• 科技小论文
  • 数学建模论文
  • 数学论文
  • 节能减排论文
  • 数学小论文
  • 低碳生活论文
  • 物理论文
  • 建筑工程论文
  • 网站设计论文
  • 农业论文
  • 图书情报
  • 环境保护论文
  • 计算机论文
  • 化学论文
  • 机电一体化论文
  • 生物论文
  • 网络安全论文
  • 机械论文
  • 水利论文
  • 地质论文
  • 交通论文
  • 龙8国际_龙8娱乐_龙8国际娱乐平台

    时间:2016-10-28来源:龙8国际_龙8娱乐_龙8国际娱乐平台 本文已影响
    相关热词搜索:外国 计算机 论文 计算机技术外国知乎 计算机系统外国课程 外国计算机配件过海关 篇一:国外计算机论文:德国高校计算机教育特点及启示国外计算机论文: 德国高校计算机教育特点及启示 摘要:从德国高校体制出发,对德国高校计算机专业教学特点、德国大学计算机博士生教育、德国高校计算机系组织体系等方面进行了较为系统地介绍,并结合我国高校计算机教育的实际情况,提出建立高校分类体系以及根据高校和学生的特点分层次、分流培养计算机各类人才的思路。 关键词:德国;高等教育;计算机专业;教育体制 目前,依据《国家中长期教育改革和发展规划纲要》,高校体制及管理模式正在作重大改革。学习和借鉴世界各国高等教育的先进经验在当前显得尤为重要,德国高等教育尤其是其工程教育在世界占有重要的地位,德国的计算机科学及其应用位居世界前列,这与德国高校计算机专业教育的高水平是分不开的[1]。 笔者曾两次以访问教授的身份分别在德国达姆斯塔特工业大学(TU Darmstadt)计算机科学系和波恩—莱茵—齐格应用技术大学(FH Bonn-Rhein-Sieg)计算机科学与应用系进修学习,对德国计算机专业教育进行了实地考察和研究,现将研究成果介绍如下。 1德国高校体制 德国的高等学校分为4大类型: 1) 大学(Universit?t,简称Uni),与国内的大学相对应,其中又可细分为综合性大学(Universit?t)、工业大学(Technische Uinversit?t,简称TU)和全科大学 (Universit?t-Gesamthochschule)。 (1) 综合性大学设有文科、理科、工科、法学、医学、经济学、社会学和神学等学科。例如:海德堡大学、慕尼黑大学、柏林洪堡大学、科隆大学等。这类大学是教学科研并重型大学,有博士学位授予权。这类大学一般规模很大,历史悠久,以理论研究见长。 (2) 工业大学与国内的理工大学、工业大学相当。一般指设有理、工、经、管等学科的,以工科为特色的理工大学,现在大部分学校也开设了人文学科。例如:亚琛工业大学、慕尼黑工业大学、达姆斯塔特工业大学、柏林工业大学等。这类大学属于教学科研并重型大学,有博士学位授予权,其工程教育在世界上处于领先地位。这类大学以培养应用研究型人才见长,与企业关系密切,经费比较充足。 (3) 全科大学这类院校是在20世纪70年代开始建立的,主要分布在黑森州和北莱茵—威斯特法伦州[2]。它将不同类型的高等院校综合起来,提供多种学制的学习。理论与实际相结合的专业学院两类学制,毕业时颁发两类毕业文凭。有博士学位授予权,也属于教学科研并重型大学。 2) 应用技术大学(Fachhochschule,简称FH),一般是单科或多科性的学校,与国内某些学科门类不多但有一定特色和专业方向的学院相当。这类学校主要培养应用型人才。学校规定入学时和毕业前需有一段时间的实践活动。此类大学毕业生实践经验丰富、动手能力强,颇受工业部门和社会欢迎。这类学校没有博士学位授予权。 3) 师范学院(或教育学院)(P?dagogishe Hochs- chule),主要培养中小学和幼儿教师,以及特殊教育教师。 4) 艺术与音乐学院(Kunsthochschule und Musik- hochschule),主要培养艺术和音乐类专门人才和教师。 传统的德国大学教育将本科和硕士阶段合并,长期以来形成了自己一套独特的体系,其大学(Uni)毕业生如学理工科的授予Diplom学位,学文科的则授予Magister学位,而应用技术大学(FH)其毕业生所取得的学位是Diplom(FH)。根据中德双方有关学历互认的文化协 定,Diplom和Magister承认为硕士,而Diplom(FH)承认为学士,从学制体系分析和实际操作来看,Diplom(FH)应介于我国的学士和硕士之间。 