硕士课程要求
硕士课程要求完成两个ru和至少30分的分级课程。一个典型的课程值得三分。
学生必须完成：
- 三门必修的核心课程，
- 一个顶峰课程，以及
- 六门选修课（三分制）：必须至少统计三门（三分制）课程。
- 三（1分）选修课程可以弥补一（3分）选修课。
学生必须在任何可以计入毕业的课程中获得成绩。可以选择通过/不及格或r学分的课程，但不计入毕业。
在课程注册之前，每个学期，学生必须与分配的教务顾问会面以批准他们的学习计划。与他或她的顾问会面是学生的责任。
在本学期中，在学业上遇到困难的学生应立即与他们的教职顾问联系。在更改课程注册之前，学生必须先与顾问商量。
必修课： 三门核心课程加一门顶点课程。
要求的3个核心课程：
- gr5203：概率（3分）
- gr5204：推断 （3分）
- gr5205：线性回归模型（3分）
大多数学生在第一学期参加这三个核心课程。具有概率和推理背景的学生应选择半学期的概率和推理课程。 无论以前的背景如何，都不能放弃核心课程。
除上述三门核心课程外，还需要一门基础课程。如果需要，我们欢迎学生参加这两个重点课程。在这种情况下，一个将被视为顶峰，另一个将被视为经批准的选修课。
capstone课程选项：
- gr5291高级数据分析（3分）–在第二学期或最后一学期进行。
- gr5242高级机器学习（3分）– gr5241是本课程的前提条件*
选修课
除四门核心课程外，学生还必须完成至少六门（三分）经其教职顾问批准的选修课。经教务顾问批准，必须从统计部至少选出三（3分）名选修课。
- 三门经批准的（1-pt）选修统计学课程可构成一门（3-pt）选修或
- 一个（4-pt）选修课可以与两个（1-pt）选修课一起组成两个（3-pt）批准的选修课，依此类推。
可以根据学生的兴趣领域选择选修课。为了算毕业，必须选修一个等级。可在此处找到部分经批准的选修课 。
*数据科学序列
为专门为统计硕士课程的学生设计的数据科学的全面基础，建议按照以下顺序进行：
- gr5206统计计算和数据科学概论–大多数入学学生应在第一学期将此作为统计选修课。
- gr5241统计机器学习（前提：gr5206）–这将被视为另一种统计选修课。
- gr5242高级机器学习（前提：gr5241）–这可以作为入门课程。
如有任何问题，欢迎咨询：17710311565
