Big Data Analytics (PhD)

Ohjelman kuvaus

Big Data Analytics kouluttaa tutkijoita, joilla on tilastollinen tausta, analysoimaan massiivista, strukturoitua tai strukturoimatonta dataa piilotettujen mallien, tuntemattomien korrelaatioiden ja muiden hyödyllisten tietojen löytämiseksi, joita voidaan käyttää parempien päätösten tekemiseen.

Ohjelma tarjoaa vahvan perustan Big Data -analytiikkaan liittyviin tärkeimpiin menetelmiin, kuten ennakoivaan analytiikkaan, tiedonlouhintaan, tekstianalytiikkaan ja tilastolliseen analyysiin, ja siihen liittyy poikkitieteellinen komponentti, jossa yhdistyvät tilastotieteen ja tietojenkäsittelytieteen vahvuudet. Ohjelmassa keskitytään tilastolliseen tietojenkäsittelyyn, tilastolliseen tiedonlouhintaan ja niiden soveltamiseen liike-elämän, yhteiskunnan ja terveydenhuollon ongelmiin, joita täydennetään jatkuvalla teollisuusyhteistyöllä. Ohjelman laajuus on erikoistunut valmistamaan datatieteilijöitä ja data-analyytikkoja, jotka työskentelevät hyvin suurten datajoukkojen parissa käyttäen sekä perinteisiä että vastikään kehitettyjä tilastollisia menetelmiä.

Opinto-ohjelma

Tohtorintutkinto Big Data Analytics -tutkinnossa edellyttää 72 tuntia suoritetun kandidaatin tutkinnon lisäksi. Vaadittaviin opintojaksoihin kuuluu 42 opintopistettä kursseja, 15 opintopistettä rajoitettuja valinnaisia opintojaksoja ja 15 opintopistettä väitöskirjatutkimusta.

Total Credit Hours Required: 72 opintopistettä Vähintään kandidaatin tutkinnon lisäksi

Tarvittavat kurssit-42 opintopistettä

• STA 5104 – Tilastollisen datan edistynyt tietokonekäsittely 3 opintopistettä
• STA 5703 – Tiedonlouhintamenetelmät I 3 opintopistettä
• STA 6106 – Data Mining Methodology I 3 opintopistettä
• STA 6106 – Data Mining Methodology I 3 op. Tilastollinen tietojenkäsittely I 3 opintopistettä
• STA 6236 – Regressioanalyysi 3 opintopistettä
• STA 6238 – Logistinen regressio 3 opintopistettä
• STA 6326 – Teoreettinen tilastotieteellinen analyysi I 3 opintopistettä
• STA 6327 – Tilastotieteellinen tilastotieteellinen analyysi II 3 opintopistettä
• SKA 6329 – Tilastotiede I 3 opintopistettä
• SKA 6329 – Tilastotietoanalyysi I 3 opintopistettä Statistical Applications of Matrix Algebra 3 opintopistettä
• STA 6704 – Data Mining Methodology II 3 opintopistettä
• STA 7722 – Statistical Learning Theory 3 opintopistettä
• STA 7734 – Statistical Asymptotic Theory in Big Data 3 opintopistettä
• STA 6714 – Data Preparation 3 opintopistettä
• CNT 5805 – Data Preparation 3 opintopistettä
• CNT 5805 – Data Preparation 3 opintopistettä
• CNT 5805 – Data Preparation 3 opintopistettä
• SCNT 5805 – Network Science 3 opintopistettä
• COP 5711 – Parallel and Distributed Database Systems 3 opintopistettä

Rajoitetut valinnaiset opintojaksot-15 opintopistettä (vähintään 9 opintopistettä on oltava STA-opintojaksoja)

Muut opintojaksot voidaan sisällyttää opintosuunnitelmaan osaston luvalla.

Kaikilla tohtoriopiskelijoilla on oltava opiskelijan ja opintoneuvojan laatima hyväksytty opintosuunnitelma (Plan of Study, POS), jossa luetellaan tutkintoon kuuluvat kurssit. Opiskelijan on saavutettava vähintään 3,0:n keskiarvo opintosuunnitelmassaan sekä B (3,0) kaikilla tutkintoon tähtäävillä kursseilla, jotka on suoritettu ohjelmaan hyväksymisen jälkeen.

