
JĘZYKI
Język angielski
TEMPO
Pełny etat, Niepełny etat
TERMIN SKŁADANIA WNIOSKÓW
15 Jun 2026
NAJWCZEŚNIEJSZA DATA ROZPOCZĘCIA
CZESNE
CNY 40 000 / per year *
FORMACIE STUDIÓW
W kampusie
* dla studentów studiów stacjonarnych | 150 000 CNY - dla studentów studiów niestacjonarnych
W erze cyfrowej, w następstwie postępów poczynionych w innowacyjnych technologiach, przetwarzanie danych rośnie w bezprecedensowym tempie. Świat oparty na danych otwiera ogromne możliwości i szanse dla firm i przedsiębiorstw ze wszystkich branż, ponieważ mogą one wykorzystywać dane do tworzenia wartości dla swojej działalności. Jako przełomowa konsekwencja rewolucji cyfrowej, nauka o danych i analityka stały się wschodzącą i interdyscyplinarną dziedziną, która wymaga wiedzy i umiejętności w wielu obszarach, takich jak informatyka, statystyka i matematyka.
Programy Master of Philosophy (MPhil) i Doctor of Philosophy (PhD) w Data Science and Analytics mają na celu ułatwienie ścisłej integracji analityki statystycznej, logicznego rozumowania i inteligencji obliczeniowej w badaniu przetwarzania i analizy danych. Programy zapewnią rygorystyczne szkolenie badawcze, które przygotuje studentów do zostania kompetentnymi badaczami, którzy są zaznajomieni z zastosowaniem logiki, matematyki, algorytmów i mocy obliczeniowej w procesie badania i analizowania danych w środowisku akademickim lub przemyśle, aby uzyskać cenne spostrzeżenia do podejmowania lepszych decyzji.
Program MPhil ma na celu zapoznanie studentów z zagadnieniami związanymi z rozwojem naukowych, edukacyjnych i komercyjnych zastosowań nauki o danych i analityki. Absolwent programu MPhil powinien wykazać się dobrą znajomością zagadnień z tej dyscypliny. Powinien być w stanie syntetyzować i tworzyć nową wiedzę, wnosząc wkład w tę dziedzinę.
Program studiów doktoranckich ma na celu rozwijanie umiejętności potrzebnych studentom do identyfikowania teoretycznych zagadnień badawczych związanych z praktycznymi zastosowaniami, formułowania i podejmowania badań, które odnoszą się do zidentyfikowanych zagadnień oraz samodzielnego znajdowania rozwiązań związanych z nauką o danych i analityką. Oczekuje się, że absolwent studiów doktoranckich wykaże się opanowaniem wiedzy w dyscyplinie oraz syntezą i tworzeniem nowej wiedzy, wnosząc oryginalny i znaczący wkład naukowy do dyscypliny.
- Stypendium dla studentów studiów doktoranckich w trybie stacjonarnym: 180 000 CNY rocznie bez dodatkowego wniosku
Podstawowe kursy interdyscyplinarne
- Metody badań interdyscyplinarnych I
- Metody badań interdyscyplinarnych II
- Interdyscyplinarne myślenie projektowe I
- Interdyscyplinarne Design Thinking II
- Projektowe myślenie projektowe oparte na współpracy
Kursy podstawowe Hub
Studenci są zobowiązani do ukończenia co najmniej jednego kursu podstawowego Hub w Centrum Informacyjnym i co najmniej jednego kursu podstawowego Hub w innym Centrum.
