科学与技术学院
FACILITIES顶尖设施
我们与英国环境部共享设施
我们拥有一所英国政府顶级环境研究实验室,该实验室由自然环境研究委员会的生态学和水文学中心运营
我们是英国气象局编号7236气候站——Hazelrigg气象站的所在地,自1966年以来每天不间断进行天气观测
我们的化学实验室拥有世界上最好的环境有机化学研究分析设施
我们的惰性气体实验室是英国唯一拥有扇形磁场仪器的实验室,专门用于研究惰性气体的环境应用
我们与拥有大片亚马逊雨林的Jari林业公司有着长期的合作关系,因此我们有机会进入南美洲的热带森林进行研究
我们的一些著名物理学家是位于日内瓦的欧洲核子研究中心的研究人员,他们正在探索宇宙的基本结构
我们是雅典娜宪章的成员,对于在高等教育和研究领域从事科学、技术、工程和数学的女性,我们积极认可其贡献,并给予高度赞赏
我们的心理学系是英国最大的人类发展中心之一
RESEARCH领先科研
数学和统计学系:研究影响力排名第1位,100%的研究被评为“世界顶尖”或“国际优秀”
环境学院:科研力量排名全英第6位,研究产出排名第5位、研究影响排名第6位,研究环境排名第4位。
物理系:98%的研究成果被评为“世界顶尖”或“国际优秀”,研究产出和研究环境质量排名英国第14位
计算机与通信学院:研究环境排名英国第13位、研究能力排名英国第14位,94%的研究成果被评为“世界顶尖”或“国际优秀”
化学系:85%的研究成果被评为“世界顶尖”或“国际优秀”,88%的研究环境被评为“世界顶尖”或“国际优秀”
心理学系:87%的研究成果被评为“世界顶尖”或“国际优秀”、67%的研究影响力被评为杰出
RANKINGS卓越排名
物理学和天文学:全英第5位
地理与环境科学:全英第9位生物科学:全英第11位
数学:全英第14位
生物医学:全英第4位
化学:全英第13位
化学工程:全英第6位
计算机科学和信息系统:全英第13位
机械工程:全英第15位
物理学:全英第5位
地理与环境科学:全英第13位
电子电气工程:全英第11位
点击前往英文官网查看详情
专业名称
兰卡斯特大学数据科学专业
Data Science MSc Lancaster University
学制
一年全日制 1 year full-time
拥有任意学科的2:1学士学位或同等学历。申请人需具备编程经验,并接触过统计学或数学建模等定量方法。
若申请人在任意学科获得2:2学士学位或同等学历并具备相关经验,亦可以申请,我们将根据具体情况进行考虑。
成功完成本课程的学生包括计算机科学、数学、统计学、工程学、物理学、生命科学、经济学、金融学、语言学等专业的本科生。
若您在英国以外的地区接受教育,我们建议您在提交申请前查阅我们的国际学历清单。
根据你的国籍及过往学习经历,我们可能会要求你提供官方认可的英语语言资格证书。
我们期望申请人能够在雅思(学术类)考试中取得至少6.5总分,且各单项不低于6.0分的成绩。同时,我们也接受其他权威英语语言考试的成绩。
若你的语言成绩暂时未能达到我们的要求,可以参加语言课程。
如需联系请拨打+44 (0) 1524 592032或发送电子邮件至pgadmissions@lancaster.ac.uk
我们灵活的硕士课程,将提升您在人工智能(AI)和数据科学领域的技能与专长。你可以根据学习路径选择课程,深化对现代数据科学技术的理解。本课程与行业合作,通过一系列真实的行业项目和来自专业数据科学家的客座讲座,你将学习数据科学与AI如何协同工作。毕业后,你可以运用数据科学技术,助力企业利用AI深刻洞察形势,并做出更明智的决策。这一硕士课程已成为众多高薪数据科学家职业生涯的关键起点,帮助他们成功踏上职业生涯的征途。
在2024年QS世界大学学科排名中,兰卡斯特大学的数据科学和人工智能学科位列全球第51-70名。
第一学期:核心数据科学模块
你将学习五个核心模块,涵盖数据科学的广泛领域,包括统计学基础、Python和R编程语言、现代机器学习和人工智能。你日后将在选择的路径中深化知识和技术技能,这一学期至关重要,为你奠定坚实基础。
第二学期:专业模块
本学期你将学习三个模块,并选择与你兴趣和职业目标相符的专业路径:
计算机与人工智能
商业智能
环境数据科学
健康数据科学
社会数据科学
第三学期:行业实习
在为期14周的行业实习中,你将运用前两个学期所学的知识和技能。你可以进入行业内部,或参与进学术研究项目。我们的学生非常重视这段经历,许多人在实习结束后获得了工作机会,增强了自信心,并为简历增添亮点。
这次实习相当于重要的研究项目或论文,你将在专家的学术指导下进行,期间你将培养制定项目计划、收集和分析数据、解读结果以及在专业环境中展示研究成果的能力。这次研究将是契机,让你整合一年中所学的知识,拓展解决问题的能力,并成功管理重大项目。
数据挖掘
