Bachelor of Science i datavidenskab

Bachelor of Science i datavidenskab kombinerer matematik, statistik og datalogi færdigheder på højt niveau med evnen til at kommunikere resultater for at gøre en kompliceret og dynamisk verden mere forståelig.

Datavidenskab er et iboende tværfagligt område, der kræver grundlag i matematik og datalogi, samt faglige færdigheder inden for kommunikation og etik. Få disse kritiske færdigheder gennem Illinois Techs Bachelor of Science in Data Science.

Illinois Techs BS i Data Science-program konvergerer grundlæggende viden inden for matematik, statistik og datalogi med praktiske færdigheder inden for programmering, datastyring og avanceret databehandling. Disse suppleres med praktiske erfaringer gennem praktikophold, Interprofessional Projects (IPRO)-programmet og ved at løse problemer i den virkelige verden gennem kursusrelaterede projekter. Opnå afgørende professionelle kommunikationsevner inden for historiefortælling og visualiseringer for at omsætte data til løsninger.

Forstå grundlaget for en succesfuld karriere inden for datavidenskab, som omfatter:

• Vurdering af dataindsamling, modellering, analyse, visualisering og forklaringsbehov i sammenhæng med en klients behov
• Rensning, evaluering og klargøring af data til udforskning, modellering og analyse
• Design, implementering og evaluering af relevante beregningssystemer for at imødekomme datavidenskabelige behov
• Forståelse af centrale statistiske analysemetoder og være i stand til at vælge og implementere passende modeller for et givet dataanalyseproblem
• Effektivt at udlede og kommunikere nyttig indsigt fra data, herunder gennem historiefortælling og visualisering
• Kommunikerer effektivt i forskellige faglige sammenhænge
• At fungere effektivt som medlem eller leder af et team, der er involveret i aktiviteter, der passer til disciplinen
• Identifikation, analyse og afbødning af etiske, privatlivs- og data- og algoritmiske skævheder i praktiske datavidenskabelige sammenhænge

Programoversigt

Kombiner et fundament i matematik og datalogi med faglige kompetencer inden for kommunikation og etik i Bachelor of Science i Data Science. Praktiske erfaringer gennem praktikophold og projekter i den virkelige verden fremhæver, hvordan disse færdigheder omsætter data til løsninger.

Hvorfor Illinois Tech er et af de bedste værdifulde universiteter i landet

Som Illinois Tech-studerende vil du automatisk komme i betragtning til vores universitets generøse institutionelle stipendier. I gennemsnit giver dette en besparelse på $107.472 på undervisning og boliger for hver studerende i løbet af dine fire år på Illinois Tech ($134.340 i fem år, baseret på tal fra efteråret 2021).

Vi er forpligtet til dramatisk at reducere prisen på din grad, så du kan fokusere på læring på et af de mest dynamiske og innovationsdrevne universiteter i landet.

Vil du have flere gode grunde?

• Ud over vores institutionelle stipendium tildeler Illinois Tech i gennemsnit vores studerende yderligere $34,412 hver i behovsbaseret undervisningsstøtte over fire år ($43,015 i fem år). (blandt FAFSA-ansøgere, efterår 2021)
• Vi er den #44 bedste værdi-skole i landet (US News & World Report)
• 98% af vores studerende modtager en form for økonomisk støtte
• Den gennemsnitlige startløn for vores studerende er $63.938

Påkrævede kurser

Datavidenskabskrav ---- ---- (24-25)

• DS 100 ---- ---- Introduktion til professionen ---- ---- 3
• DS 151 ---- ---- Introduktion til datavidenskab ---- ---- 3

Vælg en af de to muligheder: ---- ---- 6-7

• DS 251 ---- ---- Math Foundations for DS ---- ---- 6

&

• DS 351 ---- ---- Math Foundation for DS II ---- ---- 6
• MATH 252 ---- ---- Introduktion til differentialligninger ---- ---- 7

&

• MATH 350 ---- ---- Introduktion til beregningsmatematik ---- ---- 7
• DS 261 ---- ---- Etik og privatliv i DS ---- ---- 3
• DS 451 ---- ---- Data Science livscyklus ---- ---- 3

eller

• CSP 571 ---- ---- Dataforberedelse og analyse ---- ---- 3
• MATH 474 ---- ---- Sandsynlighed og statistik ---- ---- 3

eller

• MATH 476 ---- ---- Statistik ---- ---- 3
• MATH 484 ---- ---- Regression ---- ---- 3

eller

• CS 484 ---- ---- Introduktion til maskinlæring ---- ---- 3

Anvendte matematikkrav ---- ---- (17)