由于德国的计算机专业学历教育基本上由Uni和FH这两类高校承担,而本人在这两类学校做过访问研究,对这两类学校的区别与特色感触颇深。本文以Uni和FH的计算机专业,尤其是以具有博士学位授予权的Uni为主进行讨论。 2德国高校计算机教育 2.1德国高校计算机专业教学 德国计算机应用和技术的发展是20世纪60年代后才开始,相关的计算机教育和学科建设才起步和推动[3]。随着计算机应用和就业的需求,德国的计算机学科得以迅速扩张和发展,计算机教育也得到长足的发展。几乎所有的Uni和FH都有与计算机有关的课程和专业,可以授予计算机科学学士、硕士和博士等各级别的学位。一般Uni里的系的德文名为Fachbereich Informatik,意为计算机科学系,FH里的系的德文名为Fachbereich Angewandte Informatik,意为计算机科学与应用系。 德国高校计算机专业的法定学习年限,Uni为4~6学年(Studienjahr),FH为4~5学年。每个学年又分为两个学期,即冬季学期(Wintersemester)和夏季学期(Sommersemester)。由于Uni的必修和选修课程甚多,对毕业论文的要求较严,学生往往要延长1~2年方能毕业。据统计学生实际平均在大学学习时间是7年,即14个学期。而FH的课程安排紧凑,由于普遍学校规模不大,对学生管理较严,学生无特殊原因不得任意延长学习期限,包括实习在内,学生平均在校时间为8~9个学期。每学期课程较多,以应用性课程和技能性课程为主。 德国高校的计算机学科与工程紧密相关,与德国人那种实践主义的精神很吻合,但在Uni不只注重工程方面的应用,还强调数学理论的学习。计算机专业学习分为基础阶段 (Grundstudium)和专业阶段(Hauptstudium),基础阶段通常为4个学期,主要学习学科和专业基础相关的课程,基础课如数学课程,一般由教授上大班课。修完基础阶段的课程后,必须通过一个“阶段考试”(Zwischenpruefung, Vordiplom- pruefung)才能进入专业阶段的学习。专业阶段一般为4~8个学期,学生在此阶段能深入接触专业课程,而专业课程的选择通常与将来指导毕业论文的教授研究兴趣有很大关系,另外,学生的Diplom论文工作也与教授的研究项目有关。教学活动主要包括以小班形式为主的专业课讲授、学术讲座、讨论课、习题课、实习与参观考察、毕业设计等,教学方法也多种多样,有团队教学模式、多媒体演示、实验、小组讨论演讲等。 计算机专业课程考试的形式比较灵活,有卷面笔试、口试、写课程报告、做实验、写论文和参加研讨会等,都有可能获得一张学业成绩单(Scheine,类似学分)。在基础阶段拿满了所规定的Scheine便可向学校考试委员会申请参加阶段考试,在专业阶段拿满了所规定的 Scheine可申请参加毕业考试(Diplimpruefung)。德国考试成绩评分为5分制:1分:sehr gut(优秀);2分:gut(良好);3分:befriedigend(中等);4分:genuegend(及格);5分:ungenuegend(不及格)。 2.2德国高校计算机博士生教育 德国高校计算机博士生教育一般是由Uni承担,由于前些年计算机专业人才需求量很大,在德国甚至出现向海外招聘IT人才的 “绿卡计划”,计算机专业毕业生就业形势很好,大部分毕业生均能找到满意的工作,有些人在工作几年后再回来深造并完成博士论文研究,教授手下的博士生有很多来自其他国家。博士生在教授领导的研究所里做课题研究,德国的大学不设研究生院,基本没有脱产研究生。一般博士生在所里都拿薪水,有的是教学岗位,有的是项目岗位,还有的是各基金会奖学金岗位,都是非固定岗位,合同一般为3~5年,除奖学金岗位外,其他均是在完成教学任务或项目课题的同时完成博士论文。合同到期还没完成博士论文者就变为自由读博者,可以另找企业工作,边工作边完成博士论文。篇二:大数据国外发展状况研究论文 摘 要:围绕大数据的开发和应用,美国政府在政策上积极鼓励各大学开展跨学科的大数据专业硕士研究生教育,以培养下一代数据科学家和工程师,企业和研究机构也在积极配合推动。美国目前有超过四十多所大学开设了大数据专业硕士研究生课程,其中有二十多所知名大学的课程内容值得仔细研究,经过深入分析这些课程网站信息,总结出美国大数据专业硕士研究生课程的一些特点。文章还介绍了美国专家学者关于大数据的最新观点,以及美国各大学大数据专业硕士研究生课程设置内容,结合中国大数据专业硕士研究生教育现状等几个方面的问题进行研究,从而为中国的大数据专业硕士教育提供非常有价值的参考。 