| 253.535.7400 | www.allthesebooks.com/computer-science/data-science/ | cs@plu.edu |
| 大卫·沃尔夫博士,主席 |
我们的社会越来越重视有数据支持的决策。 拥有收集、管理和分析数据经验的PLU毕业生进入他们的职业和社区,将被赋予更周到、更熟练、更理性的韦德体育官方网站领导和服务能力。
数据科学正在成为一个革新科学和工业的领域。 几乎所有领域的工作都变得越来越受数据驱动,这既影响了可用的工作,也影响了所需的技能。 As more data and ways of analyzing them become available, more aspects of the economy, society, and daily life will become dependent on data… Data science spans a broader array of activities that involve applying principles for data collection, storage, integration, analysis, inference, communication, and ethics. — National Academy of Sciences (NAS), 2018
数据科学辅修课程对于那些将从管理、分析和可视化数据的深入经验中受益的学生来说是理想的。 辅修课程是为几乎所有专业的学生设计的,尽管需要达到或超过PLU MATH 140(微积分预科)的水平。
辅修数据科学
20学时
数据科学专业的未成年人必须在以下领域完成至少20个学分:
- 计算与数据科学基础(8)
- 统计学基础(8)
- 特定领域选修课(4)
学生可以按照满足课程先决条件的任何顺序完成辅修课程的要求。
A maximum of eight (8) credits may be double-counted for other major and minor requirements, although students minoring in statistics may not use any of their “8 additional semester hours of statistics” toward the 数据科学 minor.
学生最多可以转8个学时到数据科学辅修,除非他们得到主席的许可。
所有辅修课程必须以C或更高的成绩完成。
计算与数据科学基础
8学时
- 数据133:数据科学入门I或CSCI 144:计算机科学入门(4)
- DATA 233:数据科学导论II (4)
统计基础
8学时
- 任何数学/STAT 145, STAT 231, 232, 233,或数学/STAT 242 (4)
- 数学/STAT 348:统计计算和咨询(4)
领域特定的选择性
4学时
从下面的选修课中选择至少一门课程,将数据科学原理betvictor韦德体育于学科背景或对数据科学主题进行更深入的研究。 本课程必须超越介绍性的主题和技术,以发展先进的统计专业知识,为各自的领域,其中至少一个满足以下要求:
- 数据不易收集(例如,使用复杂的研究设计;需要深入的调查设计),或
- 数据不易管理(例如,数据混乱;数据集过大;数据不易合成),或者
- 通过从一系列菜单项中选择常规分析(例如,必须为适当的协变量进行参数)来分析数据并不容易,或者
- 数据不容易呈现(例如,需要复杂的可视化技术)
认可课程包括:
- BUSA 310:信息系统和数据库管理
- BUSA 467:市场研究(4)
- 昏迷342:betvictor韦德体育研究
- CSCI 330:人工智能(4)
- CSCI 367:数据库和Web编程
- 经济学344:计量经济学(4)
- GEOS 331:地图:计算机辅助制图与分析(4)
- NURS 360:护理研究与信息学
- 政治学301:政治学方法(4)
- PSYC 242:高级统计与研究设计(4)
- SOCI 232:研究方法(4)
按学期/学期划分的课程设置
- 秋季学期: 133年数据
- 备用: 数据233(春季,偶数年)
数据科学(Data) -本科课程
133年数据 : Introduction to 数据科学 I
介绍计算机编程和解决问题的实际数据集从各种领域,如科学,商业和人文。 通过使用Python编程语言和R统计软件,通过计算思维,建模和仿真以及数据可视化介绍数据科学概念的基础知识。 适合没有编程经验的学生。 先决条件: 完成PLU MATH 140或同等大学水平的课程,成绩为C或更高; 或PLU数学安排到PLU数学151或更高编号的PLU数学课程。 (4)
DATA 233 : Introduction to 数据科学 II
133年数据的延续,主题可能包括数据操作、清理和可视化技术、机器学习技术、自然语言处理、数据库、文本挖掘、数据科学伦理/隐私等。 学生将在GitHub等版本控制系统的帮助下进行协作。 Python是使用的主要编程语言。 先决条件: 数据133或CSCI 144。 推荐:数学/STAT 145, STAT 231, 232, 233,或数学/STAT 242之一。 (4)
韦德体育