MS Data Science
New York, États-Unis d'Amérique
Master ès sciences
DURÉE
2 ans
LANGUES
Anglais
RYTHME
À plein temps
DATE LIMITE D'INSCRIPTION
DATE DE DÉBUT AU PLUS TÔT
Sep 2026
FRAIS DE SCOLARITÉ
USD 50 100
FORMAT D'ÉTUDE
Apprentissage à distance, Sur le campus
Mener des recherches originales dans un vaste domaine avec des professeurs experts et des professionnels de l'industrie. Acquérir les compétences nécessaires pour utiliser des langages de programmation analytiques, des outils de science des données et des applications. Apprenez à créer des connaissances à partir de données.
La proposition de valeur
- Apprenez les bases de la science des données, puis appliquez ces connaissances à travers des exercices pratiques et des projets qui vous prépareront à rejoindre le marché du travail dans le domaine de la technologie.
- Travaillez avec de vrais ensembles de données pour vous familiariser avec le cycle de vie des données en classe et dans des laboratoires innovants tels que le laboratoire de réseaux appliqués et de science des données.
- Devenez un élément essentiel de toute équipe de prise de décision stratégique en apprenant à utiliser les données pour fournir des informations qui peuvent amener les organisations à un niveau supérieur.
- Vous pouvez également suivre le MS en science des données en ligne.
Ajouter des opportunités et des expériences
Le projet capstone du MS in Data Science est conçu spécifiquement pour vous préparer à mener des tâches de science des données dans le monde réel. Pendant le cours, vous appliquerez les compétences et les connaissances acquises pendant votre expérience de master à un projet impliquant des données réelles dans un environnement réel. Vous commencerez par identifier un problème ou une opportunité dans un domaine réel. Vous collecterez et traiterez ensuite les données et appliquerez les méthodes analytiques appropriées pour trouver une solution. L'énoncé du problème et les ensembles de données proviendront de scénarios similaires à ceux que vous pourriez rencontrer dans l'industrie, le gouvernement ou le monde universitaire. Votre présentation finale démontrera l'intégration des connaissances et de l'expérience acquises au cours du programme et constituera un solide portfolio que vous pourrez utiliser pour postuler à des emplois dans le domaine de la science des données.
Pour vous préparer sérieusement à une carrière dans la science des données, vous devez vous familiariser avec les questions éthiques associées à ce domaine. Comment collecter des données d'une manière qui soit éthique et qui protège la vie privée des personnes ? Comment notre utilisation des données influe-t-elle sur nos valeurs en tant que société, par exemple sur ce qui est juste et sur la manière dont la responsabilité doit être envisagée ? À quoi ressemble la transparence lorsque des informations sensibles sont en jeu ? L'examen de ces questions et d'autres encore vous aidera à comprendre le pouvoir des données, la manière dont vous pouvez les utiliser et, surtout, la manière dont vous devriez les utiliser.
Pace University offre aux étudiants une aide financière maximale. L'aide financière peut prendre de nombreuses formes, notamment des bourses et des subventions, des programmes d'alternance travail-études et des prêts étudiants. Les programmes d'aide financière proposés par Pace University comprennent généralement une combinaison de bourses issues de ces types de programmes.
Règles générales couvrant toutes les aides financières
- Toute combinaison de bourses, subventions ou récompenses financées par Pace et de financements spécifiques aux frais de scolarité de l'État de New York ou d'autres financements spécifiques aux frais de scolarité ne peut pas dépasser vos frais de scolarité réels.
- L’ensemble de l’aide financière ne peut pas dépasser vos frais de scolarité.
- Vous devez être inscrit à un programme d'études de Pace University pour bénéficier d'une aide financière autre que les prêts alternatifs. (Notez que certains étudiants inscrits à des programmes de certificat sont également admissibles.) Être inscrit signifie que vous êtes admis et inscrit à un programme d'études ou de certificat applicable.
- En règle générale, les étudiants doivent être inscrits au moins à mi-temps (6 crédits par semestre) pour bénéficier d'une aide. Les bourses fédérales Pell et les prêts alternatifs font exception.
- Pour consulter les critères d'éligibilité de base pour les programmes d'aide Pace University , du gouvernement fédéral et de l'État de New York, veuillez visiter notre section Éligibilité générale.
Bourses et ressources Pace
- Bourses et subventions institutionnelles
- Subventions fédérales
- Bourses et subventions de l'État de New York
- Ressources de bourses d'études tierces
Cours de transition (obligatoires si aucune expérience préalable)
- CS 623 Systèmes de gestion de bases de données : 3 crédits
- CS 661 Programmation Python : 3 crédits
Des cours de base
- CS 660 Fondements mathématiques de l'analytique : 3 crédits
- CS 673 Bases de données évolutives : 3 crédits
- CS 675 Introduction à la science des données : 3 crédits
- CS 619 Exploration de données : 3 crédits
- CS 677 Apprentissage automatique : 3 crédits
- CS 676 Algorithmes pour la science des données : 3 crédits
Module de synthèse en science des données
- CS 667 Science des données pratiques : 3 crédits
- Projet de fin d'études en analyse CS 668 : 3 crédits
Electives
- Choisissez deux cours/6 crédits avec consultation de conseil : 6 crédits
Choisissez votre carrière
Le métier de data scientist figurait au deuxième rang des meilleurs emplois aux États-Unis selon le classement Glassdoor de 2021, avec des milliers de postes à pourvoir. Depuis plusieurs années, le besoin de data scientists ne cesse de croître. Le monde a besoin de data scientists capables de collecter, maintenir, traiter, analyser et communiquer le sens des données. Les perspectives de carrière pour les titulaires d'un master en data science sont immenses.
Options de carrière pour les diplômés de ce programme d'études
- Data Scientist
- Analyste de données
- Ingénieur de données
- Ingénieur en apprentissage machine
- Analyste quantitatif