关键词:美国 大数据 硕士研究生课程 数据分析 商业数据分析 研究生教育 中图分类号: G250.252 文献标识码: A 文章编号: 1003-6938(2014)02-0048-09 Abstract As the development and application of big data increases, the U.S. government has actively encouraged universities in policy to carry on interdisciplinary graduate programs to train the next generation of data scientists and engineers. Companies and research institutions are also actively cooperating to promote such programs. In the United States, more than forty universities have started their Master's Programs in Big Data Analytics; there are currently over twenty great Programs available at these universities, all of which deserve careful researching. After in-depth analysis of these Programs' websites, sharing the view of American experts on big data will provide a valuable reference for the Chinese Master's Programs in Big Data Analytic Keywords The United States; Big Data; Master's Programs; data science; business analytics; graduate program 1 背景 2009年IBM首次提出“智慧星球”概念,大数据的开发和应用受到人们关注,为了弥补大数据相关人才的缺口与技能的缺乏,IBM目前已经与世界超过一千所大学在大数据和分析方面开展合作[1],IBM赋予大数据“Data savvy. Insight driven.”的内涵,中文可以意译为“领悟数据,提升见识,洞察秋毫,驱动优化”,这四个英文单词已成为各美国大学大数据与分析专业的课程描述中使用频率非常高的词汇。目前,在大数据开发与应用方面企业是主力军,几家著名互联网公司成功地将其产品和服务与大数据和数据分析结合,成为业界典范和研究对象。伴随着企业对大数据的开发和应用的深入,对相关人才产生需求,一批知名企业开设了自己的大数据研究中心,与大学开展合作,催生了大学大数据专业教育。 1.1 美国政府的“大数据研究与开发计划”直接推动 2012 年3月29日,美国总统奥巴马宣布启动“大数据研究与开发计划”(Big Data Research and Development Initiative)[2],旨在提高从海量数字数据中获取知识和观点的能力,从而加快科学与工程发现的步伐,加强美国的国家安全,实现教育与学习的变革。对于未来大数据人才的缺乏,美国国家科学基金会正在实施一项全面的长期战略,包括从数据中获取知识的新方法、管理数据的基础设施、教育和队伍建设的新途径,尤其是:(1)鼓励科研院校开展跨学科的研究生课程,以培养下一代数据科学家和工程师;(2)向加州大学伯克利分校提供1,000 万美元的资助,将机器学习、云计算、众包三种方法整合起来,用于将数据转变为信息等与教育行业有关的六条措施。在此计划背景下,美国有数十所大学纷纷开办了大数据及其分析等相关专业的硕士研究生课程。 1.2 政府部门和研究机构对未来大数据人才缺口的预测 2011年麦肯锡全球研究所(MGI)发布的《大数据:下一个创新,竞争和生产力前沿》(后简称为《大数据》)[3]非常具有影响力,该报告讨论了大数据给商业和经济发展带来的新的可能性,并预测,至2018年美国需要44 至49万大数据深入分析人才,存在14万至19万缺口;需要400万名具备基于大数据分析而且能熟练并进行决策的经理和分析师,这一类人才缺口在2018年将达到150万人,《大数据》报告建议要解决未来人才缺口,需要加快扩大专业教育和职业培训,以及引进海外人才。