Spécialisations et variantes
Autres renseignements recueillis
Exigences du programme Catégories de cours Les catégories de cours suivantes sont utilisées pour définir les exigences du programme dans le programme Bachelor of Data Science. Électifs libres Tous les cours offerts par la Faculty of Arts and Social Sciences, la Faculty of Public and Global Affairs, la Sprott School of Business et la Faculty of Science sauf les cours figurant dans la catégorie Cours interdits. Les électifs libres peuvent inclure des cours COMP, CSEC, DATA, MATH et STAT. Cours interdits Les cours suivants ne peuvent pas être utilisés pour obtenir des crédits dans le B.D.S. Veuillez noter que tous les cours croisés avec ceux de la liste sont également interdits : BIOL 3604 [0.5] Statistics for Biologists BUSI 1401 [0.5] Foundations of Information Systems BUSI 2401 [0.5] Introduction to Data Analytics BUSI 2402 [0.5] Business Applications Development BUSI 3400 [0.5] Database Design CGSC 1005 [0.5] Computational Methods in Cognitive Science COMP 1001 [0.5] Introduction to Computational Thinking for Arts and Social Science Students COMS 3001 [0.5] Quantitative Research in Communication CRCJ 3001 [0.5] Quantitative Methods in Criminology ECON 1401 / MATH 1401 [0.5] Elementary Mathematics for Economics I ECON 1402 / MATH 1402 [0.5] Elementary Mathematics for Economics II ECON 2210 [0.5] Introductory Statistics for Economics ECON 3001 [0.5] Mathematical Methods of Economics ECON 4001 [0.5] Mathematical Analysis in Economics ECON 4002 [0.5] Statistical Analysis in Economics ECON 4004 [0.5] Operations Research: Linear Programming Models ECON 4706 [0.5] Econometrics I ECON 4707 [0.5] Econometrics II ECON 4713 [0.5] Time-Series Econometrics GEOG 2006 [0.5] Introduction to Quantitative Research ECOR 2606 [0.5] Numerical Methods GEOG 3003 [0.5] Quantitative Geography MATH 1009 [0.5] Mathematics for Business MATH 1119 [0.5] Linear Algebra: with Applications to Business NEUR 2001 [0.5] Introduction to Research Methods in Neuroscience NEUR 2002 [0.5] Introduction to Statistics in Neuroscience NEUR 3001 [0.5] Data Analysis in Neuroscience I NEUR 3002 [0.5] Data Analysis in Neuroscience II PSCI 2702 [0.5] A Statistical Toolkit for Political Scientists PSYC 2001 [0.5] Introduction to Research Methods in Psychology PSYC 2002 [0.5] Introduction to Statistics in Psychology PSYC 3000 [1.0] Design and Analysis in Psychological Research SOCI 2004 [0.5] Data Literacy for Social Sciences SOCI 3008 [0.5] Data Analysis for Social Sciences SOCI 4102 [0.5] Multiple Regression Analysis SOWK 3001 [0.5] Introduction to Research Methods in Social Work SYSC 2510 [0.5] Probability, Statistics and Random Processes for Engineers tous les cours de niveau 0000 et tous les cours en BIT, IMD, IRM, MPAD, NET, OSS, PLT et ITEC sauf les suivants : BIT 1000 , BIT 1001 , BIT 1100 , BIT 1101 , BIT 1200 , BIT 1201 , BIT 2000 , BIT 2004 (n'est plus offert), BIT 2005 (n'est plus offert), BIT 2007 (n'est plus offert), BIT 2100 (n'est plus offert), BIT 2300 (n'est plus offert), MPAD 2400 , MPAD 2501 (n'est plus offert), MPAD 3300 , MPAD 3501 , MPAD 4001 , MPAD 4501 , MPAD 4502 , MPAD 4503 , MPAD 4504 . Data Science B.D.S. Honours (20.0 credits)
Parcours et conditions du programme
Ces tableaux reprennent les exigences de la source pour la période indiquée. L’interprétation officielle relève de l’université.
Parcours 1
| A. Crédits inclus dans la moyenne pondérée du programme (Major CGPA) (13,5 crédits) | ||
| 1. 1,5 crédits en : | 1.5 | |
| MATH 1007 [0.5] | Calcul élémentaire I | |
| MATH 1104 [0.5] | Algèbre linéaire pour le génie ou les sciences | |
| MATH 2007 [0.5] | Calcul élémentaire II | |
| 2. 1,0 crédit en : | 1.0 | |
| DATA 3200 [0.5] | Compétences en communication pour data scientists | |
| PHIL 2106 [0.5] | Éthique de l'information | |
| 3. 5.5 crédits en : | 5.5 | |
| COMP 1405 [0.5] | Introduction à l’informatique I | |
| COMP 1406 [0.5] | Introduction à l’informatique II | |
| COMP 1805 [0.5] | Structures discrètes I | |
| COMP 2109 [0.5] | Introduction à la sécurité et à la confidentialité | |
| COMP 2401 [0.5] | Introduction à la programmation système | |
| COMP 2402 [0.5] | Types de données abstraits et algorithmes | |
| COMP 2404 [0.5] | Introduction au génie logiciel | |
| COMP 2406 [0.5] | Fondamentaux des applications Web | |
| COMP 2804 [0.5] | Structures discrètes II | |
| COMP 3105 [0.5] | Introduction à l’apprentissage automatique | |
| COMP 4107 [0.5] | Réseaux de neurones | |
| 4. 2.0 crédits en : | 2.0 | |
| DATA 1517 [0.5] | Modélisation des données I | |
| DATA 1519 [0.5] | Modélisation des données II | |
| DATA 2500 [0.5] | Wrangling des données en R | |
| DATA 3500 [0.5] | Programmation statistique en R | |
| 5. 2.0 crédits en : | 2.0 | |
| STAT 1500 [0.5] | Introduction à l'informatique statistique | |
| STAT 2210 [0.5] | Fondements inférentiels de la science des données I | |
| STAT 3553 [0.5] | Modélisation de régression (Honours) | |
| STAT 4601 [0.5] | Fouille de données I (Honours) | |
| 6. 1.0 crédit de : | 1.0 | |
| COMP 4010 [0.5] | Introduction à l'apprentissage par renforcement | |
| COMP 4102 [0.5] | Vision par ordinateur | |
| COMP 4115 [0.5] | Introduction au traitement automatique du langage naturel | |
| COMP 4116 [0.5] | Systèmes multiagents |
Cours
Ces cours ont été repérés dans la page source du programme. Leur présence ne signifie pas qu’ils sont tous obligatoires dans chaque parcours.
Sources et références
Année de référence : 2026-27
Les dates et les sources sont conservées pour vous aider à vérifier les renseignements. Les traductions sont proposées pour faciliter la lecture; la source officielle fait référence pour les conditions et les exigences.
Référence source : https://calendar.carleton.ca/undergrad/undergradprograms/datascience/