数据科学理学士将高级数学、统计学和计算机科学技能与交流结果的能力相结合，使复杂和动态的世界更容易理解。
数据科学本质上是一个跨学科领域，需要数学和计算机科学的基础，以及沟通和道德方面的专业技能。通过伊利诺伊理工大学的数据科学理学士获得这些关键技能。
伊利诺伊理工大学的数据科学学士学位课程融合了数学、统计学和计算机科学的基础知识以及编程、数据管理和高级计算方面的实用技能。通过实习、跨专业项目 (IPRO) 计划以及通过与课程相关的项目解决现实世界的问题，这些都得到了实践经验的补充。在讲故事和可视化方面获得关键的专业沟通技巧，以将数据转化为解决方案。
了解数据科学事业成功的基础，包括：
- 在客户需求的背景下评估数据收集、建模、分析、可视化和解释需求
- 清理、评估和准备用于探索、建模和分析的数据
- 设计、实施和评估相关的计算系统以满足数据科学的需求
- 了解关键的统计分析方法，并能够为给定的数据分析问题选择和实施适当的模型
- 有效地从数据中获取和交流有用的见解，包括通过讲故事和可视化
- 在各种专业环境中进行有效沟通
- 作为参与适合该学科活动的团队的成员或领导者有效运作
- 在实际数据科学环境中识别、分析和减轻道德、隐私、数据和算法偏差问题
计划概述
将数学和计算机科学的基础与数据科学理学士的通信和道德专业技能相结合。通过实习和实际项目的实践经验突出了这些技能如何将数据转化为解决方案。
为什么伊利诺伊理工大学是美国最有价值的大学之一
作为伊利诺伊理工大学的学生，您将自动获得我们大学慷慨的机构奖学金的考虑。平均而言，在伊利诺伊理工大学四年期间，每位学生的学费和住宿费用总计节省 107,472 美元（根据 2021 年秋季的数据，五年为 134,340 美元）。
我们致力于大幅降低您的学位成本，因此您可以专注于在该国最具活力和创新驱动的大学之一学习。
想要一些更重要的理由吗？
- 除了我们的机构奖学金之外，平均而言，伊利诺伊理工大学在四年内向我们的学生每人额外奖励了 34,412 美元的基于需求的学费援助（五年为 43,015 美元）。（FAFSA 申报者中，2021 年秋季）
- 我们是全美排名第 44 的最具价值学校（美国新闻与世界报道）
- 我们 98% 的学生获得某种形式的经济援助
- 我们本科生的平均起薪是 $63,938
必修课程
数据科学要求 ---- ---- (24-25)
- DS 100 ---- ---- 职业介绍 ---- ---- 3
- DS 151 ---- ---- 数据科学导论 ---- ---- 3
选择两个选项之一： ---- ---- 6-7
- DS 251 ---- ---- DS 数学基础 ---- ---- 6
&
- DS 351 ---- ---- DS II 数学基础 ---- ---- 6
- 数学 252 ---- ---- 微分方程简介 ---- ---- 7
&
- MATH 350 ---- ---- 计算数学导论 ---- ---- 7
- DS 261 ---- ---- DS 中的道德和隐私 ---- ---- 3
- DS 451 ---- ---- 数据科学生命周期 ---- ---- 3
要么
- CSP 571 ---- ---- 数据准备和分析 ---- ---- 3
- 数学 474 ---- ---- 概率与统计 ---- ---- 3
要么
- 数学 476 ---- ---- 统计 ---- ---- 3
- 数学 484 ---- ---- 回归 ---- ---- 3
要么
- CS 484 ---- ---- 机器学习简介 ---- ---- 3
应用数学要求--------（17）
- 数学 151 ---- ---- 微积分 I ---- ---- 5
- 数学 152 ---- ---- 微积分 II ---- ---- 5
- 数学 251 ---- ---- 多元和向量微积分 ---- ---- 4
- 数学 332 ---- ---- 初等线性代数 ---- ---- 3
计算机科学要求 ---- ---- (10-12)
选择以下序列之一： ---- ---- 4-6
- CS 115 ---- ---- 面向对象编程 I ---- ---- 4
&
- CS 116 ---- ---- 面向对象编程 II ---- ---- 4
- CS 104 ---- ---- 工程师计算机编程简介 ---- ---- 6
&
- CS 201 ---- ---- 计算机科学速成 ---- ---- 6
- CS 331 ---- ---- 数据结构和算法 ---- ---- 3
- CS 425 ---- ---- 数据库组织 ---- ---- 3
通讯 ---- ---- (3)
选择以下选项之一： ---- ---- 3
- COM 421 ---- ---- 技术交流 ---- ---- 3
- COM 428 ---- ---- 口头视觉交流 ---- ---- 3
- INTM 301 ---- ---- 工作场所沟通 ---- ---- 3
- ITM 300 ---- ---- 工作场所沟通 ---- ---- 3
- SCI 522 ---- ---- 公众参与科学家 ---- ---- 3
伦理与社会 ---- ---- (3)
选择以下选项之一： ---- ---- 3
- HIST 385 ---- ---- 计算机历史中的女性 ---- ---- 3
- ITMM 485 ---- ---- IT 中的法律和道德问题 ---- ---- 3
- 菲尔 374 ---- ---- 计算机科学伦理 ---- ---- 3
- 菲尔 375 ---- ---- 计算机伦理 ---- ---- 3
- 菲尔 381 ---- ---- 人工智能伦理 ---- ---- 3
- SOC 362 ---- ---- 技术社会变革 ---- ---- 3
数据科学技术深度 ---- ---- (12)
选择以下四项： ---- ---- 12
- CS 422 ---- ---- 数据挖掘 ---- ---- 3
- CS 429 ---- ---- 信息检索 ---- ---- 3
- CS 430 ---- ---- 算法简介 ---- ---- 3
- CS 451 ---- ---- 并行/分布式计算 ---- ---- 3