Kurs podstawowy Centrum Informacji
- Informatyka i technologia: podstawy i trendy
Inne kursy podstawowe Hub
- Wprowadzenie do Centrum Funkcji na rzecz Zrównoważonej Przyszłości
- Innowacje technologiczne i przedsiębiorczość społeczna
- Inżynieria systemów opartych na modelach
Kursy z wiedzy domenowej
Zgodnie z tym wymogiem każdy student musi wziąć udział w jednym obowiązkowym kursie i innych przedmiotach do wyboru, aby utworzyć indywidualny program nauczania odpowiedni do interdyscyplinarnych badań nad rozprawą. Tylko jeden kurs Independent Study może być użyty do spełnienia wymogów kursu. Aby mieć pewność, że studenci wezmą udział w odpowiednich kursach, które wyposażą ich w potrzebną wiedzę domenową, każdy student ma Program Planning cum Thesis Supervision Committee, który zatwierdza kursy, które mają być podjęte najszybciej po rozpoczęciu programu i nie później niż do końca pierwszego roku. W zależności od zatwierdzonego programu nauczania, poszczególni studenci mogą być zobowiązani do ukończenia dodatkowych punktów kredytowych poza minimalnymi wymaganiami kredytowymi.
Lista wymaganych kursów
- Eksploracja danych i odkrywanie wiedzy w nauce o danych
Przykładowa lista kursów fakultatywnych
- Automatyczne uczenie maszynowe
- Głębokie uczenie się w nauce o danych
- Zaawansowane zarządzanie bazą danych dla nauki o danych
- Zaawansowana nauka maszynowa
- Programowanie równoległe dla nauki o danych i analityki
- Podstawy nauki o danych i analityki
- Przetwarzanie danych
- Analiza danych i ochrona prywatności w Blockchain
- Eksploracja i wizualizacja danych
- Analiza danych przestrzenno-czasowych
- Wprowadzenie do nauki grafów
- Tematy specjalne
- Niezależne badanie
- Wizja komputerowa i jej zastosowania
- Optymalizacja wypukła i niewypukła I
Szkolenie asystentów dydaktycznych
- Wprowadzenie do nauczania i uczenia się w szkolnictwie wyższym
Wymagania dotyczące kursu doskonalenia zawodowego
- Rozwój zawodowy dla studentów studiów podyplomowych
- Rozwój kariery dla studentów Centrum Informacyjnego
Wymaganie w języku angielskim
- Podstawy słuchania i mówienia dla studentów studiów podyplomowych
- Komunikowanie badań w języku angielskim
Seminarium podyplomowe
- Seminarium I Programu Nauki o Danych i Analityki
- Seminarium II Programu Nauki o Danych i Analityki
Thesis Research
- Praca magisterska na temat badań
- Praca doktorska Badania
Po pomyślnym ukończeniu programu MPhil absolwenci będą mogli:
- Wykazać krytyczne myślenie i umiejętności analityczne niezbędne do rozwiązywania rzeczywistych problemów związanych z nauką o danych;
- Zastosuj szereg jakościowych i ilościowych metod badawczych w nauce o danych i analizie danych; i
- Skutecznie tłumacz i przekształcaj zaawansowane techniki badawcze w praktykę nauki o danych w dziedzinach akademickich lub w przemyśle.
Po pomyślnym ukończeniu studiów doktoranckich absolwenci będą mogli:
- Identyfikować naukowe i inżynierskie korelacje, znaczenia i spostrzeżenia w nowych modelach, algorytmach, narzędziach, zasadach, strukturach, rozwiązaniach i technikach nauki o danych i analityce;
- Wykazać krytyczne myślenie i umiejętności analityczne z perspektywy nauki o danych i analityki;
- Zastosuj szereg jakościowych i ilościowych metod badawczych w nauce o danych i analizie danych;
- Efektywne tłumaczenie i przekształcanie podstawowych spostrzeżeń badawczych w praktykę nauki o danych w dziedzinach akademickich i przemyśle;
- Ćwiczyć niezależne myślenie i wykazać się skutecznymi umiejętnościami komunikacyjnymi podczas przedstawiania i publikowania odkryć naukowych; i
- Samodzielne i kompetentne prowadzenie oryginalnych badań, wykazujące się dogłębną wiedzą w dziedzinie nauki o danych i analityki.