Big Data Analytics (PhD)

Program leírása

A Big Data Analytics statisztikai háttérrel rendelkező kutatókat képez, akik hatalmas, strukturált vagy strukturálatlan adatokat elemeznek a rejtett minták, ismeretlen összefüggések és más hasznos információk feltárása érdekében, amelyek segítségével jobb döntéseket hozhatnak.

A program erős alapokat biztosít a Big Data Analyticshez kapcsolódó főbb módszertanokban, mint például a prediktív analitika, az adatbányászat, a szövegelemzés és a statisztikai elemzés, olyan interdiszciplináris komponenssel, amely egyesíti a statisztika és az informatika erősségét. A program a statisztikai számítástechnikára, a statisztikai adatbányászatra és ezek üzleti, társadalmi és egészségügyi problémákra történő alkalmazására összpontosít, kiegészítve a folyamatban lévő ipari együttműködésekkel. A program hatóköre arra specializálódott, hogy olyan adattudósokat és adatelemzőket készítsen fel, akik nagyon nagy adathalmazokkal dolgoznak majd hagyományos és újonnan kifejlesztett statisztikai módszerek alkalmazásával.

Tanterv

A nagy adatelemzői doktori képzéshez 72 óra szükséges a megszerzett alapdiplomán felül. A kötelező tananyag 42 kreditórányi kurzust, 15 kreditórányi korlátozottan választható kurzust és 15 kreditórányi disszertációs kutatást tartalmaz.

Szükséges kreditórák összesen: 72 kreditóra minimum az alapdiplomán túl

Szükséges tantárgyak-42 kreditóra

• STA 5104 – Statisztikai adatok haladó számítógépes feldolgozása 3 kreditóra
• STA 5703 – Adatbányászati módszertan I 3 kreditóra
• STA 6106 – Adatbányászati módszertan I 3 kreditóra
• STA 6106 – Adatbányászati módszertan I 3 kreditóra
• STA 6106 – Adatbányászati módszertan I Statisztikai számítástechnika I 3 kreditóra
• STA 6236 – Regresszióanalízis 3 kreditóra
• STA 6238 – Logisztikus regresszió 3 kreditóra
• STA 6326 – Elméleti statisztika I 3 kreditóra
• STA 6327 – Elméleti statisztika II 3 kreditóra
• STA 6329 – Elméleti statisztika II 3 kreditóra
• STA 6329. Statistical Applications of Matrix Algebra 3 Credit Hours
• STA 6704 – Data Mining Methodology II 3 Credit Hours
• STA 7722 – Statistical Learning Theory 3 Credit Hours
• STA 7734 – Statistical Asymptotic Theory in Big Data 3 Credit Hours
• STA 6714 – Data Preparation 3 Credit Hours
• CNT 5805 – Data Preparation 3 Credit Hours
• CNT 5805 – Network Science 3 Credit Hours
• COP 5711 – Parallel and Distributed Database Systems 3 Credit Hours

Restricted Electives-15 Credit Hours (legalább 9 credit hours must be STA coursework)

A Tanszék jóváhagyásával egyéb kurzusok is felvehetők a tanulmányi tervbe.

Minden PhD-hallgatónak rendelkeznie kell a hallgató és a tanácsadója által kidolgozott, jóváhagyott Tanulmányi Tervvel (POS), amely felsorolja a diploma részeként felvenni kívánt konkrét kurzusokat. A hallgatóknak legalább 3,0 átlagot kell elérniük a POS-ben, valamint “B”-t (3,0) kell elérniük a diploma megszerzéséhez és a programba való felvételi óta elvégzett összes kurzusban. Nemlineáris regresszió 3 kreditóra

STA 6246 – Lineáris modellek 3 kreditóra

STA 6346 – Haladó statisztikai következtetés I. 3 kreditóra

STA 6347 – Lineáris modellek 3 kreditóra

STA 6347 – Statisztikai következtetés I. Haladó statisztikai következtetés II 3 kreditóra

