在这个数字和数据丰富的时代，工业，公共部门和学术界对统计专业毕业生的需求很高，但此类毕业生的人数很少。数据科学的最新发展提高了人们对统计重要性的认识，对数据的分析和对结果的解释牢牢地嵌入了这一新公认的领域。
该计划旨在培训下一代统计学家，重点放在新认可的数据科学领域。教学大纲将严格的统计理论与将统计模型应用于数据的更广泛的实践经验相结合。该方案尤其包括:
古典和贝叶斯意识形态
计算统计
回归
一系列模型和应用的数据分析
毕业生的需求量很大。预计大多数学生将在提供统计建议/咨询的私人和公共机构中担任统计员。
Statistics with Data Science
在这个数字和数据丰富的时代，工业，公共部门和学术界对统计专业毕业生的需求很高，但此类毕业生的人数很少。数据科学的最新发展提高了人们对统计重要性的认识，对数据的分析和对结果的解释牢牢地嵌入了这一新公认的领域。
该计划旨在培训下一代统计学家，重点放在新认可的数据科学领域。教学大纲将严格的统计理论与将统计模型应用于数据的更广泛的实践经验相结合。该方案尤其包括:
古典和贝叶斯意识形态
计算统计
回归
一系列模型和应用的数据分析
毕业生的需求量很大。预计大多数学生将在提供统计建议/咨询的私人和公共机构中担任统计员。
In this digital and data-rich era the demand for statistics graduates from industry, the public sector and academia is high, yet the pool of such graduates is small. The recent growth of data science has increased the awareness of the importance of statistics, with the analysis of data and interpretation of the results firmly embedded within this newly recognised field.
This programme is designed to train the next generation of statisticians with a focus on the newly recognised field of data science. The syllabus combines rigorous statistical theory with wider hands-on practical experience of applying statistical models to data. In particular the programme includes:
classical and Bayesian ideologies
computational statistics
regression
data analysis of a range of models and applications
Graduates will be in high demand. It is anticipated that the majority of students will be employed as statisticians within private and public institutions providing statistical advice/consultancy.
| 所属大学 | 爱丁堡大学 |
| 关联学科 | 数学 |
| 开学时间 | 9月 |
| 学制 | 1 年 |
| 学费 | 31,600 GBP |
| 项目网址 | https://www.ed.ac.uk/studying/postgraduate/degrees/index.php?r=site/view&edition=2024&id=916 |
专业领域：numerate类专业如数学、工程学、计算机科学、物理或生物科学、经济学或商学。
科目：足够的数学科目微积分（包括多变量微积分）、线性代数、概率论、统计学和统计理论。
| 总分要求： | 6.5 |
| 分项要求： | 听力: 6 | 阅读: 6 | 写作: 6 | 口语: 6 |
| 总分要求： | 92 |
| 分项要求： | 听力: 20 | 阅读: 20 | 写作: 20 | 口语: 20 |
| 中文课程名 | 英文课程名 |
|---|---|
| Compulsory courses 必修课 | Compulsory courses 必修课 |
| 贝叶斯理论 | Bayesian Theory |
| 扩展统计规划 | Extended Statistical Programming |
| 广义回归模型 | Generalised Regression Models |
| 贝叶斯数据分析 | Bayesian Data Analysis |
| 数据分析不完全 | Incomplete Data Analysis |
| 统计研究技能 | Statistical Research Skills |
| 论文 (SDS) | Dissertation (SDS) |
| Optional courses 选修课 | Optional courses 选修课 |
| 机器学习和模式识别 | Machine Learning and Pattern Recognition |
| 统计推断理论 | Theory of Statistical Inference |
| 运筹学基础 | Fundamentals of Operational Research |
| 统计方法 | Statistical Methodology |
| 随机建模 | Stochastic Modelling |
| 优化基础 | Fundamentals of Optimization |
| Python编程 | Python Programming |
| 概率建模与推理 | Probabilistic Modelling and Reasoning |
| 因果推断的方法 | Methods for Causal Inference |
| 多变量数据分析 | Multivariate Data Analysis |
| 仿真 | Simulation |
| 时间序列 | Time Series |
| 数据科学的大规模优化 | Large Scale Optimization for Data Science |
| 信用评分 | Credit Scoring |
| Python中的机器学习 | Machine Learning in Python |
| 生物统计学 | Biostatistics |
| 有针对性的因果学习 | Targeted Causal Learning |
| 数据科学的文本技术 | Text Technologies for Data Science |