• STA 6107 – Tilastollinen laskenta II 3 opintopistettä
• STA 6226 – Otantateoria ja sovellukset 3 opintopistettä
• STA 6237 – Tilastollinen laskenta II 3 opintopistettä
• STA 6237 – Tilastollinen laskenta II Epälineaarinen regressio 3 opintopistettä
• STA 6246 – Lineaariset mallit 3 opintopistettä
• STA 6346 – Kehittynyt tilastollinen päättely I 3 opintopistettä
• STA 6347 – Statistical Inference I 3 opintopistettä
• STA 6347 – Advanced Statistical Inference II 3 opintopistettä
• STA 6507 – Nonparametric Statistics 3 opintopistettä
• STA 6662 – Statistical Methods for Industrial Practice 3 opintopistettä
• STA 6705 – Data Mining Methodology III 3 opintopistettä
• STA 6707 – Data Mining Methodology III 3 opintopistettä
• STA 6707 – Multivariate Statistical Methods 3 opintopistettä
• STA 6709 – Spatial Statistics 3 opintopistettä
• STA 6857 – Sovellettu aikasarja-analyysi 3 opintopistettä
• STA 7239 – Dimension Reduction in Regression 3 opintopistettä
• STA 7348 – Bayesian Modeling and Computation 3 opintopistettä
• STA 7719 – Dimensioiden vähentäminen regressioanalyysissä 3 opintopistettä
• STA 7719 – Survival Analysis 3 opintopistettä
• STA 7935 – Current Topics in Big Data Analytics 3 opintopistettä
• CAP 5610 – Machine Learning 3 opintopistettä
• CAP 6307 – Tekstinlouhinta I 3 opintopistettä
• CAP 6315 – Sosiaalisten medioiden ja verkostojen analyysi 3 opintopistettä
• CAP 6318 – Computational Analysis of Social Complexity 3 opintopistettä
• CAP 6737 – Interaktiivinen datan visualisointi 3 opintopistettä
• COP 5537 – Verkko-optimointi 3 opintopistettä
• COP 6526 – Rinnakkais- ja pilvipalvelulaskenta 3 opintopistettä
• COP 6616 – Moniydinohjelmointi 3 opintopistettä
• COT 6417 – Algorithms on Strings and Sequences 3 opintopistettä
• COT 6505 – Computational Methods/Analysis I 3 opintopistettä
• ECM 6308 – Current Topics in Parallel Processing (Rinnakkaiskäsittelyn ajankohtaiset aiheet) 3 opintopistettä
• EEL 5825 – Pattern Recognition and Learning from Big Data (Kuviotunnistus ja oppiminen suuresta datasta) 3 opintopistettä
• EEL 6760 – Dataintensiivinen tietojenkäsittely 3 opintopistettä
• ESI 6247 – Kokeellinen suunnittelu ja Taguchi-menetelmät 3 opintopistettä
• ESI 6358 – Päätösanalyysi 3 opintopistettä
• ESI 6418 – Lineaarinen ohjelmointi ja laajennukset 3 opintopistettä
• ESI 6609 – Lineaarinen ohjelmointi ja laajennukset 3 opintopistettä
• ESI 6609 – Lineaarinen ohjelmointi ja laajennukset 3 opintopistettä
• – Lineaarinen ohjelmointi Industrial Engineering Analytics for Healthcare 3 opintopistettä
• ESI 6891 – IEMS Research Methods 3 opintopistettä

Dissertation-15 hours

• STA 7980 – Dissertation Research 15 opintopistettä

Examinaatiot

Kandidaatintyön läpäisemisen jälkeen, opiskelijat ilmoittautuvat väitöskirjatunneille (STA7980) väitöskirjaohjaajansa kanssa. Väitöskirja voi olla joko tutkimus- tai projektipohjainen riippuen tutkimusalasta, toimikunnasta ja väitöskirjaohjaajan suostumuksella.