根据美国劳工局2014年1月最新的统计数据,2012年市场雇用了718,700名具有管理分析技能的专业人员,平均年薪是78,600美元,2022年市场将需要852,500名这方面的专业技术人员,未来八年将有19%的需求增长[4]。这些报告中提及的未来大数据相关人才缺口的数据,在美国各大学大数据相关专业的硕士研究生课程描述中被频频引用。 1.3 对大数据人才知识结构与综合能力的讨论在大数据分析和应用中的各种数据与决策模型需要被不断地测试和优化,同时,更需要相应人员高质量的计划和执行力,因此,对大数据人才的知识结构与综合能力提出了很高的要求。除了大数据相关书籍外,几位知名学者和专家在美国主流媒体上发表的文章对大数据相关专业的开设和发展起了推波助澜的作用。例如:2012年10月托马斯?达文波特[5](Thomas Davenport)和帕蒂尔(D.J. Patil)在《哈佛商业评论(Harvard Business Review)》杂志上发表的《数据科学家:21世纪最受欢迎的职业(Data Scientist: The Sexiest Job of the 21st Century)》[6]文章,指出大数据科学家应该具备的基本知识结构与综合能力:沉浸在大数据中时能有价值发现;会编写程序代码;充满好奇心;具备数据分析和交流沟通能力等。还有文章对数据科学家的知识结构与综合能力提出看法[7]:要成为大数据科学家,学生仅具备良好的数学、统计学和计算机科学等专业知识还不够,还要具备其他专业领域较深的知识背景,例如:生物或物理专业领域知识,最重要的是要有创造故事的能力(ability to create narrative-to create story telling),数据是冰冷的,强调只有专业人才能使数据有生命有利用价值。对大数据及相关人才应具备知识结构与综合能力的广泛研究讨论,给美国大数据相关专业的开设提供了非常有价值的参考。 2 美国大数据相关专业硕士研究生课程的开设情况 据不完全统计全世界有近170所大学开设了大数据相关专业[8],其中约150所大学开设了硕士研究生以上的学位课程。还有资料显示,美国有超过60所大学开设了大数据相关专业[9],在欧洲有30多所大学,其中英国有13所,占了近一半,中国境内有2所,分别是香港中文大学的数据科学与商业统计(Data Science & Business Statistics)硕士课程和纽约大学上海分校的商业数据分析科学(Master of Science in Business Analytics)硕士课程。 美国大学开设大数据与数据分析相关专业的硕士研究生课程的确切数字我们没有查到官方的正式统计,但一些研究机构或学者在自己的研究网站上进行收集统计并予以公布,例如:北卡罗莱纳州立大学 (North Carolina State University) 高级数据分析研究院(Institute for Advanced Analytics) [10]的统计资料较为全面可靠,他们将全美的大数据分析硕士学位课程按三个类型进行统计,即:数据分析科学硕士学位课程(MSA,Master of Science in Analytics)有14所大学,共性是属新开发的跨学科课程,将应用数学、统计学、计算机科学,以及各种商业学科诸如营销、财务等融合在一起,即使一些学位使用预测分析(Predictive Analytics)或数据分析(Data Analytics)冠名其课程内容也大致相同;商业数据分析硕士学位课程(MSBA,Master of Science in Business Analytics)有17所大学,其特点基本上是由各大学商学院新开设或改名而来的,也会有与其他学院联合办学的情况,和MSA类似面向技术的课程稍少一些,但也并不意味着MSBA就完全偏向商科;属其他学科的硕士学位但主修方向是数据分析(Other M.S. Programs, Analytics Tracks and Concentrations)的有14所,常冠以数据科学(Data Science)这个名称,一般开设在商学院以外的学院,将数据分析课程与其他学科结合的硕士学位,还有的情况是将原有的旧专业改为数据分析专业,有时还可能沿用原有的专业名称,目标是从庞大数量与种类的数据中去获得能有效沟通的可执行见解。