项目概览
一、项目定位与培养核心:M.S. in Applied Data Science 由 Herbert Wertheim College of Engineering 开设,面向非计算相关工程背景学生,训练其把数学、编程、机器学习、AI ethics 和工程应用结合起来。
项目总学分为 30 credits,包含 21 credits core、6 credits electives 和 3 credits capstone project,标准学习计划跨四个 semester,并允许学生在农业与生物工程、AI、工业与系统工程等专题中选择选修方向。
学术方向与项目定位
二、核心学习模块与专业训练路径
课程与方法主轴:Applied Data Science (M.S.)以ABE5038、ABE5643C、ESI6617、EEE6512等内容组织专业训练,重点放在数据科学与分析问题所需的理论、方法和工具衔接上。
实践或成果要求:毕业生可进入数据分析、机器学习工程、AI 产品分析、工程数据平台、工业优化和农业生物系统数据科学岗位。非计算工程背景加数据科学训练,适合桥接传统工程团队与数据团队,承担建模、数据管道、实验分析和技术沟通任务。Capstone 项目可转化为作品集,说明项目不只停留在课堂学习,也要求学生通过成果、项目或现场训练完成能力转化。
项目特征细化:Environmental Engineering Sciences T Clinical and Translational Science T Geographic Information Systems T Hydrologic Sciences T Wetland Sciences T、Electrical and Computer Engineering T Clinical and Translational Science T、Clinical and Translational Science T Cancer Epidemiology Data Sciences Epidemiology Genetic Epidemiology Gero-Epidemiology Infectious Disease,可作为理解课程组织、问题场景和专业能力侧重的直接线索。
课程结构与培养方式
学位要求至少 30 credit hours beyond a bachelor’s degree,并可在批准后转入最多 9 个来自其他认可硕士项目的 credits。
核心课共 21 credits,选修课 6 credits,capstone project 3 credits;课程替换需正式 petition 并个案审查。
标准四学期路径从数学基础、编程和 AI ethics 开始,随后进入 data science、machine learning、specialization electives 和 capstone。
课程页列出 ABE 5038 Biosensors、ABE 5643C Biological Systems Modeling、ESI 6617 High-Dimensional Data Analytics、EEE 6512 Image Processing 等选修示例。
申请要求
申请要求包括 non-computing-related engineering B.S. degree、cumulative B.S. GPA of 3.0 or higher、CV、三封推荐信、SOP 和适用情况下的 TOEFL 或 IELTS。
页面明确 GRE not required。
Admission Requirements & Deadlines 页面显示 Fall 2027 已开放,国际申请截止为 January 31, 2027,国内申请截止为 April 1, 2027。
招生委员会 rolling basis 审阅完整材料;申请包在所有 required materials 提交前会被标记为 incomplete。
就业与发展方向
毕业生可进入数据分析、机器学习工程、AI 产品分析、工程数据平台、工业优化和农业生物系统数据科学岗位。
非计算工程背景加数据科学训练,适合桥接传统工程团队与数据团队,承担建模、数据管道、实验分析和技术沟通任务。
Capstone 项目可转化为作品集,用于展示从问题定义、数据处理、模型选择到工程交付的完整能力。
选修方向允许学生把数据科学延伸到 biosensors、biological systems modeling、image processing、high-dimensional analytics 等细分场景。