Kelpoisuustentti

Kelpoisuustentti on kirjallinen tentti, jonka tohtoritutkintolautakunta suorittaa syyslukukauden alussa (kesän lopussa) kerran vuodessa. Tenttiin valmistautumiseen vaadittavat kurssit ovat STA 5703, STA 6704, CNT 5805, STA 6326, STA 6327 ja COP 5711. Opiskelijan on saatava tutkinto-ohjelman koordinaattorilta lupa kokeen suorittamiseen. Opiskelijat suorittavat kokeen yleensä juuri ennen kolmannen vuoden alkua, ja heidän odotetaan suorittaneen kokeen neljännen vuoden alkuun mennessä. Voidakseen osallistua tohtorintutkintoon opiskelijan on saatava kaikista tohtorintutkintoon tähtäävistä kursseista vähintään arvosanan 3,0 (4,0:sta) keskiarvo. Jos opiskelija ei läpäise kelpoisuuskoetta toisen kerran, hänet erotetaan ohjelmasta.

Kandidaatintutkinto

Kandidaatintutkinnon suorittaa opiskelijan neuvoa-antava tutkintolautakunta, ja se räätälöidään opiskelijan yksilöllisen ohjelman mukaisesti siten, että siinä ehdotetaan joko tutkimukseen tai projektiin perustuvaa väitöskirjaa. Kandidaatintutkintoon kuuluu avoimessa tilaisuudessa esitettävä väitöskirjaehdotus, jota seuraa suullinen puolustus, jonka suorittaa opiskelijan neuvoa-antava komitea. Komitea antaa arvosanan ”hyväksytty” tai ”ei hyväksytty”. Neuvoa-antava komitea voi sisällyttää tutkintoon väitöskirjaehdotuksen lisäksi muita vaatimuksia. Opiskelija voi pyrkiä kandidaatiksi milloin tahansa sen jälkeen, kun hän on läpäissyt kelpoisuustutkinnon ja aloittanut väitöskirjatutkimuksen (tarvittaessa STA7919), mutta ennen kelpoisuustutkinnon suorittamista seuraavan toisen vuoden loppua. Kandidaatintutkinnon voi suorittaa enintään kaksi kertaa. Jos opiskelija ei läpäise kandidaatintutkintoa toisen yrityksen jälkeen, hänet erotetaan ohjelmasta.

Kandidaatintutkintoon hyväksyminen

Kandidaatintutkintoon hyväksyminen ja väitöskirjatunneille ilmoittautuminen edellyttää seuraavaa.

• Kaikkien opintojaksojen suorittaminen lukuun ottamatta väitöskirjatunteja
• Kelpoisuustutkinnon suorittaminen hyväksytysti
• Kandidaatintutkinnon suorittaminen hyväksytysti sisältäen kirjallisen ehdotuksen ja suullisen puolustuksen
• Väitöskirjan neuvoa-antavan komitean muodostaminen, joka koostuu hyväksytyistä jatko-opiskelijoista ja jatko-opiskelijoiden tiedekunnan tutkijoista
• Hyväksytyn opinto-ohjelman esittäminen

Väitöskirja

Kelpoisuustutkinnon läpäisemisen jälkeen opiskelijan on valittava väitöskirjan ohjaaja. Kuultuaan väitöskirjan ohjaajaa opiskelijan on muodostettava väitöskirjan ohjauskomitea. Väitöskirjan ohjaaja toimii opiskelijan väitöskirjan ohjauskomitean puheenjohtajana. Kunkin opiskelijan on väitöskirjan ohjaajaa kuultuaan ja laitoksen puheenjohtajan suostumuksella varmistettava pätevät jäsenet väitöskirjakomiteaansa. Komiteaan kuuluu vähintään neljä hakijan valitsemaa tiedekunnan jäsentä, joista kolmen on oltava laitoksen jäseniä ja yhden laitoksen tai UCF:n ulkopuolelta. Tutkijakoulutuksen suorittaneiden tiedekunnan jäsenten on muodostettava enemmistö kustakin komiteasta. Väitöskirjakomitea on muodostettava ennen väitöskirjatunneille ilmoittautumista.

Väitöskirja on tutkintoon kuuluvien opintojaksojen huipennus. Väitöskirjan on oltava merkittävä omaperäinen teoreettinen, älyllinen, käytännöllinen, luova tai tutkimuksellinen panos opiskelijan tieteenalalla. Väitöskirja voi olla joko tutkimus- tai projektipohjainen riippuen opintoalasta, komiteasta ja väitöskirjan ohjaajan suostumuksella. Väitöskirja suoritetaan suorittamalla vähintään 15 tuntia väitöskirjatutkimuksen opintopisteitä.