这45所大学相对集中在美国的东部与北部区域[11]。 2.1 本文分析研究对象 在广泛收集相关资料全面分析后发现,一些较少数量、较窄范围的统计分析名录受到各大学的普遍关注和认可。2013年1月7日道格?汉斯肯(Doug Henschen)在《大数据分析硕士学位课程之排名前20(Big Data Analytics Masters Degrees : 20 Top Programs)》[12]文章中详细介绍了北美地区20所大学的大数据分析专业的情况,虽然作者强调只是收录不涉及排名,但因为有一定影响力,许多大学以被列入此名录为荣。同样重要的一个排行名录发表在一个叫Degree Prospects, LLC团队开办的名为masters in data science的网站上,这个网站专门帮助大数据专业的学生解决各种专业知识和学习问题,该教育服务科研团队最新收集的《全美23所知名大学数据科学硕士课程(23 Great Schools with Master’s Programs in Data Science)》[13](见表1)名录,较有代表性地罗列了全美大学中重要的数据科学硕士研究生学位课程。本文就以这23所大学的数据科学专业为主要研究对象,综合其他信息源展开分析。 2.2 美国23所大学大数据专业硕士课程概况(详情见表一) 美国最早开办数据分析专业的是北卡罗莱纳州立大学。2005年6月北卡罗莱纳州立大学首次提出申请,由北卡理事会授权在2007年2月成立高级数据分析研究院(Institute for Advanced Analytics,后简称为IAA),成为美国正式的第一个数据分析硕士研究生(M.S. in Analytics)学位授予单位。著名的决策支持大型集成信息系统SAS(Statistics Analysis System)早期时段(1966~1976年)就是由北卡罗来纳大学开发的,IAA与SAS保持的密切合作成为其办学的特色优势。在这23个知名的数据分析科学专业中,有11个开设在商学院,绝大多数称为商业数据分析硕士(Master of Science in Business Analytics);有6个开设在工学院,以计算机或工程学院为主,多数是计算机科学硕士学位主修(Concentration)数据分析方向;设在管理学院的有4个,多数为商业管理硕士学位主修数据分析方向;其余2个分别由专设的数据分析研究所和研究生院开办。除了专业课程外,许多大学还成立有专门的大数据研究所配合教研活动,例如:哥伦比亚大学的数据科学研究所(Institute for Data Sciences)、哈佛的应用计算科学研究所(Institute for Applied Computational Science)、加州大学伯克利分校的算法?机器与人实验室(AMPLab)等等。2.3 美国23所大学数据科学专业硕士课程设置特点 2.3.1 入学要求、学制、课程持续时间、学分和学费方面的情况 各大学对报考学生的数学和计算机知识结构都有较为统一的明确要求,诸如工程、计算机科学、数学、信息技术等专业的学士,最理想的是商业知识和数据分析技能都具备的学生。例如:田纳西大学(University of Tennessee)要求学生具备数学和计算机背景知识;不具备相关知识的会被要求补齐相关课程学分,宾利大学(Bentley University)要求学生在进入核心阶段前要完成经济学、统计学和市场营销的学分。德雷塞尔大学(Drexel University)的课程是针对那些有兴趣于定量方法、通过数据分析探索和揭示内在关系、利用数据来解决商业问题,希望提升能力或从事商业分析的职业人,所以提出有工作经验的学生会有较强的入学竞争力。普杜大学(Purdue University)将传统商业咨询与数据分析结合,即利用集成的分析方法和现代信息技术来生成商业情报和解决特定行业的问题,因此要求入学学生具有很强的分析、量化、团队领导、组织和沟通能力。西北大学(Northwestern University)则明确提出将班级人数控制在23人,并集中个人指导,有机会形成良好的同学关系,有助于将这种关系超越学术带到工作关系中去。纽约大学(New York University)在6国家的9个城市有分校,要求学生有两个学习单元可以在纽约以外分校完成,其他的三个须在纽约大学本部完成。加州大学伯克利分校开设在线网络教学,但也要求学生在校园有4-5天的体验。