数据科学学士
数据科学是一个快速发展的领域，为学生提供令人兴奋的职业道路和高级学习的机会，它结合了计算和推理的思维方式和行为方式，以实现数据集的收集、探索和分析，从而识别模式、得出结论，并对潜在的、通常复杂的现实世界过程做出预测。数据科学本质上是跨学科的，因为理解和建模这些过程需要学科的多样性，这些过程可能跨越自然、物理、社会、经济和人文维度。
波士顿大学计算与数据科学学院的数据科学学士学位课程是一个严格的课程，涵盖了数据科学的基础和应用维度，重点关注数学、统计学、算法、信息学和软件工程等与分析和操纵大量和/或复杂数据相关的方面。为了深入了解人类和社会背景，监管和制度结构，以及围绕计算和数据科学形成技术工作的道德和专业实践，该计划为学生提供了在现实世界中进行数据驱动调查调查的完整周期所需的知识和技能。该计划旨在为学生提供充足的机会，在另一所学校或大学的一个学科中，数据驱动的调查是普遍存在的，从自然，生物医学，社会和管理科学到艺术和人文学科。
数据科学学士学位课程的学习成果以基础、应用、综合和现场培训为基础。作为基础训练的一部分，学生将掌握数据驱动、基于模型的预测和决策的主要方法的能力和局限性。作为他们的应用培训的一部分，学生发展必要的技能来组装计算管道，并提供大量结构化和非结构化数据集的可重复数据分析。作为综合培训的一部分，学生将培养评估以数据为中心的方法的社会影响的能力，包括对政策、隐私、安全和道德规范的遵守。作为实地培训的一部分，学生利用他们在整个项目中获得的技能和知识，与各种内部和外部合作伙伴合作，通过CDS影响实验室和联合实验室策划并完成一个现实世界的顶点项目。
为了实现这些目标，数据科学学士学位要求完成至少64个单元的专业学习，包括14个4单元的课程，涵盖数据科学的基础、方法和应用维度，以及完成一个4单元的顶点课程或实习经验项目，所有这些都要达到C或更高的成绩。
有了这些准备，数据科学学士学位课程的毕业生将准备好为编织到社会，经济和公共话语的各个方面的数据驱动过程的艺术，科学和工程做出贡献。他们将准备好从事这样的职业：通过系统的、可推广的、可扩展的从数据中提取见解来合成知识，以及设计新的信息系统和产品，使这些见解能够在广泛的应用领域中得到可操作的使用，以发现和创新。
学习成果
基金会
基础包括主要来源于计算机科学、工程学、数学和统计学的方法和技能。作为基础训练的一部分，学生将具备以下能力：
- 掌握数据驱动决策的主要工具，包括定义模型、学习模型参数和做出预测。
- 了解如何使用动态和概率模型来做出决策。
- 了解数据挖掘和机器学习背后的算法原理，包括优化。
- 掌握管理和分析大量结构化和非结构化数据集所需的技能。
- 掌握组装计算管道和提供可重复数据分析所需的技能。
- 能够设计实验，识别测试假设和报告结果所需的数据和特征。
集成与应用
综合技能包括应用数据科学来解决特定领域的问题，以及数据科学家与其他领域和更广泛的社会之间的关系。“领域”是指应用数据科学的澳门威尼斯人注册网站研究领域，如市场营销、医学、文学、媒体等。
通过综合学习，学生将发展以下方面：
- 能够运用基础方法解决至少一个领域的挑战性问题。
- 能够解释和解释结果，包括发展叙述和数据可视化。
- 能够评估以数据为中心的方法的社会影响，包括道德考虑，公平性和偏见。
- 能够理解并遵守政策、隐私、安全和道德规范。
- 能够与来自领域学科的团队成员进行协作和沟通，包括交付专注于特定领域的重要（顶点）项目的能力。
需求
所有波士顿大学的本科生，包括大一新生和转学生，都将在波士顿大学中心学习课程，这是大学的通识教育项目，已融入整个本科学习过程。BU Hub的要求可以通过多种方式来满足，包括专业内外的课程作业以及课外活动。数据科学专业的学生通常会通过本专业的课程来满足BU Hub的要求。建议学生查看CDS网站，了解更多澳门威尼斯人注册课程替代和等效课程的信息，以及等效课程的GPA要求。
数学与计算基础：至少修一门以下科目的课程：
- DS入门：CDS DS 110或同等产品
- DS基础I: CDS DS 120或同等学历
- DS II基础：CDS DS 121或同等学历
- DS III基础：CDS DS 122或同等学历
数据科学核心：六门课程，至少在下面列出的六个科目中每门课程中有一门：
- 编程：CDS ds210或同等水平
- 数据力学：CDS DS 310或同等学历
- 统计学：CAS MA 213或CAS MA 214或同等学历
- 算法：CDS ds320或同等
- 机器学习：CDS DS 340或同等学历
- 伦理与社会影响：CDS ds380或同等学历
数据科学选修课：至少四门课程，在方法论选项或实地选项下列出的三个科目中，每门至少一门课程。
- 方法跟踪:
- 先进的DS方法：CAS CS 531， CAS CS 565, CAS EC 524, CAS MA 416, CAS MA 589，或类似
- 可扩展和可信赖的DS: CDS DS 563， CAS CS 528, CAS CS 561, CAS CS 562, CAS EC 528，或类似的
- 应用DS和AI: CAS CS 440， CAS CS 505, CAS EC 523, CAS MA 415, CAS MA 569，或类似
- 在现场跟踪:
- 现场分析：CDS DS 549， CAS MA 415, QST QM 222，或类似
- 算法在领域：CAS CS 506， CAS MA 569, CAS EC 527, ENG BE 562, QST BA 476，或类似
- 数据科学领域：CDS DS 519， CDS DS 537, CAS PO 399, CAS PO 599，或类似
顶点经验：通过完成以下任何一项获得至少4个单位：
- 作为实习课程的一部分进行的监督项目：CDS DS 499， CDS DS 519, CDS DS 539, CDS DS 549
- 作为实习/合作学习或指导学习课程的一部分进行的监督项目：CDS DS 490
期末4.00学分：可以通过任何符合CDS要求的课程来完成，包括CDS DS 100。