• MATH 151 ---- ---- Regning I ---- ---- 5
• MATH 152 ---- ---- Calculus II ---- ---- 5
• MATH 251 ---- ---- Multivariat & vektorregning ---- ---- 4
• MATH 332 ---- ---- Elementær lineær algebra ---- ---- 3

Datalogikrav ---- ---- (10-12)

Vælg en af følgende sekvenser: ---- ---- 4-6

• CS 115 ---- ---- Objektorienteret programmering I ---- ---- 4

&

• CS 116 ---- ---- Objektorienteret programmering II ---- ---- 4
• CS 104 ---- ---- Introduktion til computerprogrammering for ingeniører ---- ---- 6

&

• CS 201 ---- ---- Accelereret introduktion til datalogi ---- ---- 6
• CS 331 ---- ---- Datastrukturer og algoritmer ---- ---- 3
• CS 425 ---- ---- Databaseorganisation ---- ---- 3

Kommunikation ---- ---- (3)

Vælg en af følgende: ---- ---- 3

• COM 421 ---- ---- Teknisk kommunikation ---- ---- 3
• COM 428 ---- ---- Verbal visuel kommunikation ---- ---- 3
• INTM 301 ---- ---- Kommunikation til arbejdspladsen ---- ---- 3
• ITM 300 ---- ---- Kommunikation på arbejdspladsen ---- ---- 3
• SCI 522 ---- ---- Public Engagement Scientists ---- ---- 3

Etik og samfund ---- ---- (3)

Vælg en af følgende: ---- ---- 3

• HIST 385 ---- ---- Kvinder i computerhistorie ---- ---- 3
• ITMM 485 ---- ---- Juridiske og etiske spørgsmål inden for IT ---- ---- 3
• PHIL 374 ---- ---- Etik i datalogi ---- ---- 3
• PHIL 375 ---- ---- Computeretik ---- ---- 3
• PHIL 381 ---- ---- AI-etik ---- ---- 3
• SOC 362 ---- ---- Teknologi Social forandring ---- ---- 3

Datavidenskab teknisk dybde ---- ---- (12)

Vælg fire af følgende: ---- ---- 12

• CS 422 ---- ---- Datamining ---- ---- 3
• CS 429 ---- ---- Informationssøgning ---- ---- 3
• CS 430 ---- ---- Introduktion til algoritmer ---- ---- 3
• CS 451 ---- ---- Parallel/distribueret databehandling ---- ---- 3
• CS 481 ---- ---- Intelligens tekstanalyse vidensstyring ---- ---- 3
• CS 522 ---- ---- Avanceret datamining ---- ---- 3
• CS 577 ---- ---- Dyb læring ---- ---- 3
• CS 584 ---- ---- Machine Learning ---- ---- 3
• CSP 554 ---- ---- Big Data-teknologier ---- ---- 3
• MATH 435 ---- ---- Lineær optimering ---- ---- 3
• MATH 446 ---- ---- Introduktion til tidsserier ---- ---- 3
• MATH 475 ---- ---- Sandsynlighed ---- ---- 3
• MATH 476 ---- ---- Statistik ---- ---- 3
• MATH 535 ---- ---- Optimering I ---- ---- 3
• MATH 546 ---- ---- Introduktion til tidsserier ---- ---- 3
• MATH 563 ---- ---- Matematisk statistik ---- ---- 3
• MATH 564 ---- ---- Anvendt statistik ---- ---- 3
• MATH 569 ---- ---- Statistisk læring ---- ---- 3
• MATH 574 ---- ---- Bayesiansk beregningsstatistik ---- ---- 3

Datavidenskab valgfag ---- ---- (12)

Vælg 12 kredittimer fra følgende kurser eller andre kurser i datavidenskab teknisk dybde: ---- ---- 12