学制有全日制(Full Time)、在职教育(Part Time)和网络教育(Online)三种,所有23所大学都提供全日制课程,其中有12所大学同时提供在职教育,8所大学同时提供网络教育。学制时长为1至2年,最短的为期9个月有3所大学,近11所大学须时2年。需要修满的学分多数在30个以上,最高的德保罗大学(DePaul University)需要52个学分。学费普遍在4万以上,最贵是麻省理工的92,827万美元。 2.3.2 各大学充分利用校内的资源优势来开展教学 北卡罗莱那州立大学是最早获得数据分析硕士授予权的大学,号称要培养世界上最好的数据分析专业人才,《哈佛商业评论》认定该校的专业与斯坦福大学、麻省理工学院、加州大学伯克利分校、哈佛大学和卡内基梅隆大学等名校的专业齐名,历届毕业生就业率都超过90%,与SAS结成合作伙伴关系,在SAS的帮助下结合实际项目对学生进行教学,提高学生毕业后求职的竞争力,学校还鼓励学生开展四五人的团队合作,许多毕业生获得SAS产品证书。例如:全球前25大医疗计划和生物制药公司以及医药研发外包组织都在使用SAS来获得医疗效果、利润、客户行为偏好方面的战略洞察,北卡罗莱那州立大学与SAS联手开展抗癌项目,由此带来的分析智能帮助这些公司组织实现业务转型和持续增长。 哥伦比亚大学(Columbia University)的课程自称为“大杂烩”,目标是为那些希望扩大和深化理解计算机科学的学生,研究方向非常多,诸如:计算生物学、计算机安全、计算机应用基础、应用生物信息学、欺诈检测、智能系统、感知、金融、信息检索等领域的机器学习、自然语言处理、软件系统、视觉和图形,以及网络系统等研究方向。课程特色是强调个性化,学生可选择自己需要的主修方向。 卡耐基梅隆(Carnegie Mellon University)大学的学生可通过iLab的实验室系统开展应用研究,获得实践知识经验。 麻省理工学院斯隆(Sloan)管理学院的MBA项目包含了一个无与伦比的深度案例研究与实时案例讨论组合、令人振奋的合作项目;整合杰出的教师授课、提供与非凡业界领袖的接触机会,利用行动学习实验室(Action Learning Lab),提供引人入胜的课程。研究方向包括企业管理、金融、创业和创新。麻省理工还配备了许多研究中心,如:数字化商业中心(Center for Digital Business)、计算机科学与人工智能实验室( Computer Science and Artificial Intelligence Laboratory),以及经济学和管理科学计算研究中心(Center for Computational Research in Economics and Management Science),组合广泛的学习机会让学员处于令人羡慕的地位和体验中,使学生在学术、人脉、专业方面获得巨大收益。 2.3.3 各大学非常重视通过与校外合作来提高学生的实际应用能力 这23所大学中有9所仅提供全日制课程,其余的大学都在提供全日制课程的同时,还提供在职教育或网络教育,特别为在职人员提供学习机会,结合学生的工作经验,可以缩短人才培养的周期,纽约大学和罗格斯大学(Rutgers University)将数据分析与信息管理专业列为MBA课程。 麻省理工的课程以专业、多样、严谨出名,培养领导型人才,其特色是允许学生在导师的指导下订制自己的课程,特别安排众多实践课程,注重与世界各地的行业领袖交流,例如:提供斯隆创新期计划(SIP,The Sloane Innovation Period),即一周密集的经验领导学习;行动学习实验室(Action Learning Labs)计划,即结合课堂学习和真实的商业经验的实践机会,其中在中国实验室(China Lab)会安排与在MBA 国际班学习的中国行业领袖级企业家合作共同应对挑战;以及四周时间的独立活动期(IAP,Independent Activities Period)。 路易斯安那州立大学(Louisiana State University)的课程受SAS的赞助,故其课程是模仿北卡罗莱纳州立大学(North Carolina State University) 高级数据分析研究院(Institute for Advanced Analytics)的课程。斯坦福大学(Stanford University)所处的地理位置在硅谷使它大获益处,该校的学生被允许使用Amazon的EC2云平台做大规模计算。 