Master's degree in Data Science

خب، برویم سراغ «علم داده». علم داده یعنی از دادهٔ خام به نتیجه‌ای برسی که بتوان آن را سنجید و برای تصمیم استفاده کرد. نمودار زیبا بدون سؤال و روش درست کافی نیست. این دوره در مقطع کارشناسی ارشد و به زبان انگلیسی در دانشگاه ورونا ارائه می‌شود.

در طول چنین برنامه‌ای آمار، یادگیری ماشین، برنامه‌نویسی، پایگاه داده، مصورسازی، بهینه‌سازی و مدیریت داده را می‌خوانی. زمان زیادی صرف تمیز کردن و فهم داده می‌شود؛ باید خطا، سوگیری و عدم‌قطعیت را هم همراه نتیجه گزارش کنی. پس فقط از روی عنوان تصمیم نگیر؛ سرفصل، نوع پروژه‌ها، واحدهای انتخابی و موضوع پایان‌نامه نشان می‌دهند تجربهٔ واقعی تحصیل چطور خواهد بود.

بعد از فارغ‌التحصیلی می‌توانی مسیرهایی مانند علم داده، تحلیل کسب‌وکار، مهندسی داده، یادگیری ماشین، پژوهش و تحلیل در صنایع مختلف را بررسی کنی. این‌ها مقصدهای ممکن‌اند، نه وعدهٔ استخدام. زبان محلی، تجربهٔ عملی و تخصصی که طی دوره برای خودت می‌سازی روی بازار کار اثر دارند. در نمونه‌کار نشان بده چگونه سؤال را تعریف، داده را آماده و نتیجه را ارزیابی کرده‌ای؛ فقط نمایش خروجی مدل کافی نیست.

برای پروندهٔ اپلای، یک تجربهٔ مرتبط را دقیق توضیح بده: مسئله چه بود، تو چه کاری انجام دادی و نتیجه چه شد. اگر رشته‌ات کاملاً هم‌نام برنامه نیست، ارتباط واحدها و پروژه‌ها را روشن کن. دورهٔ آنلاین یا پروژهٔ شخصی می‌تواند آمادگی تو را نشان دهد، اما جای تعداد واحد رسمی یا پیش‌نیازی را که دانشگاه تعیین کرده است نمی‌گیرد.

معمولاً فارغ‌التحصیلان علم داده، آمار، علوم کامپیوتر، مهندسی کامپیوتر، ریاضی و نرم‌افزار زمینهٔ مستقیم‌تری دارند. رشته‌های اقتصادسنجی، برق، فیزیک، مهندسی صنایع و رشته‌های کمی با برنامه‌نویسی هم ممکن است پروندهٔ قابل‌بررسی داشته باشند، به‌خصوص اگر ریزنمرات و تجربهٔ مرتبط ارائه کنند. درس‌هایی مانند آمار، احتمال، جبر خطی، برنامه‌نویسی، پایگاه داده و یادگیری ماشین احتمالاً در ارزیابی پیش‌زمینه مهم‌اند. این پیشنهادها شرط رسمی پذیرش نیستند؛ دانشگاه بر اساس مقررات همان سال، محتوای ریزنمرات، سطح زبان و کل پرونده تصمیم می‌گیرد.