本课程全面覆盖数据表示、操作和处理相关的问题,特别是从数据中提取信息的能力,包括大数据处理。学生将运用所学知识于数据基础、数据处理和分类中。同时,你还将深化对动态数据空间划分的理解,掌握利用进化算法、聚类技术和数据云等技术,并在线监控自学习系统的质量。
此外,学生将掌握开发实现高级数据表示和处理的软件脚本的能力,并展示这些脚本对性能的影响。他们还将学会列举、解释和概括性能权衡的知识,以及在设计数据存储、时间和计算能力方面的数据表示和处理问题的实际解决方案时面临的复杂性。
数据挖掘
学生将运用所学知识于数据基础准备、数据处理和分类等核心环节。你还将锻炼编写软件脚本的能力,以实现高级数据表示和处理,并展示其对性能的影响。此外,你会掌握列出、解释和概括性能权衡的实际知识,并了解在设计实际解决方案时数据表示和处理在存储、时间和计算能力方面的复杂性。
数据科学基础
本模块将帮助你了解数据科学意味着什么,以及该个人如何在组织中进行日常工作。您将了解研究中如何制定假设、解析研究结果,并熟知不同的研究策略以及何时应用这些策略。你将了解数据处理、准备和整合,以及这如何支持研究工作进行,你将学习如何在工业环境中解决数据科学问题,以及如何将研究成果传达给组织内的人员。
数据科学硕士学位论文
硕士学位的重要部分是完成与行业或研究相关的项目。学生将从选择行业或研究合作伙伴开始,在六月至七月期间进行实习,并在九月初提交一篇不超过20,000词的书面论文。
该模块主要是一个自学模块,为学生撰写高质量、具备发表潜力的主要论文奠定坚实基础。此项目不仅让学生有机会将技术技能和知识应用于当前世界级的研究问题,还能在特定领域培养深厚的专业知识。
项目的主题因学生所选的数据科学专业方向而异(例如,计算机方向可能涉及系统设计,而数据分析、健康或环境等专业则更可能侧重于实际应用,聚焦于数据结构和过程的本质)。
数据科学家编程
本模块专为编程初学者及有一定编程经验的学生设计,你将提升能力,处理复杂数据科学问题。初学者将学习编程基础,而有经验的学生则将精进并进一步发展其编程技能。学生将学习数据处理技术,包括数据可视化和统计分析。为了全面培养学生应对复杂数据科学任务的能力,我们还将教授问题解决方法和图形应用程序的开发。课程将采用两种开源编程语言:R和Python。
统计基础I
此模块专为具所需数学背景的学生设置的核心课程。部分学生可能需要在研究生阶段对该领域进行入门学习,他们将学习名为“统计入门I”的核心模块。若您已完成此模块,则无需再修读“统计入门I”。
这个模块将激发你将统计建模作为一种工具的兴趣,利用给定的数据样本对总体进行推断。学生将学习统计建模的基本术语,并探讨统计方法与机器学习方法的异同,为在后续核心模块中深入发展这两门学科奠定基础。课程将涵盖抽样不确定性、统计推断和模型拟合等概念,其中抽样不确定性将用于阐述标准误差和置信区间的必要性。在掌握核心概念后,将引入线性回归和广义线性模型作为统计建模的重要工具。学生将通过在统计软件R中的实践来加深对这些模型的理解。
若完成本模块的学生在第二学期选择环境、健康或社会任一方向,则还须完成“统计基础II”模块。
统计入门I
此模块根据学生数学背景设计,在研究生阶段需要对统计建模、方法论和理论的进一步深入学习所需两个核心领域进行入门学习的学生而设。这两个核心领域是深入学习统计建模、方法论和理论不可或缺的基石。学生将选择修读此模块或另一名为“统计基础I”的核心模块,但不可两者兼修。
此模块根据学生数学背景设计,适合需要在研究生阶段对统计建模、方法论和理论进行入门学习的学生。这个核心领域是进一步高级研究不可或缺的基石。学生将选择修读此模块或另一名为“统计基础I”的核心模块,但不可两者兼修。
本模块将涵盖使用最大似然估计进行统计推断和广义线性模型(GLM)的内容。在本科阶段对数学、统计学(假设检验和线性回归)和概率论(单变量离散和连续分布;期望、方差和协方差;多元正态分布)的理解基础上,本模块将阐述模型拟合通用方法的必要性,并展示最大似然估计如何为此提供解决方案。随后,将介绍作为线性回归模型扩展的广义线性模型(GLM),这是一类广泛且常规使用的统计模型家族。
统计学习
本模块为统计学习提供入门介绍。涵盖的一般主题包括大数据、缺失数据、有偏样本和近期性。似然估计和交叉验证将被介绍为拟合和选择统计学习模型的通用方法。交叉验证需要理解样本分割为校准样本、训练样本和验证样本。随后,重点将转向通过变量缩减方法(如Lasso和Elastic Net)处理大数据集的回归问题。我们将介绍多种分类方法,包括逻辑回归和多项逻辑回归模型、回归树、随机森林、袋装法和提升法。分类方法的探讨将以神经网络作为广义线性模型扩展作为重中之重。之后,我们将介绍大数据的无监督学习,包括K均值聚类、PAM和CLARA,以及混合模型和潜在类别分析。