宾利大学(Bentley University)地处美国128号公路高科技密集带,众多高科技公司对这个课程的需求,使得宾利大学的课程实现跨越式发展。 康涅狄格大学(University of Connecticut)课程建立在与通用电器(General Electric)的10年伙伴关系之上,与SAS和IBM也有技术合作,毕业生在商业分析和项目管理方面展现出与现实社会紧密结合的扎实基础。 2012年旧金山大学(University of San Francisco)的MSA(Master of Science in Analytics)开始招收学生,一直与众多知名公司保持着良好关系,例如:贝宝(Paypal)、 汤森路透(Thomson Reuters)、“调查猴子”(SurveyMonkey)、思科(Cisco)和摩斯拉(Mozilla)等等。 2.3.4 各大学将数据分析与原有特色专业结合,开设相关领域的大数据分析课程 这23所大学开办数据分析课程还有一个特征就是,许多学校将原有的特色专业与数据分析相结合,在各自领域的基础上关注数据分析。北卡罗莱纳州立大学、德雷克塞尔大学(Drexel University)、路易斯安那州立大学(Louisiana State University)将目光聚焦商业与数据分析的结合;辛辛纳提大学(University of Cincinnati)、田纳西大学(University of Tennessee)的统计与运营管理系将应用学习课程打造成为面向商业与大数据的课程。 旧金山大学(University of San Francisco)的MSA(Master of Science in Analytics)专业是由文理学院和管理学院联合提供的一个创新的跨学科课程,为与大数据有关的各种数学、计算技能与方法进行严格的训练,让学生熟练地将数据分析与战略决策关联起来, 以及将分析结果在商业场景中有效沟通。 辛辛纳提大学(University of Cincinnati)的商业数据分析专业硕士研究生课程(Master of Science in Business Analytics)也颇有历史渊源,前身的定量分析专业(M.S. in Quantitative Analysis)从1970 年代就已经开始由该校的运营、商业分析与信息系统系(Department of Operations, Business Analytics, and Information Systems)开办,它将自己的数据分析学位的课程解释为运营研究和应用数据统计的结合(A Master of Science degree in operations research and applied statistics),在商业环境中开展应用数学和计算机的应用,这独特的专业课程已经帮助毕业生在专业工作中获得回报,并在商业(来自:WWw.XieLw.com 写 论 文 网:龙8国际_龙8娱乐_龙8国际娱乐平台)世界的各个角落都表现出色。 田纳西大学(University of Tennessee)的课程强调对商业了解的重要性,学生要学习大型商业背景下的技术技能,采用数据分析方式优化商业流程。除了提升分析技能的核心课程外,学生须在数据分析与实用统计或过程优化两个领域的结合选择其一作为主修。2013年田纳西大学打算增加更多的研究方向,包括:供应链、客户分析、医疗和金融方面的数据分析。 普渡大学(Purdue University)善长于咨询业与数据分析结合,培养商业分析咨询、金融咨询与市场营销咨询方面的人才。 密歇根州立大学(Michigan State University )商业数据分析专业(MS in Business Analytics)的特色是由布罗德商学院(Broad College of Business)、工程学院(College of Engineering)和自然科学学院(College of Natural Science)三院合办。 德保罗大学(DePaul University)应社会对大数据科学家的各种需求,课程强调技术能力和行业实践经验,为学生在数据挖掘高级技能、多元统计、机器学习和数据库处理方面提供培训。通过各行业赞助提供的数据分析项目,学生必须完成现实中的数据分析问题研究或参与数据分析领域的实习,专业研究方向涉及计算方法(Computational Methods)、医疗保健(Health Care)、酒店管理(Hospitality)和市场营销(Marketing)等。 