Início StudyCanadaUniversidades no CanadáCarleton UniversityCiência de Dados, Análise de Dados e Inteligência Artificial
Especializações e variantes
M.A.Sc. Data Science, Analytics, and Artificial Intelligence (5.0 créditos)
M.C.S. Data Science, Analytics, and Artificial Intelligence (5.0 créditos)
M.Eng. Data Science, Analytics, and Artificial Intelligence (4.5 créditos)
M.I.T. Data Science, Analytics, and Artificial Intelligence (5.0 créditos)
M.Sc. Data Science, Analytics, and Artificial Intelligence (5.0 créditos)
Ph.D. Data Science, Analytics, and Artificial Intelligence (1.5 créditos)
Percursos e condições do programa
Estas tabelas reproduzem os requisitos da fonte para o período indicado. A interpretação oficial cabe à universidade.
Percurso 1
| M.A.Sc. Ciência de Dados, Análise e Inteligência Artificial - via tese (5.0 créditos) | ||
| 1. 1.0 crédito em: | 1.0 | |
| DATA 5000 [0.5] | Introdução à Ciência de Dados | |
| DATA 5001 [0.5] | Fundamentos em Ciência de Dados e Análise | |
| 2. 0.5 crédito em eletivas SYSC aprovadas (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | 0.5 | |
| 3. 0.5 crédito em eletivas aprovadas que não sejam SYSC (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | 0.5 | |
| 4. 0.5 crédito em eletiva de qualquer unidade participante do DSAAI | 0.5 | |
| Observação: 0.5 crédito das eletivas acima deve ser em aplicações de inteligência artificial ou aprendizado de máquina (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | ||
| 5. 2.5 créditos em: | 2.5 | |
| DATA 5929 [2.5] | Tese - MASc | |
| Créditos Totais | 5.0 |
Percurso 2
| Requisitos - via tese (5.0 créditos) | ||
| 1. 1.0 crédito em: | 1.0 | |
| DATA 5000 [0.5] | Introdução à Ciência de Dados | |
| DATA 5001 [0.5] | Fundamentos em Ciência de Dados e Análise | |
| 2. 0.5 crédito em eletivas COMP aprovadas (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | 0.5 | |
| 3. 0.5 crédito em eletivas aprovadas que não sejam COMP (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | 0.5 | |
| 4. 0.5 crédito em eletiva de qualquer unidade participante do DSAAI | 0.5 | |
| 5. 0.5 crédito das eletivas acima deve ser em aplicações de inteligência artificial ou aprendizado de máquina (Veja o site do programa DSAAI para a lista) | ||
| 6. 2.5 créditos em: | 2.5 | |
| DATA 5939 [2.5] | Tese - MCS | |
| Créditos Totais | 5.0 |
Percurso 3
| M.Eng. Ciência de Dados, Análise e Inteligência Artificial - via curso (4.5 créditos) | ||
| 1. 1.0 crédito em: | 1.0 | |
| DATA 5000 [0.5] | Introdução à Ciência de Dados | |
| DATA 5001 [0.5] | Fundamentos em Ciência de Dados e Análise | |
| 2. 1.0 crédito em eletivas SYSC aprovadas (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | 1.0 | |
| 3. 0.5 crédito em qualquer curso de pós-graduação SYSC | 0.5 | |
| 4. 1.0 crédito em eletivas aprovadas de duas unidades que não sejam SYSC (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | 1.0 | |
| 5. 1.0 crédito em eletivas de qualquer unidade participante do DSAAI | 1.0 | |
| Observação: 0.5 crédito das eletivas acima deve ser em aplicação de inteligência artificial ou aprendizado de máquina (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | ||
| Créditos Totais | 4.5 |
Percurso 4
| M.I.T. Ciência de Dados, Análise e Inteligência Artificial - via tese (5.0 créditos) | ||
| 1. 1.0 crédito em: | 1.0 | |
| DATA 5000 [0.5] | Introdução à Ciência de Dados | |
| DATA 5001 [0.5] | Fundamentos em Ciência de Dados e Análise | |
| 2. 0.5 crédito em eletivas ITEC aprovadas (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | 0.5 | |
| 3. 0.5 crédito em eletivas aprovadas que não sejam ITEC (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | 0.5 | |
| 4. 0.5 crédito em eletiva de qualquer unidade participante do DSAAI | 0.5 | |
| Observação: 0.5 crédito das eletivas acima deve ser em aplicações de inteligência artificial ou aprendizado de máquina (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | ||
| 5. 2.5 créditos em: | 2.5 | |
| DATA 5919 [2.5] | Tese - MIT | |
| Créditos Totais | 5.0 |
Percurso 5
| M.Sc. Data Science, Analytics and Artificial Intelligence - via tese (5.0 créditos) | ||
| 1. 1.0 crédito em: | 1.0 | |
| DATA 5000 [0.5] | Introdução à Ciência de Dados | |
| DATA 5001 [0.5] | Fundamentos em Ciência de Dados e Análise | |
| 2. 0.5 crédito em eletiva aprovada em MATH ou STAT (ver site do programa DSAAI para lista de eletivas aplicáveis) | 0.5 | |
| 3. 0.5 crédito em eletivas aprovadas que não sejam em MATH ou STAT (ver site do programa DSAAI para lista de eletivas aplicáveis) | 0.5 | |
| 4. 0.5 crédito em eletiva de qualquer unidade participante do DSAAI | 0.5 | |
| Observação: 0.5 crédito das eletivas acima deve ser em aplicações de inteligência artificial ou aprendizado de máquina (veja o site do programa DSAAI para a lista de eletivas aplicáveis) | ||
| 5. 2.5 créditos em: | 2.5 | |
| DATA 5909 [2.5] | Tese - M.Sc. | |
| Créditos Totais | 5.0 |
Percurso 6
| Requisitos (1.5 créditos): | ||
| 1. 0.5 crédito em: | 0.5 | |
| DATA 5001 [0.5] | Fundamentos em Ciência de Dados e Análise | |
| 2. 1.0 crédito em eletiva, aprovada pelo orientador (ver site do programa DSAAI para lista de eletivas aplicáveis) | 1.0 | |
| 3. 0.0 crédito em: | ||
| DATA 6907 [0.0] | Exame compreensivo doutoral | |
| 4. 0.0 crédito em: | ||
| DATA 6908 [0.0] | Proposta doutoral | |
| 5. 0.0 crédito em: | 0.0 | |
| DATA 6909 [0.0] | Tese - PhD | |
| Créditos Totais | 1.5 |
Cursos
Esses cursos foram identificados na página-fonte do programa. A presença deles não significa que sejam todos obrigatórios em cada percurso.
Fontes e referências
Ano de referência : 2026-27
As datas e as fontes são mantidas para ajudá-lo a verificar os dados. As traduções são propostas para facilitar a leitura; a fonte oficial é a referência para condições e exigências.
Fonte de referência : https://calendar.carleton.ca/grad/gradprograms/dsa/