Itsenäinen oppiminen

Kuten kaikissa jatko-ohjelmissa, itsenäinen oppiminen on tärkeä osa Big Data Analytics -tohtoriohjelmaa. Opiskelijat osoittavat itsenäistä oppimista tutkimusseminaarien ja -projektien sekä väitöskirjan avulla.

Hakemusvaatimukset

Tietoa UCF:n yleisistä jatko-opiskelijaksi ottamista koskevista vaatimuksista, jotka koskevat kaikkia mahdollisia opiskelijoita, on saatavilla jatko-opintoluettelon Admissions-osiossa. Hakijoiden on haettava sähköisesti. Kaikki pyydetyt aineistot on toimitettava määräaikaan mennessä.

• Yleisten UCF:n jatko-opiskelijoille asetettujen hakuvaatimusten lisäksi hakijoiden on toimitettava:
• yksi virallinen opintosuoritusote (suljetussa kirjekuoressa) jokaisesta korkeakoulusta/yliopistosta, johon hakija on osallistunut.
• Henkilökohtainen selvitys, jossa yksilöidään kiinnostuksen kohteet sekä kuvaus hakijan akateemisesta ja ammatillisesta työkokemuksesta.
• kolme suosituskirjettä.
• Kandidaatin tutkinto tai sitä vastaava tutkinto tilastotieteen, data-analytiikan tai siihen liittyvän alan alalta alueellisesti akkreditoidusta oppilaitoksesta tai tunnustetusta ulkomaisesta oppilaitoksesta.
• Opiskelijalla on oltava vähintään 3,0:n kumulatiivinen keskiarvo (GPA) kaikista suoritetuista kandidaattitason opinnoista.
• Kilpailukelpoinen pistemäärä tutkintotodistuksen (Graduate Record Examination (GRE)) yhdistetyistä kvantitatiivisista ja verbaalisista osioista, tai kilpailukelpoinen GMAT-testin pistemäärä, jotka on suoritettu viiden viimeisen vuoden aikana ennen ohjelmaan hyväksymistä.
  • HUOMAUTUS: GRE/GMAT on poistettu pääsyvaatimuksena tähän jatko-ohjelmaan hakijoilta, jotka hakevat kevään 2021 ja syyslukukauden 2021 välisenä aikana. Tämä on väliaikainen toimenpide COVID-19-pandemian aiheuttamien häiriöiden vuoksi.
• Tämänhetkinen ansioluettelo.
• Tämän ohjelman hakijoiden, lukuun ottamatta niitä, jotka ovat suorittaneet tai suorittavat maisterin tai tohtorin tutkinnon UCF:n hyväksymässä akkreditoidussa yhdysvaltalaisessa oppilaitoksessa ja jotka ovat opiskelleet korkeakoulussa/yliopistossa Yhdysvaltojen ulkopuolella, on toimitettava kurssikohtainen opintosuoritusmerkintäarviointitodistus, johon on liitetty GPA-arvosana (GPA-laskelma). . Ainoastaan World Education Services (WES) tai Josef Silny and Associates, Inc. hyväksyvät todistusten arvioinnin.

Hakuajat

.

Rahoitus

Tutkinto-opiskelijat voivat saada taloudellista tukea apurahojen, assistentuurien, opintotuen tai lainojen kautta. Lisätietoja on College of Graduate Studies Funding -sivustolla, jossa kuvataan UCF:ssä saatavilla olevan taloudellisen tuen tyypit ja annetaan yleisiä ohjeita jatko-opiskelijoiden talouden suunnitteluun. Toinen tärkeä lähde on Graduate Catalogin Financial Information -osio.

Fellowships

Fellowships myönnetään akateemisten ansioiden perusteella erittäin päteville opiskelijoille. Ne maksetaan opiskelijoille Office of Student Financial Assistance -toimiston kautta College of Graduate Studiesin antamien ohjeiden perusteella. Apurahat myönnetään opiskelijan jatko-opintojen tukemiseen, eikä niihin liity työskentelyvelvoitetta. Lisätietoja on osoitteessa UCF Graduate Fellowships, joka sisältää kuvauksia yliopiston apurahoista ja siitä, mitä sinun tulisi tehdä, jotta sinua harkittaisiin apurahan saajaksi.

Institution Codes
GRE: 5233
GMAT: RZT-HT-58
TOEFL: 5233
ETS PPI: 5233