University College London (UCL)

Data Science MSc

Onderwijzen en leren

De belangrijkste manier om informatie over te brengen en interesse te wekken is via hoorcolleges. Deze bieden je een formele kennisbasis van waaruit je je begrip kunt ontwikkelen. Je begrip van de lesstof wordt versterkt door probleemcolleges, computerworkshops en groepswerkcolleges, evenals door zelfstudie. Peer-assisted learning, discussies met andere studenten en individuele gesprekken met docenten ondersteunen het leerproces.

Terwijl hoorcolleges de belangrijkste manier vormen om kennis op te bouwen, ontwikkelen je intellectuele, academische en onderzoeksvaardigheden zich voornamelijk buiten de collegezaal, bijvoorbeeld door het regelmatig (meestal wekelijks) aanpakken en bespreken van problemen. Sommige cursussen vereisen dat je je denkvermogen ontwikkelt en verder gaat dan alleen uit het hoofd leren en dat je ideeën tussen verschillende modules met elkaar verbindt. Je wordt aangemoedigd om openlijk te redeneren door het bespreken van problemen in werkcolleges. Voor sommige modules bieden workshops je de mogelijkheid om individueel of in groepen aan problemen te werken, waarbij docenten/assistenten aanwezig zijn om te helpen. Docenten houden ook regelmatig spreekuur, waar je welkom bent om vragen te stellen over de stof en individuele (één-op-één) begeleiding en feedback te krijgen.

Praktische en overdraagbare vaardigheden worden ontwikkeld door het bieden van mogelijkheden voor praktische ervaring via regelmatige workshops en projecten. Demonstraties en oefeningen in data-analyse vormen een essentieel onderdeel van de kernmodules en een groot deel van de lessen statistisch rekenen vindt plaats in computerworkshops, waardoor u kunt leren door actieve deelname. Aanvullende workshops die tijdens de onderwijsperiodes worden gegeven, bereiden u voor op het zomeronderzoeksproject en behandelen de communicatie van statistieken, bijvoorbeeld het presenteren van statistische grafieken en tabellen. Projectbegeleiders geven begeleiding bij het effectief uitvoeren van een uitgebreide taak en u wordt aangemoedigd om uw eigen werkwijze te monitoren met behulp van een zelfevaluatievragenlijst en uw eigen voortgang te bewaken door niet-beoordeelde opdrachten zelf te beoordelen.

Alle summatieve beoordelingen worden op modulair niveau georganiseerd tijdens het academiejaar waarin de module wordt gevolgd. De meeste modules statistische wetenschappen en computerwetenschappen maken gebruik van een combinatie van een schriftelijk eindexamen en cursuswerk om je vakspecifieke kennis en academische vaardigheden te toetsen, hoewel sommige modules volledig cursuswerk zijn. Data-analyseprojecten beoordelen je intellectuele, academische en onderzoeksvaardigheden verder door middel van schriftelijke rapporten die via een tekstverwerker zijn opgesteld en, in het geval van het zomeronderzoeksproject, een mondelinge presentatie.

De cursus is ontworpen om je te stimuleren je kennis en vaardigheden te ontwikkelen naarmate elke module vordert. Hoewel niet alle cursusmateriaal bijdraagt aan de formele beoordeling, biedt het je de mogelijkheid om je intellectuele en praktische vaardigheden te demonstreren in schriftelijke antwoorden op probleembladen en in mondelinge reacties tijdens werkcolleges. Feedback wordt voornamelijk gegeven via werkcolleges/probleemklassen/workshops, en op verzoek individueel.

Gemiddeld wordt van een student verwacht dat hij 150 uur besteedt aan de studie voor elke module van 15 studiepunten. Dit omvat lestijd, zelfstudie en cursuswerk. Modules worden meestal gegeven in wekelijkse sessies van twee uur, verspreid over 10 weken per semester.

Voor voltijdstudenten bedragen de contacturen gemiddeld ongeveer 12 uur per week. Buiten de colleges, seminars, workshops en tutorials studeren voltijdstudenten doorgaans een equivalent van een fulltimebaan. De resterende tijd besteden ze aan zelfstudie en het maken van opdrachten.

In het eerste en tweede trimester kunnen voltijdstudenten doorgaans rekenen op 10 tot 12 contacturen per lesweek, verdeeld over een mix van hoorcolleges, seminars, workshops, beoordelingen en tutorials. In het derde trimester en de zomerperiode werken studenten aan hun eigen onderzoeksproject en onderhouden ze regelmatig contact met hun begeleiders.

modules

Full time

De kernmethodologie wordt aangeboden via een basismodule (om de basisconcepten van kansrekening en statistiek te herhalen) en verdere verplichte modules, en wordt geïllustreerd met diverse toepassingen. Programmeertechnieken worden in de kernmodules geïntroduceerd, zodat studenten hun eigen statistische methoden kunnen programmeren. Studenten kunnen vervolgens specifieke nadruk leggen op hun interessegebieden door geschikte optionele modules te kiezen.

Het onderzoeksproject is een consolidatie van het onderwijsonderdeel van de masteropleiding. Studenten zullen doorgaans gegevens van een reëel, complex probleem analyseren en interpreteren, wat hen de kans biedt om haalbare oplossingen te bedenken. Projectonderwerpen kunnen worden geselecteerd uit een lijst van de faculteit, of studenten kunnen hun eigen suggesties doen. De lijst bevat meestal enkele samenwerkingsprojecten met industriële partners.