- CS 481 ---- ---- 智能文本分析知识管理 ---- ---- 3
- CS 522 ---- ---- 高级数据挖掘 ---- ---- 3
- CS 577 ---- ---- 深度学习 ---- ---- 3
- CS 584 ---- ---- 机器学习 ---- ---- 3
- CSP 554 ---- ---- 大数据技术 ---- ---- 3
- 数学 435 ---- ---- 线性优化 ---- ---- 3
- 数学 446 ---- ---- 时间序列简介 ---- ---- 3
- 数学 475 ---- ---- 概率 ---- ---- 3
- 数学 476 ---- ---- 统计 ---- ---- 3
- 数学 535 ---- ---- 优化 I ---- ---- 3
- 数学 546 ---- ---- 时间序列简介 ---- ---- 3
- 数学 563 ---- ---- 数理统计 ---- ---- 3
- 数学 564 ---- ---- 应用统计学 ---- ---- 3
- 数学 569 ---- ---- 统计学习 ---- ---- 3
- 数学 574 ---- ---- 贝叶斯计算统计 ---- ---- 3
数据科学选修课 ---- ---- (12)
从以下课程或数据科学技术深度的任何其他课程中选择 12 个学分： ---- ---- 12
- COM 383 ---- ---- 社交网络 ---- ---- 3
- CS 458 ---- ---- 信息安全概论 3
要么
- ECE 443 ---- ---- 计算机网络安全简介 ---- ---- 3
- CS 480 ---- ---- 人工智能简介 ---- ---- 3
- CS 487 ---- ---- 软件工程 ---- ---- 3
- CS 512 ---- ---- 计算机视觉 ---- ---- 3
- CS 520 ---- ---- 数据集成仓储 ---- ---- 3
- CS 546 ---- ---- 并行和分布式进程 ---- ---- 3
- CS 553 ---- ---- 云计算 ---- ---- 3
- CS 554 ---- ---- 数据密集型计算 ---- ---- 3
- CS 578 ---- ---- 交互/跨马赫学习 ---- ---- 3
- CS 579 ---- ---- 在线社交网络分析 ---- ---- 3
- CS 583 ---- ---- 概率图形模型 ---- ---- 3
- CS 585 ---- ---- 自然语言处理 ---- ---- 3
- DS 472 ---- ---- 数据科学实习 ---- ---- 3-6
- ECE 308 ---- ---- 信号系统 ---- ---- 3
- ECE 442 ---- ---- 物联网/网络物理 ---- ---- 3
- ECE 447 ---- ---- 人工智能和边缘计算 ---- ---- 3
- ECE 449 ---- ---- 面向对象编程和机器学习 ---- ---- 3
- ECE 481 ---- ---- 图像处理 ---- ---- 3
- ECE 501 ---- ---- 人工智能和边缘计算 ---- ---- 3
- ECE 510 ---- ---- 物联网和网络物理系统 ---- ---- 3
- ECE 511 ---- ---- 分析随机信号 ---- ---- 3
- ECE 520 ---- ---- 信息理论与应用 ---- ---- 3
- ECE 521 ---- ---- 量子电子学 ---- ---- 3
- ECE 563 ---- ---- 智能电网中的人工智能 ---- ---- 3
- ECE 565 ---- ---- 计算机视觉图像处理 ---- ---- 3
- ECE 566 ---- ---- 机器和深度学习 ---- ---- 3
- ECE 567 ---- ---- 统计信号处理 ---- ---- 3
- EMGT 363 ---- ---- 创造力/发明/企业家 ---- ---- 3
- ITMS 418 ---- ---- 编码安全 ---- ---- 3
- ITMS 448 ---- ---- 网络安全技术 ---- ---- 3
- ITMS 478 ---- ---- 网络安全管理 ---- ---- 3
- 数学 225 ---- ---- 统计学入门 ---- ---- 3
- MATH 380 ---- ---- 数学建模简介 ---- ---- 3
- 数学 483 ---- ---- 实验设计与分析 ---- ---- 3
- 数学 497 ---- ---- 特殊问题 ---- ---- 1-20
- 数学 527 ---- ---- 金融中的机器学习： ---- ---- 3
- 数学 565 ---- ---- 金融中的蒙特卡罗方法 ---- ---- 3
- SSCI 325 ---- ---- 中级地理信息系统 ---- ---- 3
- SSCI 480 ---- ---- 调查方法简介 ---- ---- 3
科学要求和选修课 ---- ---- (10)
请参阅伊利诺伊州理工学院核心课程，D 部分 ---- ---- 10
人文社会科学要求--------（21）
请参阅伊利诺伊州理工学院核心课程，B 节和 C 节 ---- 21
跨专业项目 (IPRO) ---- ---- (6)
请参阅伊利诺伊理工大学核心课程，E 部分 ---- ---- 6
免费选修课 ---- ---- (9)
选择九个学分 ---- ---- 9
总学时 ---- ---- ---- ---- ---- ---- ---- ---- ---- ---- 127-130
伊利诺伊理工大学的数据科学学士学位与数据科学硕士项目、人工智能硕士项目以及计算学院的其他硕士项目密切相关。
在前两年的学习后，完成数据科学 MAS 的所有必要先决条件，您可以利用伊利诺伊理工大学的加速硕士项目，在短短五年内完成学士和硕士学位。此外，还有资格攻读人工智能硕士学位。
获得在数据职业中找到工作所需的技能，例如：
- 数据科学家
- 数据分析师
- 统计员
- 数据工程师
- 商业智能开发人员
探索类似程序类似程序