马里兰大学(University of Maryland)的课程以市场营销为目的,让学生综合全面地理解所需的数学和统计模型,以及用于分析客户数据的工具,重点在于教授学生如何利用和处理大量的数据,设计强大的分析模型,有效地帮助客户解释并帮助他们设计产品,预测营销活动的影响,更好地了解客户,史密斯商学院(Robert H. Smith School of Business)是十个研究中心的汇集地,其中包括著名的复杂商业研究中心(Center for Complexity in Business)。 康涅狄格大学(University of Connecticut)的项目管理是其特色专业,所修的课程要求有四门商业分析、四门项目管理。 2.3.5 关注不同层次人才的培养 各学校都有不同的人才培养目标,配备不同层次课程供学生选择。麻省理工斯隆管理学院MBA是培养领导型的专业人才,课程能赋予学生领导能力和信心,以及迎接各种挑战的能力,并推动学生实现职业目标和抱负。卡耐基梅隆大学(Carnegie Mellon University)则专注技术人才的培养,毕业生将成为掌握商业流程分析、预测建模技术、地理信息系统映射(GIS mapping)、分析报告、市场细分分析和数据可视化的跨学科精英。 普渡大学(Purdue University)的每个学生也将参与普渡推出的全球领导人计划(Global Leaders initiative),项目致力于领导、沟通和职业发展培训。 罗格斯大学(Rutgers University)则培养结合型人才,将目光投向信息与数据发现科学(Discovery Informatics & Data Sciences),目标是培养学生分析数据驱动决策的能力,课程汇集了数据管理、统计、机器学习和计算领域知识,学生将获得各种技能包括:分析大型数据集的能力,开发建模解决方篇三:计算机学科的国外会议论文目录及网站 附录: 计算机学会A类会议清单12数据挖掘的会议 SIGKDD: ACM Knowledge Discovery and Data Mining ICDM: IEEE International Conference on Data Mining SDM: SIAM International Conference on Data Mining PKDD: European Conf on Principles and Practice of Knowledge Discovery in Databases PAKDD: Pacific-Asia Conf on Know. Discovery & Data Mining 机器学习的会议 NIPS: Neural Information Processing Systems ICML: Intl Conf on Machine Learning ECML: European Conf on Machine Learning ACML: Asian Conference on Machine Learning 计算机视觉的会议 ICCV: Intl Conf on Computer Vision CVPR: IEEE Conf on Comp Vision and Pattern Recognition ECCV: European Conference on Computer Vision 人工智能和统计 AI stats: International Conference on Artificial Intelligence and Statistics 自然语言处理 ACL: Association for Computational Linguistics UAI: Conference on Uncertainty in AI 3 IJCAI: Intl Joint Conf on AI AAAI: American Association for AI National Conference 4本  篇:《龙8国际_龙8娱乐_龙8国际娱乐平台》来源于:龙8国际_龙8娱乐_龙8国际娱乐平台 优秀范文,论文网站
    本篇网址:http://www.xielw.cn/2016/jisuanjilunwen_1028/148985.html
    Copyright © 龙8国际_龙8娱乐_龙8国际娱乐平台 All Rights Reserved.
    龙8国际