• COM 383 ---- ---- Sociale netværk ---- ---- 3
• CS 458 ---- ---- Introduktion til informationssikkerhed 3

eller

• ECE 443 ---- ---- Introduktion Computer Cyber Security ---- ---- 3
• CS 480 ---- ---- Introduktion til kunstig intelligens ---- ---- 3
• CS 487 ---- ---- Software Engineering ---- ---- 3
• CS 512 ---- ---- Computer Vision ---- ---- 3
• CS 520 ---- ---- Dataintegrationslager ---- ---- 3
• CS 546 ---- ---- Parallel og distribueret proces ---- ---- 3
• CS 553 ---- ---- Cloud Computing ---- ---- 3
• CS 554 ---- ---- Data-intensiv computing ---- ---- 3
• CS 578 ---- ---- Interact/Trans Mach Learning ---- ---- 3
• CS 579 ---- ---- Online sociale netværksanalyse ---- ---- 3
• CS 583 ---- ---- Probabilistiske grafiske modeller ---- ---- 3
• CS 585 ---- ---- Naturlig sprogbehandling ---- ---- 3
• DS 472 ---- ---- Data Science Practicum ---- ---- 3-6
• ECE 308 ---- ---- Signalsystemer ---- ---- 3
• ECE 442 ---- ---- Tingenes internet/cyberfysik ---- ---- 3
• ECE 447 ---- ---- AI og Edge Computing ---- ---- 3
• ECE 449 ---- ---- Obj-orienteret programmering og maskinlæring ---- ---- 3
• ECE 481 ---- ---- Billedbehandling ---- ---- 3
• ECE 501 ---- ---- AI og Edge Computing ---- ---- 3
• ECE 510 ---- ---- IoT og cyber-fysiske systemer ---- ---- 3
• ECE 511 ---- ---- Analyse tilfældige signaler ---- ---- 3
• ECE 520 ---- ---- Informationsteori og anvendelser ---- ---- 3
• ECE 521 ---- ---- Kvanteelektronik ---- ---- 3
• ECE 563 ---- ---- AI i Smart Grid ---- ---- 3
• ECE 565 ---- ---- Computer vision billedbehandling ---- ---- 3
• ECE 566 ---- ---- Maskin- og dyb læring ---- ---- 3
• ECE 567 ---- ---- Statistisk signalbehandling ---- ---- 3
• EMGT 363 ---- ---- Kreativitet/opfindelser/entreprenør ---- ---- 3
• ITMS 418 ---- ---- Kodningssikkerhed ---- ---- 3
• ITMS 448 ---- ---- Cybersikkerhedsteknologier ---- ---- 3
• ITMS 478 ---- ---- Cybersikkerhedsstyring ---- ---- 3
• MATH 225 ---- ---- Indledende statistik ---- ---- 3
• MATH 380 ---- ---- Introduktion til matematisk modellering ---- ---- 3
• MATH 483 ---- ---- Design og analyse af eksperiment ---- ---- 3
• MATH 497 ---- ---- Særlige problemer ---- ---- 1-20
• MATH 527 ---- ---- Machine Learning i finansiering: ---- ---- 3
• MATH 565 ---- ---- Monte Carlo metoder i finansiering ---- ---- 3
• SSCI 325 ---- ---- Mellemliggende geo-informationssystemer ---- ---- 3
• SSCI 480 ---- ---- Introduktion til undersøgelsesmetoder ---- ---- 3

Naturvidenskabelige krav og valgfag ---- ---- (10)

Se Illinois Tech Core Curriculum, afsnit D ---- ---- 10

Humaniora og samfundsvidenskabelige krav ---- ---- (21)

Se Illinois Tech Core Curriculum, afsnit B og C ---- ---- 21

Tværprofessionelle projekter (IPRO) ---- ---- (6)

Se Illinois Tech Core Curriculum, afsnit E ---- ---- 6

Gratis valgfag ---- ---- (9)

Vælg ni kredittimer ---- ---- 9

Samlet kredittimer ---- ---- ---- ---- ---- ---- ---- ---- ---- ---- ---- 127-130

Illinois Techs BS i Data Science er tæt knyttet til MAS i Data Science-programmet, MAS i Artificial Intelligence-programmet og andre masteruddannelser i College of Computing.

Gennemfør alle de nødvendige forudsætninger for MAS i Data Science efter de første to års studier, og du kan drage fordel af Illinois Techs Accelerated Master's Program til at gennemføre bachelor- og mastergrader på så få som fem år. Også kvalificere dig til at forfølge MAS i kunstig intelligens-grad.

Få de nødvendige færdigheder til at få et job i en datakarriere, såsom:

• Datavidenskabsmand
• Dataanalytiker
• statistiker
• Data Engineer
• Business intelligence-udvikler