STA 6507 – Nemparametrikus statisztika 3 kreditóra

STA 6662 – Statisztikai módszerek az ipari gyakorlatban 3 kreditóra

STA 6705 – Adatbányászati módszertan III 3 kreditóra

STA 6707 – Adatbányászati módszerek III 3 kreditóra

STA 6707 – Multivariate Statistical Methods 3 Credit Hours

STA 6709 – Spatial Statistics 3 Credit Hours

STA 6857 – Applied Time Series Analysis 3 Credit Hours

STA 7239 – Dimension Reduction in Regression 3 Credit Hours

STA 7348 – Bayesian Modeling and Computation 3 Credit Hours

STA 7719 – Bayesian Modeling and Computation 3 Credit Hours

STA 7719. Survival Analysis 3 kreditóra

STA 7935 – Current Topics in Big Data Analytics 3 kreditóra

CAP 5610 – Machine Learning 3 kreditóra

CAP 6307 – Text Mining I 3 kreditóra

CAP 6315 – Social Media and Network Analysis 3 kreditóra

CAP 6318 – Social Media and Network Analysis 3 kreditóra

CAP 6318 – Computational Analysis of Social Complexity 3 kredit óra

CAP 6737 – Interaktív adatvizualizáció 3 kredit óra

COP 5537 – Hálózatoptimalizálás 3 kredit óra

COP 6526 – Párhuzamos és felhőalapú számítások 3 kredit óra

COP 6616 – Többmagos programozás 3 kredit óra

COT 6417 – Algorithms on Strings and Sequences 3 Credit Hours

COT 6505 – Computational Methods/Analysis I 3 Credit Hours

ECM 6308 – Current Topics in Parallel Processing 3 Credit Hours

EEL 5825 – Pattern Recognition and Learning from Big Data 3 Credit Hours

EEL 6760 – Pattern Recognition and Learning from Big Data 3 Credit Hours

EEL6760 – Adatintenzív számítástechnika 3 kreditóra

ESI 6247 – Kísérleti tervezés és Taguchi módszerek 3 kreditóra

ESI 6358 – Döntéselemzés 3 kreditóra

ESI 6418 – Lineáris programozás és kiterjesztései 3 kreditóra

ESI 6609 – Lineáris programozás és kiterjesztései 3 kreditóra

ESI 6609 – Kísérleti tervezés és Taguchi módszerek 3 kreditóra

ESI 6358 – Határozáselemzés 3 kreditóra Industrial Engineering Analytics for Healthcare 3 kreditóra

ESI 6891 – IEMS Research Methods 3 kreditóra

Disszertáció-15 óra

• STA 7980 – Dissertációs kutatás 15 kreditóra

Vizsgák

A kandidátusi fokozat megszerzése után, a hallgatók beiratkoznak a disszertációs órákra (STA7980) a disszertációs tanácsadójukkal. A disszertáció a kutatási területtől, a bizottságtól és a disszertációs tanácsadó jóváhagyásával kutatási vagy projektalapú lehet.

A minősítő vizsga

A minősítő vizsga írásbeli vizsga, amelyet a doktori vizsgabizottság évente egyszer, az őszi félév elején (nyár végén) tart. A vizsgára való felkészüléshez szükséges kurzusok: STA 5703, STA 6704, CNT 5805, STA 6326, STA 6327 és COP 5711. A hallgatóknak engedélyt kell kérniük a Graduate Program koordinátorától a vizsga letételéhez. A hallgatók általában közvetlenül a harmadik évük kezdete előtt teszik le ezt a vizsgát, és a negyedik évük kezdetére várhatóan teljesítik a vizsgát. Ahhoz, hogy a hallgató jogosult legyen a doktori vizsga letételére, legalább 3,0 (4,0-ból) átlagpontszámot kell elérnie a doktori képzéshez szükséges összes kurzusból. Ha a hallgató a második próbálkozás után sem sikerül a minősítő vizsgát, akkor elbocsátják a programból.

Kandidátusi vizsga

A kandidátusi vizsgát a hallgató disszertációs tanácsadó bizottsága teszi le, és a hallgató egyéni programjához igazodva kutatási vagy projektalapú disszertációt javasol. A kandidátusi vizsga magában foglalja a disszertációs javaslat nyílt fórumon történő bemutatását, amelyet a hallgató tanácsadó bizottsága által tartott szóbeli védés követ. Ez a bizottság adja meg a “megfelelt/nem megfelelt” osztályzatot. A tanácsadó bizottság a disszertációs javaslaton kívül más követelményeket is beépíthet a vizsgára. A hallgató a minősítő vizsga letétele után bármikor megkísérelheti a kandidálást, miután a hallgató megkezdte a disszertációs kutatást (STA7919, ha szükséges), de a minősítő vizsgát követő második év vége előtt. A kandidátusi vizsgát legfeljebb két alkalommal lehet letenni. Ha a hallgató a második próbálkozás után sem teszi le a kandidátusi vizsgát, törlik a programból.

Kandidátusi vizsgára bocsátás

A kandidátusi vizsgára bocsátáshoz és a disszertációs órákra való beiratkozáshoz a következők szükségesek.

• Az összes kurzus teljesítése, kivéve a disszertációs órákat
• A minősítő vizsga sikeres teljesítése
• A kandidátusi vizsga sikeres teljesítése, beleértve az írásbeli javaslatot és a szóbeli védést
• A disszertációs tanácsadó bizottság megalakulása, amely jóváhagyott egyetemi oktatókból és egyetemi oktatókból áll
• Elismert tanulmányi program benyújtása

Disszertáció

A minősítő vizsga letétele után a hallgatónak ki kell választania egy disszertációs tanácsadót. A hallgatónak a disszertációs tanácsadóval konzultálva meg kell alakítania a disszertációs tanácsadó bizottságot. A disszertációs tanácsadó lesz a hallgató disszertációs tanácsadó bizottságának elnöke. A disszertációs tanácsadóval konzultálva és a tanszékvezető jóváhagyásával minden hallgatónak biztosítania kell a disszertációs bizottság minősített tagjait. Ez a bizottság a jelölt által kiválasztott legalább négy oktatóból áll, akik közül háromnak a tanszékről kell érkeznie, egynek pedig a tanszéken vagy az UCF-en kívülről. Minden bizottságban a doktori iskola oktatóinak kell a többséget alkotniuk. A disszertációs bizottságot a disszertációs órákra való beiratkozás előtt kell létrehozni.

