我们的数据科学理学硕士课程获得了纽约州的认可，并为数据科学的基础知识和应用提供了强大的背景。
该课程可以在两个学期（秋季/春季）或三个学期（秋季/春季/秋季）的全日制学习中完成。这两个学期的课程适用于具有计算机科学和数学背景的高学历课程，并且急于承担相对较重的课程负荷（每学期四门课程）以便快速毕业的学生。在三个学期的版本中，学生每学期修三门课程，学生会在夏季的春季和秋季学期之间找到实习机会。我们的计划为学生提供了与公司招聘人员会面的机会，并提供了有关申请实习的建议，但我们不保证可以实习。
该计划是为具有科学，工程，数学或商业任何背景的学生设计的。我们欢迎职业中期的申请者以及刚大学毕业的学生。准学生应具有编程经验，并应熟悉大学一年级的数学。
该程序的组件如下：
· 对于没有扎实的计算机科学背景的学生，可选的夏季衔接课程。
· 四门必修的核心课程 共16个学分。学生可以选修一门或多门必修的核心课程，但仍需完成该课程要求的30个学分。
· 一个必需的4学分的学习 中，在一个团队的学生作品来实现与每个学生提供一个最终的口头介绍一个显著系统或分析。研究所内部的两个教职员工组成的委员会将评估最终的口头陈述，以便作为硕士毕业考试。
· 从地区课程 或研究中选出的三个选修课 ，总计10个学分或以上。一些地区课程具有学生必须满足的前提条件。一个区域修读八学分或以上，将构成一个集中，但不要求集中。
· 研究最多只能获得6个学分。研究不能代替实践。
一共有30个学分需要完成的程序（不衔接课程）和学生将完成计划有稍多于30个学分，这取决于他们选择选修课程的区域。
核心课程
· scc 462：统计计算导论（每年秋天提供）
· scc 465：中级统计和计算方法（每年春季提供；前提：scc 462或同等学历）
实习
· scc 483：数据科学实践 课程（将于最后一学期开学，秋季和春季提供）
地区课程
在三个领域中至少需要10个学分。尽管不必为毕业而集中注意力，但在一个特定领域中，有八门或以上的学分将被视为集中。
学生可以选择以适当的权限代替区域研究课程来代替独立研究（scc 491）。学生也可以使用具有适当权限的1-2个实习学分（scc 494）。一个学习计划不得使用超过6个学分/实习学分。研究不能代替实践课程（scc483。）
尽管我们试图指出该学期提供的课程，但请注意，预定课程可能会有所变化。一些课程可能会中断，并可能提供与数据科学相关的新课程。
计算和统计方法
· scc 401：数据科学工具（秋季和春季）
· scc 475：数据科学中的时间序列分析和预测（下降）
· scc 481：医疗保健中的人工智能和深度学习（2020年秋季不提供）
· csc 412：人机交互（秋季，2018年秋季未提供）
· csc 442：人工智能（秋季和春季）
· csc 446：机器学习（春季）
· csc 444：人工智能中的知识表示和推理（秋季）
· csc 447：自然语言处理（秋季）
· csc 448：统计语音和语言处理（每隔秋天）
· csc 449：机器视觉（下降）
· csc 452：计算机组织（春季）
· csc 458：并行和分布式系统（春季）
· csc 482：高效算法的设计和分析（秋季）
· csc 486：计算复杂度（下降）
· csc 576：数据管理中的高级主题（秋季）
· csc 577：计算机视觉中的高级主题（秋季）
· csc 578：深度学习（春季）
· cssp 519：通用线性方法进行数据分析ii（春季）
· bst 421w / stt 221w：采样技术（下降）
· ece 440：随机过程分析 （秋季）
· ece 441： 检测估计理论（春季）
· ece 442：网络科学分析 （春季）
· ece 443：推理估计的概率模型（秋季，2018-19年未提供）
· ece 477 / csc 464计算机试听（秋季）
· eesc 414：地球科学数据分析（秋季）
· eesc 421：定量解决环境问题（春季）
· ling 424：计算语言学导论（秋季）
· ling 450：语言学数据科学（春季）
· ling 470：语言文档工具（秋季）
· ling 481：计算语言学的统计和神经方法（春季）
· phys 403：数据科学i：大数据集的现代统计和探索（春季）
· phys 525：数据科学ii：复杂性和网络理论（秋季）
· phys 573：物理与金融
健康与生物医学
· biol 453：计算生物学（春季）
· biol 457l：带有实验室的应用基因组学（秋季）
· bst 432：高维数据分析（下降）
· bst 433：计算系统生物学简介（2018-19年未提供）
· bst 467：生物医学中的应用统计学（春季）
· bcsc 547：计算神经科学导论（每隔一个春季，于2019年春季提供）
· bcsc 512：齿轮科学中的计算方法（每隔一个秋天，于2020年春季提供）
· bcsc 513：功能磁共振成像简介（秋季，2019年秋季提供）
· csps 504 / bcsc 510：数据分析i（下降）
· pm 410：数据管理/分析简介（秋季）
· pm 416：流行病学方法（春季）
· pm 421：美国卫生保健系统（秋季）
· pm 422：护理质量和风险调整（春季）
· scc 481：医疗保健中的人工智能和深度学习（2020年秋季不提供）
· scc 530：以数据为基础的人类行为及其认知和神经机制研究方法（跌倒-经过教师许可）
· scc 531：以数据为基础的人类行为及其认知和神经机制实践研究方法（在教师允许的情况下进行）
商业与社会科学*
· cis 417 *：业务分析简介
· cis 418 *：高级业务建模和分析
· cis 432 *预测分析/ python
· cis 434 *：社交媒体分析
· cis 442f *：大数据
· fin 418 *：带python的定量金融
· mkt 412 *：市场研究
· mrt 436r *：使用r进行市场营销分析
· mkt 437 *：数字营销策略
· mkt 451 *：高级量化营销
· psci 404：概率和推断（下降）
· psci 405：线性模型（弹簧）
· psci 504：因果推断（春季）
· psci 505：最大似然估计（下降）
*请注意，西蒙商学院开设的该集中课程中的任何课程均不能在完整的学期制下运行，并且其开课时间与asane课程不同。
如有任何问题，请随时咨询。