Deeltijd

De opleiding wordt ook in deeltijd aangeboden, verdeeld over twee jaar. De onderwezen modules zijn verdeeld over het eerste en tweede jaar, maar binnen elk jaar zijn de lessen voor een bepaalde module dezelfde als die van voltijdstudenten (er worden dus geen speciale lestijden aangeboden voor de deeltijdopleiding).

De basismodule wordt aan het begin van het eerste jaar gevolgd. Het is aan te raden dat studenten in het eerste jaar ook de verplichte module Inleiding tot Statistische Datawetenschap (STAT0032) volgen. Aan de modulevereisten moet worden voldaan, maar verder is er enige flexibiliteit in de volgorde waarin de overige modules worden bestudeerd. Deeltijdstudenten dienen hun project aan het einde van het tweede jaar in. Het is mogelijk om met de projectbegeleider af te spreken om eerder aan het project te beginnen dan voltijdstudenten, maar deeltijdstudenten hebben over het algemeen geen recht op meer begeleiding.

• Verplichte modules
• Introductie tot Machine Learning
• Stichting Veertien Dagen
• Statistisch ontwerp van onderzoeken
• Statistische gegevensverwerking
• Inleiding tot statistische datawetenschap
• Onderzoeksproject
• Optionele modules
• Stochastische systemen
• Voorspelling
• Beslissing en risico
• Stochastische methoden in financiën
• Stochastische methoden in financiën II
• Kwantitatieve modellering van operationeel risico en verzekeringsanalyse
• Toegepaste Bayesiaanse methoden
• Inferentie op schaal
• Grafische modellen
• Applied Machine Learning
• Informatieopvraging en datamining
• Statistische natuurlijke taalverwerking
• Toegepast diep leren

Houd er rekening mee dat de hier gegeven lijst met modules indicatief is. Deze informatie wordt ruim voor de inschrijving gepubliceerd en de inhoud en beschikbaarheid van de modules kunnen wijzigen.

Studenten volgen modules ter waarde van 180 studiepunten. Na succesvolle afronding van 180 studiepunten ontvang je een MSc in Data Science.

Wat deze cursus je zal bieden

• De onderzoeksinteresses van de faculteit Statistical Science UCL zijn breed, maar de faculteit is met name sterk op het gebied van computationele statistiek en op het raakvlak tussen statistiek en computerwetenschappen.
• Het Centrum voor Computationele Statistiek en Machine Learning van UCL , waar veel leden van de afdeling actief zijn, biedt een programma aan met seminars, masterclasses en andere evenementen.
• UCL is een van de oprichters van het Alan Turing Institute. Zowel UCL Statistical Science als UCL Computer Science spelen een belangrijke rol in deze nieuwe, veelbelovende ontwikkeling. Hierdoor wordt Londen een belangrijk centrum voor big data-onderzoek.
• Wij staan op de 5e plaats in het Verenigd Koninkrijk volgens de QS World University Rankings by Subject 2024 voor Statistiek en Operationeel Onderzoek. Wij bieden u een uitstekende opleiding met een hoog onderwijsniveau.

De basis van je carrière

Professionals in data science zullen waarschijnlijk steeds gewilder worden, aangezien de integratie van statistische en computationele analysetools essentieel wordt in allerlei organisaties en ondernemingen. Van de beste professionals wordt een grondige kennis van de basisprincipes verwacht. Zo zouden computationele vaardigheden in marketing, de gezondheidszorg en de banksector gepaard moeten gaan met statistische expertise op masterniveau. Datawetenschappers hebben een brede achtergrondkennis nodig om zich te kunnen aanpassen aan snel veranderende uitdagingen.

Inzetbaarheid
Afgestudeerden in de statistische wetenschappen van UCL komen doorgaans terecht in een breed scala aan sectoren van de industrie of gaan verder studeren.

Werkzaamheden vinden plaats in de sectoren IT, technologie en telecommunicatie, en accountancy en financiële dienstverlening. Afgestudeerden hebben bij diverse werkgevers gewerkt, waaronder Deloitte en Huawei.

Netwerken
De afdeling biedt expertise van wereldklasse en sterke banden met de praktijk. Dankzij haar positie binnen UCL beschikken studenten over een brede kennis (bijvoorbeeld het UCL Institute for Mathematical and Statistical Sciences, het UCL Centre for Computational Statistics and Machine Learning en het Alan Turing Institute). Medewerkers werken ook rechtstreeks samen met ziekenhuizen, energiebedrijven, overheidsregulatoren en de financiële sector. Postdoctorale studenten hebben daardoor de mogelijkheid om samen te werken met externe instellingen. Externe organisaties kunnen technische lezingen en seminars verzorgen, terwijl de lijst met onderzoeksprojecten voor masterstudenten doorgaans samenwerkingsprojecten met farmaceutische bedrijven en andere industriële partners bevat.

Accreditatie
Deze MSc-opleiding is geaccrediteerd door de Royal Statistical Society. De huidige accreditatieperiode geldt voor studenten die zich voor het eerst inschrijven tussen september 2023 en september 2028.