奧克蘭大學Data science碩士課程旨在讓學生了解如何使用可衡量的數(shù)據(jù)驅動的見解做出決策。通過完成計算機科學和統(tǒng)計學的核心課程，學生將獲得一系列數(shù)據(jù)科學技能，并能夠有效地理解、處理和管理數(shù)據(jù)，以從中提取價值。作為該專業(yè)的新生，提前進行課程預習可以為后續(xù)的學習減輕很多負擔。以下是建議新生預習的基礎課程的主要內容，有需要的同學不妨了解一下。

一、算法基礎

本課程提供了研究生水平的算法設計和分析的全面介紹。課程涵蓋了算法的設計，如貪婪算法，分治和動態(tài)規(guī)劃。探索了有助于實現(xiàn)算法的數(shù)據(jù)結構。教授了分析算法的基本工具，例如空間和時間的最壞情況和平均情況分析。

二、數(shù)據(jù)庫系統(tǒng)高級主題

本課程介紹了數(shù)據(jù)庫系統(tǒng)的基礎，目的是使學生能夠構建高效的數(shù)據(jù)庫應用程序。課程分為兩部分：第一部分教學生如何設計和使用數(shù)據(jù)庫應用程序，第二部分介紹事務，并深入探討如何構建數(shù)據(jù)庫系統(tǒng)以在當前不斷變化的環(huán)境中工作。課程涵蓋了關系模型、關系代數(shù)、關系演算、SQL、SQL和編程語言、實體關系模型、標準化、查詢處理和查詢優(yōu)化、ACID事務、事務隔離級別、數(shù)據(jù)庫恢復、數(shù)據(jù)庫安全、數(shù)據(jù)庫和XML。

三、機器學習基礎

這門課程將提供機器學習的基礎。通過本課程，學生將學習基本的算法原理和挑戰(zhàn)，包括讓計算機從數(shù)據(jù)中學習，以及發(fā)展解決不同學習問題的實用技能和批判性評估建模結果的能力。這將有助于學生進一步專攻數(shù)據(jù)科學、機器學習或人工智能的高級領域。本課程提供了機器學習的廣泛介紹。學生將掌握基本的數(shù)學技能、統(tǒng)計分析和概念的基礎、良好的編程技能(課程的首選編程語言是python，或者可能是R)，以及對算法設計和計算復雜性的良好理解。

四、統(tǒng)計學計算導論

這門課程是對統(tǒng)計學和數(shù)據(jù)分析的系統(tǒng)介紹，面向具有一些計算經(jīng)驗的其他學科的研究生。課程涵蓋了統(tǒng)計數(shù)據(jù)分析的基本工具以及統(tǒng)計推斷概念的介紹，涉及頻率主義和貝葉斯。

五、數(shù)據(jù)科學回歸

本課程對擬合線性和廣義線性模型的實際方面進行了研究，涉及估計、診斷和推理。提出了線性模型的幾何解釋，以增強學生對這些模型的理解。討論了回歸模型的兩個主要用途，即預測和解釋。討論了與預測模型相關的問題，例如估計預測誤差的方法、模型選擇的標準、模型建立和預測建模的道德。探討了與解釋模型相關的問題，例如混雜，因果推理和因果圖的模型選擇。此外還介紹了其他現(xiàn)代回歸方法，如lasso和分位數(shù)回歸。

六、數(shù)據(jù)科學的統(tǒng)計學習

這是一門使用真實數(shù)據(jù)進行預測建模的課程。課程涵蓋的預測技術包括線性回歸和判別、基于樹的模型和神經(jīng)網(wǎng)絡。同時，課程還涵蓋了為分析準備真實世界數(shù)據(jù)所需的清理和操作，以及使用自動預測模型所引發(fā)的一些道德問題。除了能夠使用R應用建模技術之外，課程還強調了對建模技術的理解。課程中開發(fā)的技能對那些希望從事數(shù)據(jù)科學和預測建模相關職業(yè)的學生特別有用，這些領域需求量很大。

七、統(tǒng)計計算

本課程將教授R、數(shù)值計算和圖形學中的高級統(tǒng)計程序設計，這是進行統(tǒng)計研究和為R統(tǒng)計系統(tǒng)創(chuàng)建擴展包所必需的技能。課程的前半部分涵蓋了基本概念、控制流程和功能、矩陣、數(shù)值計算和統(tǒng)計數(shù)據(jù)。后半部分涉及到圖形，S3和S4系統(tǒng)，使用多重繼承，安裝和創(chuàng)建軟件包，效率考慮因素和范圍。

以上就是奧克蘭大學Data science碩士學位的基礎課程。新生如果能提前預習好上述幾門課程，就可以為后續(xù)一系列課程的學習打下堅實的基礎。