University of California, Irvine - Division of Continuing Education
Accelerated Certificate Program: Data Science
Irvine, Verenigde Staten
Certificaat
DUUR
3 maanden
TALEN
Engels
TEMPO
Full time
DEADLINE VOOR AANMELDING
EERSTE STARTDATUM
30 Mar 2026
COLLEGEGELD
USD 7.900 *
STUDIE FORMAAT
Op de campus
* geschatte totale kosten: $ 14.100 USD, exclusief vliegtickets; stagegeld: $ 2,900
Overzicht
Data Science wordt voortdurend gerangschikt als een van de meest gevraagde beroepen. De behoefte aan professionals die inzichten uit gegevens kunnen beheren en benutten, is duidelijker dan ooit tevoren. Het curriculum dat in dit programma wordt gegeven, is ontworpen om te voldoen aan de groeiende multidisciplinaire behoeften van dataprofessionals. Door een breed scala aan onderwerpen te behandelen, richt het programma zich op de grote verscheidenheid aan vaardigheden die nodig zijn om te werken aan succesvolle op gegevens gebaseerde projecten. Onderwerpen die aan bod komen zijn onder meer datagestuurde ontdekking en voorspelling, datatechniek op schaal (inspecteren, opschonen, transformeren en modelleren van data), gestructureerde en ongestructureerde data, computationele statistieken, patroonherkenning, datamining, datavisualisatie, databases, SQL, Python-programmering, en machine learning.
Het Accelerated Certificate Program (ACP) in Data Science van UC Irvine van 3 maanden durende postdoctorale opleiding omvat een breed scala aan onderwerpen in de datawetenschap, waaronder datagestuurde ontdekking en voorspelling, data-engineering op schaal (inspecteren, opschonen, transformeren en modelleren van data) , gestructureerde en ongestructureerde gegevens, computationele statistieken, patroonherkenning, datamining, datavisualisatie, databases, SQL, Python en machine learning.
Voordelen
- Gebruik technische technieken om inzicht en bedrijfsinformatie te bieden.
- Pas wiskundige concepten toe, waaronder waarschijnlijkheid, gevolgtrekking en modellering, op de praktische dataprojecttoepassing.
- Beschrijf en gebruik industriestandaard tools en technologieën die nodig zijn om grote datasets te modelleren en analyseren.
- Gebruik de datamodelleringbenadering om een optimale zakelijke beslissing te nemen.
- Implementeer algoritmen voor machine learning.
- Pas tekstanalysetools toe op ongestructureerde en gestructureerde datasets.
- Ontwikkel en implementeer een datawarehouse-plan.
- Verwerf een concurrentievoordeel op de wereldwijde arbeidsmarkt door stage te lopen bij een Amerikaans bedrijf.
Certificaatvereisten
Om een certificaat te behalen bij UC Irvine Division of Continuing Education, moeten studenten alle vereiste cursussen met een "C" of beter afronden.
stages
Als optionele laatste cursus en tegen een extra vergoeding van $ 2.900, heb je de mogelijkheid om academische theorie toe te passen en praktische ervaring op te doen in een verscheidenheid aan bedrijven en industrieën gedurende 10 weken. Een onderzoeksproject zorgt voor aanvullende opleiding. Ook inbegrepen in de stage zijn de workshops Resume Development en Interviewing Skills.
Planning
Studenten worden in een ochtend- (9: 00-12: 00) of middag- (13: 00-16: 00) rooster geplaatst. Cursussen in het programma worden opeenvolgend gevolgd, waarbij de ene wordt voltooid voordat doorgaat naar de volgende. Roosters zijn niet gegarandeerd en kunnen worden gewijzigd. Een definitief schema wordt op de eerste dag van het programma verstrekt.
Leerplan
Praktische wiskunde en statistiek voor datawetenschap
Praktische wiskunde en statistiek vormen de basis van de vakgebieden Data Science en Predictive Analytics. Statistieken worden gebruikt in elk onderdeel van de zakelijke, wetenschappelijke en institutionele gegevensverwerking. Deze cursus behandelt fundamentele statistische vaardigheden die nodig zijn voor Data Science en Predictive Analytics. Dit is een toepassingsgerichte cursus en de insteek is praktijkgericht. Studenten zullen verschillende statistische technieken bekijken en situaties bespreken waarin men elke techniek zou gebruiken, de veronderstellingen van elke methode, hoe de analyse moet worden opgezet en hoe de resultaten moeten worden geïnterpreteerd. Deze cursus begint met een introductie in data-analyse. Vervolgens behandelt de cursus de fundamentele concepten van beschrijvende statistiek, waarschijnlijkheid en inferentiële statistiek, waaronder de centrale limietstelling, en het testen van hypothesen. Van daaruit zal de cursus zich richten op verschillende statistische tests, waaronder de Chi-Square-test van onafhankelijkheid, t-tests, correlatie, ANOVA, lineaire regressie, tijdreeksen en het toepassen van eerder geleerde technieken in nieuwe situaties.
