数据科学

浩博体育app

学术资源

入学 & 援助

发现萨斯奎哈纳

浩博体育app网站

学生生活部

对苏

支持萨斯奎哈纳

浩博体育app 回来

学术资源

入学 & 援助回来

发现萨斯奎哈纳

浩博体育app网站回来

学生生活部

对苏回来

支持萨斯奎哈纳

数据科学学位

在浩博体育app数据科学的动态领域发现你的成功之路. Explore a robust curriculum with a technical foundation in mathematics, statistics and computer 科学, 聚焦创新和计算，释放数据的巨大潜力.

深入研究算法, 机器学习和先进的计算技术的教育经验不同于传统的商业分析程序. Learn from experienced professionals, as they guide you through real-world projects, ensuring practical skills applicable to the evolving data 科学 landscape.

Tailor your studies to unlock the full potential of a data 科学 degree. 通过其他学科的各种课程来提高你的技能，为你在各个行业的成功铺平道路.

请求更多信息

安排行程

专业 & 未成年人

95%: of Susquehanna students study abroad

99%: of Susquehanna students receive financial aid

Which data 科学 degree should I choose?

数据科学和商业数据科学是相关的领域，涉及使用数据来获得洞察力和做出明智的决策. Each have distinct focuses 和应用程序.

数据科学通过利用先进的计算机技能和分析技术来解决复杂的问题. 该领域涉及开发处理和分析数据集的算法和模型, 使它成为一个通用的和有影响力的学科，应用于各个行业.

Image of four students in a classroom taking notes.

商业数据科学

业务数据科学以分析数据为中心，为业务决策提供信息, utilizing methods such as statistical analysis and reporting tools. 目标是为增强流程和实现业务目标提取有意义的见解, primarily within the domain of business management.

“At 浩博体育app, 我获得了在数据库基础设施工作中脱颖而出的技能和实践经验.”

克里斯托弗·索尔斯，12岁

潜在的职业

数据分析师
数据库架构师
数据工程师
机器学习 Engineer
Business Intelligence Analyst

平均工资

$134,870

2022 median pay for database architect

Source: Bureau of Labor Statistics

Studying for a Degree in 数据科学

探索您将在萨斯奎汉纳大学获得数据科学学位的旅程中学习的课程.

When you enroll at Susquehanna, 您将与顾问和应用工具配对，以指导您的课程计划和安排. The following is an excerpt from the 完整课程目录. 入学的学生遵循学年课程目录的要求，他们在其中宣布每个专业和/或辅修, consult with their advisor(s) and the 学术策划工具.

数据科学

The data 科学 major is a program that combines mathematics, 统计学和计算机科学与应用领域，为学生提供必要的工具，以追求在该领域的职业生涯. 该专业面向希望在数据科学学科领域拥有强大技术背景的学生.

学习目标

应用相关的数据分析技术，如数据清洗和统计建模.
掌握编程语言和工具，如Python, R和数据处理库.
与包括非技术人员在内的各种利益相关者进行有效的口头和书面沟通.

Requirements for the Bachelor of Science in 数据科学

To earn the Bachelor of Science degree in data 科学, 学生必须完成, with grades of C- or better, the equivalent of the following:

4 CSCI-181 Principles of 计算机科学

4 CSCI-182 Object-oriented Programming and Design

4 CSCI-281 数据结构

4 CSCI-301数据挖掘

4 ccci -381算法

4 CSCI-401 机器学习

数学-微积分1

4数学-微积分2

4 MATH-180 统计方法

4 线性代数

4 MATH-211 多变量微积分

4 MATH-221 离散结构

4 CSCI-500 高级讨论会

In addition to the courses above, 学生必须完成从以下列表中选择的部门以外的三门课程或由数学系批准的另一门课程 & 计算机科学:

Anthropology: ANTH-162; either ANTH-235 or SOCI-245; either ANTH-341 or ANTH-310
Biology: either BIOL-101 or BIOL-102; BIOL-220; one 300-level or higher BIOL course including lab
Chemistry: CHEM-103; CHEM-242; CHEM-341
Earth and Environmental Sciences: EENV-101; one of EENV-105, EENV-220, or EENV-240; EENV-360,
Ecology: ECOL-100; BIOL-220; one 300-level or higher ECOL course including lab
History: One 100-level HIST course, HIST-300, HIST-401
物理: PHYS-204; PHYS-206; either PHYS-307 or PHYS-401
Political Science: One of POLI-111, POLI-121, POLI-131, or POLI-212; POLI-205; POLI 305
Psychology: PSYC-101; PSYC-223; one 300-level or higher PSYC course
Sociology: SOCI-101; SOCI-235 or SOCI-245; one of SOCI-102, SOCI-195, SOCI-255

计算机科学和数据科学双学位的学生不能将CSCI-301和CSCI-401作为计算机科学选修课.

辅修数据科学

辅修数据科学要求完成20个学时的以下课程，成绩为C-或以上:数学-180统计方法(或数学-108统计学概论加INFS-233数据驱动决策), 线性代数, CSCI-181 Principles of 计算机科学, 301数据挖掘, and CSCI-401 机器学习.

Double-counting restriction for interdisciplinary minors

只有4个学时的辅修课程可以重复计算在学生的主修课程中.

本课程介绍了隐式自动抽取的概念, 前所未知的, 从商业中产生的大数据中获得潜在的有用信息, 科学, 以及其他领域. Topics include preprocessing of the data, application of the fundamental algorithms on the prepared data, and interpretation of the patterns discovered by the algorithms. The fundamental algorithms for supervised learning, including 分类 and numerical prediction, 无监督学习, which includes association rules 和集群, 介绍了. Prerequisites: CSCI-181 and either MATH-180 or both MATH-108 and INFS-233. 4 SH.

本课程提供了一个系统学习算法和系统的介绍，通过经验来提高他们的知识或性能. 提出了一种强调概念和方法实现的统计方法，以使大型和复杂的数据有意义. Topics include linear regression, 分类, 重采样方法, 收缩的方法, 基于树的方法, 支持向量机, 和集群. 先决条件:数学-180统计方法(或数学-108统计学入门和INFS-233数据驱动决策), 线性代数, and CSCI-181 Principles of 计算机科学. 4 SH.