MBA در علوم داده و یادگیری ماشین European School of Data Science and Technology - ESDST

علم داده به عنوان سریعترین رشد در زمینه شغلی در دهه گذشته پدیدار شده است. صرف نظر از ماهیت صنعت ، علم داده روشهای کاملاً غیر متعارفی در نگاه و کار با داده ها با اصول استاندارد آماری و ریاضی ایجاد کرده است. چیزی که جذاب است بینش عمیقی است که ما با آن به دست می آوریم- "داده سوخت جدید است"- همانطور که معمولاً شناخته می شود.

علم داده و یادگیری ماشین کلماتی هستند که دست به دست هم می دهند. این یکی از برنامه های MBA در نوع خود ترکیبی از علم داده و یادگیری ماشین است تا دانش آموزان بتوانند تصمیم گیری و تجزیه و تحلیل کسب و کار را قادر سازند. MBA یک برنامه درجه تجربی است که متمرکز بر تبدیل شما به یک مهارت عملی و مدیر استراتژیک علم داده در اقتصاد داده محور امروز است.

نکات برجسته:

• برنامه درسی متناسب با نیازهای صنعت طراحی شده و بر کاربردهای عملی تمرکز کرده است
• تحویل آنلاین با راهنمایی مداوم و پشتیبانی 1 در 1
• بهترین مربیان کلاس و معلمانی که از مutesسسات بین المللی در سراسر جهان می آیند
• هدایت پروژه های زنده از صنایع مختلف در کلیه دوره های مربوطه
• کمک هزینه یابی
• پروژه ها بر روی محبوب ترین ابزارهای تجزیه و تحلیل انجام می شود
• کاربرد مفاهیم نظری برای حل مشکلات تجاری
• قرار گرفتن در معرض آخرین روندهای صنعت
• دانشکده بین المللی
• بسیاری از شرکتهای چند ملیتی در زمینه ارائه ، راهنمایی و پشتیبانی مشارکت دارند.

برخی از ابزارها و مفاهیم پوشش داده شده در این برنامه عبارتند از:

علم داده و مفاهیم آماری ، برنامه نویسی با Python ، R ، SQL ، NoSQL ، هوش مصنوعی ، یادگیری ماشین ، داده های بزرگ ، پردازش زبان طبیعی ، رایانش ابری و بسیاری دیگر.

ESDST به رسمیت شناختن تجربه قبلی (RPE) ارائه می دهد و بنابراین مدرک کارشناسی رسمی برای ورود به این برنامه اجباری نیست.

• طول دوره تقریبی : 3-4 هفته
• مجموع اعتبارات ECTS : 60
• حداکثر تعداد اعتبار انتقال : 30

برنامه MBA آنلاین ESDST در علم داده و یادگیری ماشین شامل 18 دوره آموزشی است که موضوعات مختلف در علم داده و ML را در بر می گیرد. این دوره دارای چندین پروژه/تکالیف عملی با حداقل یک پروژه مرتبط با صنعت است که در آن هر دانش آموز باید روی یک مشکل تجاری منحصر به فرد و دنیای واقعی کار کند. مدت زمان هر دوره حدود 3 هفته خواهد بود که شامل 5 تا 6 واحد ECTS می شود. دانش آموزان باید تمام این دوره ها و پروژه Capstone را برای کسب 120 ECTS برای واجد شرایط بودن برای MBA در علم داده و یادگیری ماشین تکمیل کنند.

ترم 1 - بنیاد مدیریت

• مهارت های مدیریتی MBA-101 - 4
• MBA-102 حسابداری برای گزارشگری مالی - 4
• MBA-103 مدیریت بازاریابی - 4
• رهبری برتر MBA-104 - 4

ترم دوم - کیت ابزار داده و تجزیه و تحلیل

• بنیاد یادگیری ماشین MDS-101 - 4
• MBA-106 آمار کسب و کار - 4
• برنامه نویسی MBA-108 برای تجزیه و تحلیل با استفاده از R - 4
• روش‌های یادگیری ماشین MDS-102 - 4

ترم 3 - کاربرد و تجسم علوم داده

• MDS-103 هوش مصنوعی و رباتیک - 4
• MBA-110 Big Data و NoSQL - 4
• MBA-111 انبارداری و مدیریت داده - 4
• MBA-112 تجسم داده ها و داستان سرایی با Tableau - 4

ترم 4

• پروژه مشاوره Capstone CP-101 (پایان نامه کارشناسی ارشد) - 12

کل اعتبارات: 60

ESDST MBA در علوم داده و ML فارغ التحصیلان ما را با مهارت ها و دانش لازم برای کمک به آنها در رشد شغلی خود مجهز می کند. با تمرکز یکسان بر مفاهیم نظری و کاربردهای عملی، این برنامه دانش آموزان را قادر می سازد تا ماهیت کار، پیچیدگی های موجود و رویکردهای راه حل مناسب برای مشکلات صنعت را درک کنند. پروژه‌های تجاری فراوان، آموزش ابزارهای پیشرفته و راهنمایی توسط مربیان صنعت به دانش‌آموزان این امکان را می‌دهد تا با دنیای علم داده 365 درجه آشنا شوند.

هر دانش آموز در ESDST با یک مربی صنعت مطابقت دارد، ترجیحاً در همان صنعتی که دانش آموز در آن کار می کند یا آرزوهایی برای ورود دارد. مرشد دانش‌آموز را در طول دوره راهنمایی می‌کند و یادگیری تجربی واقعی را همراه با یادگیری اصلی که در برنامه انجام می‌شود در اختیار دانش‌آموز قرار می‌دهد.

پیامدهای اولیه:

1. درک عمیقی از مفاهیم علم داده و الگوریتم های یادگیری ماشین و نحوه به کارگیری آنها با هم ایجاد کنید
2. درک مشکلات تجاری و ایجاد رویکردی برای حل آنها از طریق اصول DS/ML
3. ایجاد رویکردی برای مطالعه و بررسی هوشمندانه داده‌ها برای محدود کردن مناسب الگوریتم‌های ML، که راه‌حلی مناسب ارائه می‌دهد.
4. ایجاد دیدگاه ها و مهارت های مثبتی که رهبران مدیریتی مولد و شبکه های تجاری را برای ایجاد تیم های در سطح جهانی ایجاد می کند.
5. در استفاده از ابزارها/فناوری های رایج در صنعت علم داده مهارت داشته باشید

پس از اتمام موفقیت آمیز برنامه، نقش های شغلی بر اساس سطح تخصص دانش آموزان و تجربه قبلی هدایت می شود. برای متخصصان شاغل، مسیرها از تغییر شغل/تغییر از نقش فعلی به نقش علم داده متغیر است. برای فارغ التحصیلان تازه وارد، دانش و مهارت های توسعه یافته در طول برنامه MBA آنها را قادر می سازد تا برای موقعیت های مناسب با محوریت مهارت ها و علایق خود درخواست دهند. دانش آموزان می توانند هر یک از نقش های زیر را هدف قرار دهند:

1. دانشمند داده / مدیر داده
2. مشاور علوم داده
3. متخصص یادگیری ماشین/مدیر یادگیری ماشین