A disszertáció a diplomát képező kurzusok csúcspontjaként szolgál. A disszertációnak jelentős eredeti elméleti, intellektuális, gyakorlati, kreatív vagy kutatási hozzájárulást kell nyújtania a hallgató tudományágon belüli területéhez. A disszertáció a tanulmányi területtől, a bizottságtól és a disszertációs tanácsadó jóváhagyásával kutatási vagy projektalapú lehet. A disszertáció legalább 15 óra disszertációs kutatási kredittel fejeződik be.

Önálló tanulás

Mint minden doktori programban, az önálló tanulás a Big Data Analytics doktori program fontos eleme. A hallgatók az önálló tanulást kutatási szemináriumokon és projekteken, valamint a disszertáción keresztül bizonyítják.

Felvételi követelmények

A UCF általános, minden leendő hallgatóra vonatkozó felvételi követelményeiről a Graduate Catalog Felvételi követelmények című fejezetében talál információkat. A jelentkezőknek online kell jelentkezniük. Minden kért anyagot a megadott határidőig kell benyújtani.

• Az UCF általános felsőoktatási felvételi követelményein túlmenően a programra jelentkezőknek be kell nyújtaniuk:
• Egy hivatalos átiratot (lezárt borítékban) minden főiskoláról/egyetemről, amelyen részt vettek.
• Egy személyes nyilatkozatot, amely meghatározza a kutatási érdeklődési területet, valamint a jelentkező tudományos és szakmai tapasztalatainak leírását.
• Három ajánlólevelet.
• Egy regionálisan akkreditált intézményben vagy elismert külföldi intézményben szerzett alapdiploma vagy azzal egyenértékű diploma statisztikából, adatelemzésből vagy egy kapcsolódó területről.
• A hallgatónak legalább 3,0-s összesített átlaggal kell rendelkeznie az összes elvégzett alapdiplomás munkájából.
• A Graduate Record Examination (GRE) kombinált mennyiségi és szóbeli részének versenyképes eredménye vagy a programba való felvételt megelőző öt éven belül szerzett versenyképes GMAT pontszám.
  • MEGJEGYZÉS: A GRE/GMAT a 2021 tavaszától a 2021 őszi szemeszterig jelentkező jelentkezők számára megszűnt felvételi követelményként erre a doktori programra. Ez egy ideiglenes intézkedés a COVID-19 világjárvány okozta fennakadások miatt.
• Egy aktuális önéletrajz.
• Az erre a programra jelentkezőknek – kivéve azokat, akik az UCF által elismert, akkreditált amerikai intézményben szereztek vagy szereznek mester- vagy doktori fokozatot -, akik az Egyesült Államokon kívüli főiskolán/egyetemen tanultak, be kell nyújtaniuk egy kurzusonkénti kreditértékelést a GPA kiszámításával. . A bizonyítványok értékelését kizárólag a World Education Services (WES) vagy a Josef Silny and Associates, Inc. fogadja el.

Felvételi határidők

Big Data Analytics PhD	*Őszi prioritás	Ősz	Tavaszi	Nyári
Belföldi jelentkezők	Jan 15	Jul 1
Nemzetközi jelentkezők	Jan 15	Jan 15
*Azoknak a jelentkezőknek, akik nappali tagozatos képzésre kívánnak beiratkozni, és akik egyetemi ösztöndíjakra vagy asszisztensi ösztöndíjakra szeretnének pályázni, az őszi elsőbbségi időpontig kell jelentkezniük.

Pénzügyek

A végzős hallgatók pénzügyi támogatásban részesülhetnek ösztöndíjak, asszisztensi ösztöndíjak, tandíjtámogatás vagy kölcsönök révén. További információért tekintse meg a College of Graduate Studies Funding webhelyet, amely ismerteti az UCF-en elérhető pénzügyi támogatások típusait, és általános útmutatást nyújt a graduális pénzügyek tervezéséhez. A Graduális katalógus Pénzügyi információk szakasza egy másik fontos forrás.

Ösztöndíjak

Az ösztöndíjakat tudományos érdemek alapján ítélik oda a magasan képzett hallgatóknak. Ezeket a hallgatóknak a Hallgatói Pénzügyi Segítségnyújtási Irodán keresztül fizetik ki, a Graduális Tanulmányok Főiskolája által adott utasítások alapján. Az ösztöndíjakat a hallgató graduális tanulmányainak támogatására adják, és nem jár munkavégzési kötelezettséggel. További információért lásd: UCF Graduate Fellowships, amely tartalmazza az egyetemi ösztöndíjak leírását, valamint azt, hogy mit kell tennie, ha ösztöndíjra szeretne pályázni.

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