Inleiding tot Python-programmering
Inleiding tot Python is een inleiding tot programmeren met behulp van Python voor beginners. Deze cursus is bedoeld voor mensen die geen programmeerervaring hebben en geen technische achtergrond hebben. Het is voor degenen die een zachte introductie willen. Na deze cursus willen studenten misschien een cursus Python voor meer gevorderden of gevorderden volgen. Of misschien voelen ze zich zelfverzekerd genoeg om zelf te beginnen met leren. Als je geen achtergrond hebt in Python, maar wel een goede achtergrond in Java, C of een andere taal, kan deze cursus voor jou traag aanvoelen. Studenten leren het volgende: hoe variabele typen, flow control en functies te gebruiken, hoe te communiceren met het systeem via Python, hoe eenvoudige scripts te schrijven om tekst te verwerken, en hoe Jupyter te gebruiken, een populaire ontwikkelingstool voor Python.
Grondbeginselen van gegevenswetenschap
Het doel van deze cursus is datawetenschap te demystificeren en studenten vertrouwd te maken met de belangrijkste vaardigheden, technieken en concepten van datawetenschappers. Beginnend met fundamentele concepten zoals analysetaxonomie, het Cross-Industry Standard Process for Data Mining en datadiagnostiek, gaat de cursus verder met het vergelijken van datawetenschap met klassieke statistische technieken. Een overzicht van de meest gebruikte technieken in datawetenschap, waaronder data-analyse, statistische modellering, data-engineering, relationele databases, SQL en NoSQL, manipulatie van data op schaal (big data), algoritmen voor datamining, datakwaliteit, herstel en consistentieoperaties zullen worden gedekt.
Data-engineering
Deze cursus is bedoeld om de vaardigheid van studenten op het gebied van gegevensontwerp, gegevensbeheer, datawarehouse, gegevensmodellering en vaardigheden voor het manipuleren van query's te verbeteren. Onderwerpen zijn onder meer technieken en methoden voor identificatie, extractie en voorbereiding van gegevens voor verwerking met databasesoftware. Krijg een overzicht van de basistechnieken van data-engineering, waaronder datanormalisatie, data-engineering, relationele en niet-relationele databases, SQL en NoSQL, manipulatie van gegevens op schaal (big data), algoritmen voor gegevensbewerkingen. Studenten werken in teams aan een afstudeerproject om bevindingen te verkennen, analyseren, samen te vatten en te presenteren in een echte big data-set.
Geavanceerde visualisatie
Visualisatie speelt een fundamentele rol bij het begrijpen van eigenschappen en relaties in gegevens om inzichten te extraheren en resultaten te communiceren. Of de analyse nu beschrijvend, diagnostisch, prescriptief of beschrijvend is, visualisatie is essentieel tijdens elke analysecyclus. Deze cursus richt zich op het toepassen van verschillende methoden en technieken op verschillende stadia van de analysecyclus, zoals tijdens gegevensvoorbereiding, modellering en rapportage. Studenten leren technieken voor het visualiseren van univariate, multivariate, temporele, tekstgebaseerde, hiërarchische en netwerk-/grafiekgebaseerde gegevens, zowel in ad-hocanalyse als in geautomatiseerde generatie.
Big Data-analyse
Ondernemingen gebruiken technologieën zoals MapReduce, Hadoop, Yarn en Apache Spark om waarde uit Big Data te halen. Deze cursus biedt een diepgaand overzicht van Hadoop en Spark, de hoekstenen van big data-verwerking. Om de concepten achter Hadoop en Spark te kristalliseren, zullen studenten een reeks korte, gerichte oefeningen doorlopen. Behandelde concepten zijn onder meer de Hadoop-architectuur, het Apache Spark Big Data Framework, gegevensopname, gedistribueerde verwerking en functioneel programmeren. Daarnaast leren studenten hoe ze een Hadoop-cluster moeten configureren en installeren, eenvoudige MapReduce-programma's kunnen schrijven, geavanceerde MapReduce-programmeerpraktijken kunnen gebruiken en interfaces zoals Pig en Hive kunnen gebruiken om met Hadoop te communiceren.
Wie moet aanwezig zijn
Dit programma is bedoeld voor professionals in verschillende sectoren en functies die hun organisatie willen helpen de enorme hoeveelheden uiteenlopende gegevens die ze verzamelen te begrijpen en te benutten. Anderen die baat zouden hebben bij dit programma zijn onder meer data-engineers, data-analisten, computerwetenschappers, bedrijfsanalisten, databasebeheerders, onderzoekers en statistici.